万相2.6

万相2.6 是什么

万相2.6 是 阿里云通义万相 在 2025 年 12 月发布的新一代 AI 视频生成模型，相比此前版本（如万相2.5）全面提升了 画质、音效、指令遵循、多镜头叙事与专业级功能。它是国内首个具备 角色扮演功能 的视频生成模型，同时支持 多模态输入（文本、图像、参考视频）驱动视频内容生成，生成的视频最长可达 15 秒，并具备电影级的叙事结构输出能力。 新浪财经+1

万相2.6 已在 通义万相官网 以及阿里云百炼平台等通道上线，面向开发者、创作者和企业用户提供视频生成 API 服务。 新浪财经

核心能力与亮点解析

多模态输入与多任务生成

万相2.6 支持从不同输入模态生成视频，包括：

• 文本生成视频（Text-to-Video）：用户输入文字描述，AI 自动生成与语义一致的动态视频片段。 wavespeed.ai

• 图像生成视频（Image-to-Video）：以单张图像作为视觉基础，并结合提示词生成动态动作效果视频。 wavespeed.ai

• 参考视频驱动（Reference-to-Video）：上传一段参考视频后，模型提取主体形象、动作与音色，并根据指定提示或剧本语义创造新场景视频。 阿里云帮助中心

这种 多模态生成能力使万相2.6 能覆盖从广告片、短剧到创意展示等多种短视频创作需求。 Wan Video

多镜头叙事与电影级结构

不同于早期 AI 视频模型只能生成单镜头画面，万相2.6 提供 智能分镜叙事（Smart Multi-Shot Narrative） 功能，能根据用户提示词将一个故事拆分成多个镜头段落，并保持逻辑连贯和画面流畅过渡。 Wan Video

例如提示：

模型会自动生成多个镜头段落，实现 “导演式剪辑” 效果，这对于专业广告制作和剧情视频非常重要。 Wan Video

原生音画同步与精准唇动匹配

万相2.6 的另一个核心能力是 原生音画同步（Native AV Sync）：模型能根据输入的音频或自动生成的声音驱动视频场景，同时让人物角色的口型与声音自然匹配。 Wan Video

这对于带对白、音乐或配音的视频尤为关键，使视频不仅看起来逼真，而且听觉与视觉一致。 Wan Video

专业角色扮演功能

万相2.6 是国内首个支持 角色扮演（Video Roleplay） 的 AI 视频模型，这意味着用户可以：

• 上传某个人物的参考视频，

• 模型自动提取该人物的形象、动作风格和声音特征，

• 并将该“角色”重新放入新的生成视频场景中。 新浪财经

角色扮演功能特别适合 AI 演员、数字人 콘텐츠创作、互动故事片和定制化人物形象展示。 新浪财经

技术架构与创新点

专业叙事生成引擎

万相2.6 的内部架构结合了“电影级叙事生成引擎”，能够从自然语言提示中提取叙事结构，再将其映射到视频时间线。这样的能力降低了用户对分镜规划与脚本设计的专业要求。 Wan Video

多模态联合学习

模型训练通过联合使用文本、图像和视频数据，让 AI 同时理解视觉、语义和时间维度的信息，从而在生成过程中兼顾视觉一致性和故事连贯性。 Wan Video

音频特征建模与驱动控制

万相2.6 能识别音色、语速等声学特征，在生成阶段以这些信息作为生成条件，使视频中角色的语音动作自然流畅，与视觉内容完全匹配。 新浪财经

典型使用场景与案例

短片创作与广告制作

在广告制作或短片剧情创作中，万相2.6 可根据提示词自动生成包括多个镜头、角色对白、场景切换和背景音乐的视频。这大幅降低了剧本制作、拍摄与后期编辑的时间成本。 Wan Video

例如：

/generate subject:perfume brand storytelling shots:multi lighting:studio motion:slow-zoom

可以输出一段品牌故事片，包含多镜头切换及音画效果。 Wan Video

虚拟角色和数字人展演

角色扮演允许用户将真实人物或虚拟角色置入新的故事线。例如上传某个角色视频，再输入提示词“科幻探险故事”，模型将自动生成该角色在科幻场景中的完整片段，实现数字人情境化创作。 新浪财经

社交媒体与内容营销

万相2.6 的高质量输出和 15 秒叙事能力非常契合社交平台内容格式（如抖音、快手、Instagram Reels 等）。创作者只需简单提示即可生成足够吸引观众注意力的短片。 Wan Video

如何调用与集成万相2.6

通过阿里云百炼 API

开发者可以通过阿里云 通义万相视频生成 API 调用万相2.6 实现视频生成任务：

1. 在阿里云控制台获取 API Key；

2. 使用 REST 接口创建视频生成任务；

3. 通过任务 ID 轮询获取生成结果。 阿里云帮助中心

官方 API 支持异步调用，适合长时间生成任务（通常几分钟内完成）。 阿里云帮助中心

优化参数配置

通过 API，可指定输出分辨率（如 720p 或 1080p），视频时长（最长 15s），并可通过 negative prompt 控制不希望出现的视觉效果。 wavespeed.ai

提示词设计与最佳实践

为了获得理想输出结果，建议在提示词设计中明确：

• 场景与动作细节（例如“探险、追逐、特写镜头”）

• 镜头类型（如“全景、特写、跟随镜头”）

• 角色设定与动作

• 音频要求（如配乐类型或对白风格）

清晰、结构化的提示词通常会生成更符合预期的视频输出。 Wan Video

万相2.6 与竞争产品对比

与 OpenAI 的 Sora 2 等国际视频生成模型相比：

• 万相2.6 特别强调 角色扮演与多镜头叙事；

• 支持 原生音画同步；

• 生成时长可达 15 秒；

• 在国内通义万相平台和阿里云有成熟的商业API支持。 Wan Video

常见问题（FAQ）

Q1: 万相2.6 是什么？
A1: 万相2.6 是阿里通义万相团队发布的最新 AI 视频生成模型，支持文本、图像和参考视频驱动生成 15 秒高质量叙事视频，并具备角色扮演、音画同步和多镜头功能。 新浪财经

Q2: 万相2.6 支持哪些输入方式？
A2: 支持文本提示、静态图像以及参考视频输入，分别用于不同情境的生成任务。 wavespeed.ai

Q3: 视频最长可以生成多长？
A3: 万相2.6 支持最长约 15 秒的视频生成，这一长度足以构建完整故事片段级短片。 Wan Video

Q4: 是否支持音频与唇动同步？
A4: 是的，万相2.6 原生支持音画同步，可生成精确唇动视频。 Wan Video

Q5: 如何通过 API 调用万相2.6？
A5: 可通过阿里云百炼平台获得 API Key，并使用视频生成 REST 接口创建任务并轮询获取结果。 阿里云帮助中心

Q6: 万相2.6 有哪些创意应用场景？
A6: 包括短剧、品牌广告、数字人创作、社交媒体内容等创意视频生成需求。 Wan Video

结语

万相2.6 不仅是通义万相系列的一次重要升级，更代表了 AI 视频生成进入专业化与创作者赋能时代。其多模态理解、叙事控制和角色一致性功能，使它成为短视频创作、影视级短片制作和个性化视觉内容自动化的重要工具。随着 API 的开放和生态的成熟，万相2.6 有望在未来进一步推动 AI 视频创意生产力的普及与提升。 新浪财经