摘要：作为国内首个支持角色扮演功能的视频生成模型，其创新性地融合音画同步、多镜头生成、声音驱动等核心技术，构建了当前全球功能最完整的视频生成解决方案。

阿里式推出新一代通义万相2.6系列模型，针对专业影视制作与图像创作场景实现突破性升级。

作为国内首个支持角色扮演功能的视频生成模型，其创新性地融合音画同步、多镜头生成、声音驱动等核心技术，构建了当前全球功能最完整的视频生成解决方案。

通义万相在模型结构上集成了多项创新技术，可对输入参考视频进行多模态联合建模与学习，参考具有时序信息的主体情绪、姿态和多角度全面视觉特征。

同时提取音色、语速等声学特征，在生成阶段作为参考条件控制，实现从画面到声音的全感官全维度一致性保持与迁移，目前万相可支持单人和多人的表演。

此次发布的万相2.6进一步提升了画质、音效、指令遵循等能力，单次视频时长实现国内最高的15s。

万相2.6还新增了角色扮演和分镜控制功能，不仅能一键完成单人、多人、人与物合拍的视频，还能自动实现多镜头切换等专业任务，满足专业影视级场景需求。

来源：中文科技时间