我要投稿

重磅开源！通义万相最新模型来了

发布日期：2025-08-26 21:54:48 浏览次数： 4864

作者：阿里云

微信搜一搜，关注“阿里云”

继文生视频、图生视频、首尾帧生视频、全能编辑模型后，通义万相又迎来重磅开源！

// 复杂场景驱动：音频驱动视频生成模型

Wan2.2-S2V可驱动真人、卡通、动物、数字人等多种类型图片，并支持肖像、半身以及全身等任意画幅，上传一段音频后，模型就能让图片中的主体形象完成说话、唱歌和表演等动作。

通义团队基于通义万相的通用视频生成能力，融合了文本引导的全局运动控制和音频驱动的细粒度局部运动，实现了复杂场景的音频驱动视频生成；引入AdaIN和CrossAttention两种控制机制，实现了更准确更动态的音频控制效果。

// 长视频稳定性：单次生成时长可达分钟级

生成时长上，Wan2.2-S2V单次生成的视频时长可达业界领先的分钟级。

Wan2.2-S2V通过层次化帧压缩技术，大幅降低了历史帧的Token数量，通过该方式将motion frames(历史参考帧)的长度从数帧拓展到73帧，从而实现了稳定的长视频生成效果。

// 文本控制：精准调整视频画面

Wan2.2-S2V还支持文本控制，输入Prompt后还可对视频画面进行控制，实现镜头运动、角色轨迹和实体间互动，让视频主体的运动和背景的变化更丰富。

例如，此处的「弹钢琴DEMO」，用户只需上传一张人物弹钢琴的照片、一段歌曲和一段文字，Wan2.2-S2V即可生成一段完整、声情并茂的钢琴演奏视频，不仅能保证人物形象和原图一致，其面部表情和嘴部动作还能与音频对齐，视频人物的手指手型、力度、速度也能完美匹配音频节奏。

// 全参数化训练：支持多种分辨率场景

在模型训练上，通义团队构建了超60万个片段的音视频数据集，通过混合并行训练进行全参数化训练，充分挖掘了Wan2.2-S2V模型的性能。

同时通过多分辨率训练、支持模型多分辨率的推理，Wan2.2-S2V可支持不同分辨率场景的视频生成需求, 如竖屏短视频、横屏影视剧。

/ END /

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-11-25

混元OCR模型宣布开源，参数仅1B，多项核心能力SOTA

2025-11-25

5分钟部署AstrBot+NapCat：用Docker把 DeepSeekAI接入你的QQ

2025-11-25

OpenAI 推出 Shopping Research：AI 正在重塑电商价值链

2025-11-25

Gemini Prompt：直接开源！我把「顶尖商业咨询」写进了一套 AI 指令里

2025-11-24

字节跳动开源RL框架verl：让大模型强化学习效率提升20倍，已支持671B参数模型训练

2025-11-24

GPUStack v2：推理加速释放算力潜能，开源重塑大模型推理下半场

2025-11-23

一行代码，让你的 AI 拥有永久记忆！告别昂贵的向量数据库

2025-11-23

Andrej Karpathy 推出 LLM Council：让多个大模型"开会"讨论你的问题

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

阿里Qoder vs Trae vs Cursor：谁才是2025年程序猿的效率之王？

2025-09-07

开源发布！适合中国宝宝的 LangGraph 智能体开发模板！

2025-09-06

DeepSeek又开源，这次是OCR模型！附论文解读！

2025-10-20

Claude不让用，有哪些国产模型能迎头赶上？

2025-09-08

发现一个超神的Github开源OCR项目，国产多模态杀疯了

2025-10-27

MiniMax悄悄发布M2，8%价格打出Claude级性能

2025-10-27

全新AI编程工具 Google Antigravity 实测，特别适合产品经理

2025-11-19

如愿以偿！Qwen3-VL再开源30B-A3B，附实测！

2025-10-03

Qwen3-Next 首测！Qwen3.5的预览版？但为什么我的测试一塌糊涂？

2025-09-17

1.9K Star 微软开源TTS王炸！90分钟超长语音合成，4人对话自然切换！

2025-08-28

大家都在问

我们为什么选择 Spring AI 开发智能体，而不是 Dify？

2025-11-12

开源安全审核模型终极PK：Qwen3Guard、OpenAI-SafeGuard、Llama4-Guard谁才是王者？

2025-11-10

DeepSeek-OCR到底厉害在哪？

2025-11-03

n8n如何调用最近爆火的deepseek OCR？

2025-10-29

小红书入局AI智能体开源DeepAgent，在计划什么更新？

2025-10-28

埃森哲的大裁员，向市场发出了什么信号？

2025-10-13

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

2025-09-29

Qwen3-Next 首测！Qwen3.5的预览版？但为什么我的测试一塌糊涂？

2025-09-17

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB