阿里云近日正式推出新一代視頻生成模型——萬(wàn)相2.6系列，標(biāo)志著國(guó)內(nèi)首個(gè)具備角色扮演功能的視頻生成技術(shù)進(jìn)入實(shí)用階段。該模型在影視制作與圖像創(chuàng)作領(lǐng)域?qū)崿F(xiàn)重大突破，通過(guò)多模態(tài)聯(lián)合建模技術(shù)，能夠精準(zhǔn)捕捉視頻中人物的情緒、姿態(tài)及多角度視覺(jué)特征，同時(shí)提取語(yǔ)音的音色、語(yǔ)速等聲學(xué)參數(shù)，確保生成內(nèi)容在畫(huà)面與聲音維度保持高度一致性。

技術(shù)層面，萬(wàn)相2.6創(chuàng)新性地采用時(shí)序信息建模機(jī)制，可對(duì)輸入的參考視頻進(jìn)行深度解析。無(wú)論是單人表演還是多人互動(dòng)場(chǎng)景，系統(tǒng)均能自動(dòng)識(shí)別主體動(dòng)作軌跡，并通過(guò)聲音驅(qū)動(dòng)技術(shù)實(shí)現(xiàn)唇形同步與表情匹配。企業(yè)用戶(hù)通過(guò)阿里云百煉平臺(tái)調(diào)用API時(shí)，可獲得每秒30幀的高清視頻輸出，單段視頻時(shí)長(zhǎng)突破至15秒，達(dá)到國(guó)內(nèi)行業(yè)領(lǐng)先水平。

功能升級(jí)方面，新版本新增角色扮演與分鏡控制模塊。用戶(hù)僅需輸入文本指令，即可生成包含多鏡頭切換的專(zhuān)業(yè)級(jí)視頻，支持單人獨(dú)白、多人對(duì)話(huà)以及人與虛擬物體互動(dòng)等復(fù)雜場(chǎng)景。在廣告設(shè)計(jì)領(lǐng)域，連續(xù)提示詞輸入功能可自動(dòng)生成具有完整敘事邏輯的短片，大幅降低影視級(jí)內(nèi)容制作門(mén)檻。

應(yīng)用場(chǎng)景覆蓋AI漫劇創(chuàng)作、短視頻生產(chǎn)及商業(yè)廣告制作等多個(gè)領(lǐng)域。測(cè)試數(shù)據(jù)顯示，該模型已具備文生圖、圖生視頻、人聲驅(qū)動(dòng)視頻等12項(xiàng)視覺(jué)創(chuàng)作能力，其中動(dòng)作生成精度較前代提升40%，指令遵循準(zhǔn)確率達(dá)到92%。某短視頻團(tuán)隊(duì)實(shí)測(cè)表明，使用萬(wàn)相2.6后，單條視頻制作周期從72小時(shí)縮短至8小時(shí)，成本降低65%。

即日起，個(gè)人創(chuàng)作者可通過(guò)萬(wàn)相官方網(wǎng)站免費(fèi)體驗(yàn)基礎(chǔ)功能，企業(yè)客戶(hù)則能獲得定制化開(kāi)發(fā)支持。技術(shù)團(tuán)隊(duì)透露，后續(xù)版本將重點(diǎn)優(yōu)化長(zhǎng)視頻生成能力，并探索虛擬制片、實(shí)時(shí)互動(dòng)等前沿應(yīng)用場(chǎng)景，為數(shù)字內(nèi)容產(chǎn)業(yè)提供更高效的創(chuàng)作工具。