一手实测阿里新模型wan2.6，我做出了人脸最像我的AI短片

又来一个顶着Veo3.1和Sora2出山的压力怪，

阿里刚上线的Wan2.6已经可以做到单次生成的严格一致性和多镜头叙事了，

也可以很轻松的一次生成创意产品展示，

除了视频质感的提升，这把还更新了几个新功能，可以指定⻆⾊演出，支持多镜头智能调度，音画同步生成。

来看看他们的宣传片，从切换镜头到角色一致到开口唱歌，整体来说完成度极高，我当然要来测试一把。

长话短说，

内测了两天的使用感受是，一致性比我想象中的强，有种Sora2刚上线时候的既视感，提示语遵循能力比上一代强很多，能完成多镜头的生成。

老规矩啊，提示语和生成视频也打包好了，公众号回复“wan2.6”就行

先来看看角色扮演功能，上传一段2-5秒的视频，

我的建议是使用正脸无遮挡的视频来制定角色，

当然，这个角色不只局限于写实的人物，卡通、宠物、道具等等都可以，

来到视频生成页面，目前一次最多可以生成10s的视频，可以调用两个角色进行合拍。

比如我这里用我的角色和我家小猫做了一个平时的日常，选择角色扮演模式，提示语直接通过@角色的方式去写就可以。

每次镜头切到我自己的时候根本就忍不住笑，

我要做100条我和小猫的日常，有人想看吗？

我还做了一个小猫说话了的版本，猫咪嘴部的动作也很自然。而且这次碰到杯子的物理接触也更加真实了。

目前万相2.6对于单一角色的参考是非常稳定的，能够高清还原人物角色的细节，比如做日常拍摄经常会遇到的单人的不同景别切换，

现在一条提示语就能搞定，

镜头一，中景描绘 @卡尔 背对镜头， @卡尔 站在巴黎公寓的落地窗前俯瞰着夜晚的埃菲尔铁塔；镜头二，转为手部特写， @卡尔 的手拿起一把吉他；镜头三，人物的表情特写， @卡尔 坐在巴黎公寓的落地窗抱着吉他做出深情的表情

景别切换自然，人物的动作和环境整体没有bug，清晰度也够高。人脸的一致性延续是很难做的，尤其要做到复刻自己，以前一次性生成真人风格的镜头恐怖谷效应特别严重，眼睛都是完全无神的。

但这次我觉得万相2.6做出来的角色人脸和我是超级像，至少我有感觉是我自己的样子，眼神是有感情在里面的。

PS，现在sora2限制真人的图生视频，wan2.6就没这烦恼。

双人对话的互动场景稳定的也很高，还能做出不同的音色，我就实现了和大圣一边烤串一边聊天，

@卡尔 和 @大圣 坐在烧烤店里一边吃烧烤一边聊天， @卡尔 说：“猴哥，最近怎么样，工作还那么忙吗？” @大圣 说：“别提了，天天跑展子，这周去了仨了，都说我cos的太真了。”

从角色扮演的功能中就已经展示了万相2.6在使用角色扮演的同时就能够实现多镜头切换和音画同步的效果了，

除了真人效果的生成之外，我还测试了万相2.6其他方面的质量，比如，这个煎荷包蛋的效果，从黄油放进锅中，到打鸡蛋下锅，再到蛋慢慢煎熟，就最后一个镜头这个蛋清煎熟的过程，我梦回veo3刚出做真实物理的场景。

晚上想吃夜宵了可以做这样一条消磨时间，说不定就不想吃了（才怪）

除了写实之外，万相2.6做风格化的视频效果也很不错，比如这个粘土风格的小人效果，人物动作，画面风格和音效都挺统一的，看不出什么违和感。

又或者我可以只告诉万相2.6一句，

制作一个有趣的“Wan”炸鸡广告和表情包版本的广告，带有对话，其中有一个拟人小猫角色

它也能做到制作一个完整的15秒广告视频，分镜和台词都自动给我匹配好，小猫的动作丝毫不崩，这效果我说实话不输sora2，清晰度还更好。

我还可以指定角色出演指定产品广告，

比如让我给这瓶wan可乐拍个广告，全程我和产品都保持着一致性，wan2.6自己也有很强的广告思维，设计的台词和分镜都符合广告的特点。

如果我是品牌方想要保持我的短视频帐号日更，还真可以用这个了，成本又低，剧情又有意思，每天roll几个视频发一发保持粉丝黏度，爽爽爽

最后的最后，

目前在百炼和万相官网上都可以使用啦，地址我就贴这了。

bailian.console.aliyun.com/?tab=model#/model-market/all?providers=wan

tongyi.aliyun.com/wan/

不知道大家有没有感受到，

现在AI视频都朝着多镜头，多参考角色，音画同步这三个方向集体补课。

我用下来会觉得这三条进化方向，

本质上都在解决同一个问题，

就是把视频生成从能出片推进到能交付。

因为做AI做单个镜头的天花板已经很高了，

而在真正的影视行业中，

真实内容的最小单位是镜头组，不是镜头，

短视频，广告，短剧，MV，产品演示，

本质上是剪辑语言的表达，

远景交代空间、中景推进动作、特写传递情绪，再用转场把节奏打出来。

以前AI只会生成一个镜头的结果就是，

我们还是要回到剪辑软件里把故事拼起来，

交付链路会断在最后一步。

所以，大家可能会感觉到能做出好作品的，

还是之前懂影视知识，会动手剪辑的那一波人。

但现在，

多镜头+参考角色+音画同步，

这三条线糅合在一起后，

生成模型更像是一个导演系统了，

这就是在无限缩小普通人和技术人之间的差距，

人人都能做1分钟导演，

这牛已经不需要吹了。

@ 作者 / 阿汤 & 卡尔

最后，感谢你看到这里如果喜欢这篇文章，不妨顺手给我们点赞｜在看｜转发｜评论

如果想要第一时间收到推送，不妨给我个星标

如果你有更有趣的玩法，欢迎在评论区和我聊聊

更多的内容正在不断填坑中……