阿里近日正式推出新一代萬相2.6系列模型，該模型在專業影視制作與圖像創作領域實現多項技術突破，成為國內首個具備角色扮演能力的視頻生成工具。其核心功能涵蓋音畫同步、多鏡頭智能生成及聲音驅動技術，憑借全面的功能組合躋身全球頂尖視頻生成模型行列。目前該模型已在阿里云百煉平臺及萬相官方網站同步開放使用。
在視頻生成領域，萬相2.6通過深度解析輸入素材的角色特征與音色參數，可實現跨場景角色扮演功能。無論是單人演繹、多人互動還是人與虛擬物體的協同表演，均能根據文本指令生成自然流暢的視頻內容。其多鏡頭敘事系統能將簡單提示詞轉化為專業分鏡腳本，確保不同鏡頭間的主體形象、場景元素及光影效果保持高度連貫性，最長支持15秒連貫敘事視頻生成。
音頻處理方面，該模型突破傳統技術瓶頸，在多人對話場景中實現穩定的人聲生成與情感表達。通過優化聲學模型，不僅提升了語音的自然度與音樂質感，更支持根據音頻內容驅動視頻生成，配合多鏡頭切換完成復雜敘事。在長視頻生成測試中，15秒輸出時長較前代產品提升50%，畫面時空信息密度顯著增強。
文生圖功能迎來美學升級，模型對藝術風格關鍵詞的解析能力達到新高度。通過深度學習數萬種藝術流派特征，既能精準還原單一風格精髓，又支持多種風格的無縫融合。在細節處理上，肌理質感、色彩過渡與筆觸表現均獲得突破性提升，配合智能構圖系統，可自動生成具有電影級視覺張力的圖像作品。針對商業設計需求，新增的中英文長文本解析模塊能直接生成海報、信息圖表等視覺內容，實現文字信息與視覺元素的有機整合。
圖像生成系統新增圖文混排與多圖融合功能，支持多張參考圖與文字指令的協同創作。其智能推理引擎可分析素材間的邏輯關系，自動構建層次分明的視覺敘事結構。在商業應用層面，通過強化角色一致性算法，確保系列作品中的核心元素保持統一風格，配合美學要素遷移技術，可快速提取參考圖的創意特征生成衍生作品。專業用戶還可通過鏡頭視角、景深參數及光影方向的精準調控，實現畫面空間的立體化塑造。
技術團隊透露，萬相2.6采用多模態預訓練架構，在3000萬組專業影視數據基礎上完成訓練。其核心算法包含動態注意力機制與跨模態對齊模塊，使模型能同時處理文本、圖像、音頻三重輸入信號。在最新基準測試中，該模型在角色一致性、敘事連貫性及美學評分等維度均領先行業平均水平，特別是在東方美學風格的呈現上展現出獨特優勢。目前平臺已開放企業級API接口，支持影視制作、廣告營銷、數字內容創作等領域的深度應用。
