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： 4049

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

2025-08-29

如何评测 AI 智能体：试试字节开源的扣子罗盘

2025-08-29

HiMarket 正式开源，为企业落地开箱即用的 AI 开放平台

2025-08-28

美团 M17 团队开源 Meeseeks 评测集：揭秘大模型的 “听话”能力

2025-08-28

我摊牌了，PDF的终结者出现了！这个开源神器，让你的RAG项目吞吐能力暴增10倍！

2025-08-28

面壁开源多模态新旗舰MiniCPM-V 4.5，8B 性能超越 72B，高刷视频理解又准又快

2025-08-28

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！

2025-08-27

初探：从0开始的AI-Agent开发踩坑实录

2025-08-27

ollama v0.11.7发布：深度集成DeepSeek-V3.1与Turbo云端推理模式解析

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

实测Qwen3-Coder，这就是目前最强的开源编程模型

2025-07-23

看大厂PM，如何玩转多个智能体开发平台

2025-06-17

DeepSeek V3.1 Base / Instruct 发布

2025-08-20

53AI Hub重磅开源！让99%的智能体开发者赚到钱！

2025-06-17

Qwen3-Coder开源：面向世界的智能编程引擎

2025-07-23

有点东西！Qwen开源会写中文的生图模型Qwen-Image

2025-08-05

Kimi K2详测，Claude国产平替有了

2025-07-14

DeepSeek-V3.1-Base来了！MoE架构+128K上下文，性能再进化

2025-08-20

GLM-4.5 发布，六大主流模型混战测评，谁能一键生成“ 真·可用 ”的应用？

2025-07-29

Kimi K2 详测｜超强代码和Agent 能力！内附Claude Code邪修教程

2025-07-12

大家都在问

Coze开源了，为什么AI产品经理还是不会用？

2025-08-16

“入口”新变局：OpenAI开源模型+“口袋里的设备”，企业管理会发生变化吗？

2025-08-13

AI快讯：AI安全漏洞揭秘：副业者如何利用漏洞检测赚钱？

2025-08-11

Coze、Dify、n8n：三国争霸哪家强？

2025-08-11

Agent应用爆发，谁成为向上托举的力量？

2025-08-06

OpenAI 为什么要开源大模型 gpt-oss？

2025-08-06

谁在拆 OpenAI 的围墙？

2025-08-06

OpenCSG ：企业级AI落地的全新选择，凭什么脱颖而出？

2025-08-04

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