通义万相

通义万相（Tongyi Wanxiang / Wan）是阿里巴巴通义实验室（Tongyi Lab of Alibaba Group）推出的 AI 视觉生成套件，也是目前业内首个以 Apache 2.0 协议开源的视频生成大模型系列，GitHub 累计 Star 数已突破 3.3 万。Wan 系列覆盖文生图、文生视频、图生视频、首尾帧控制、视频扩展（Outpainting）、画质超分等全栈视觉生成能力，是全球开源生态最活跃的视频生成模型之一。

核心能力

通义万相提供从轻量到顶配的多档模型，满足不同场景需求：

• Wan 2.7（最新版本）：支持指令视频编辑（按文本指令重绘画面、剧情与场景）、创意视频迁移（一键复刻复杂人物动作和电影级运镜）、无限时长时间扩展（帧引导续写 + 无限视频外延）、人像定制（骨骼/眼睛/面部细节）、12 种语言长文本渲染、多图融合（最多 9 张图融合为一个创意）、连续故事生成（最多 12 张风格一致的序列图像）、像素级框选编辑（精确指定创意意图）。
• Wan 2.2（广泛部署版）：业内首创 Mixture-of-Experts（MoE）视频扩散架构，将去噪过程分配给不同时间步的专家模型，在不增加推理成本的前提下显著提升运动控制能力；支持 720P / 24 fps 高清输出，提供 1.3B（轻量）和 14B（高质量）双参数版本，兼容消费级 GPU。训练数据相较前代扩增 65.6% 图像 + 83.2% 视频，复杂运动渲染跻身全球第一梯队。
• 数字人 Wan 2.2-s2v：基于单张图片 + 一段音频即可生成动作自然的说话、唱歌或表演视频，支持肖像 / 半身 / 全身画幅，输出 480P / 720P，覆盖真人或卡通形象，是国内最具性价比的数字人视频方案之一。

应用场景

通义万相凭借”全栈能力 + 开源可商用”，在以下场景被大量采用：

• 广告与电商营销：商品展示视频、动态海报、社交媒体短素材批量生成，大幅降低短视频制作成本。
• 短视频与自媒体：电影感镜头语言精细控制（光影/色彩/构图），让故事化短片、人物短片表现力大幅提升。
• 数字人与虚拟主播：单图 + 音频即可生成会说话、会唱歌的虚拟形象视频，适合企业宣传、虚拟客服、教育内容。
• 教育与科研：开源模型可本地部署，适合学术研究、复现实验、二次开发和教学演示。
• 游戏与动画预演：人物动作预演、镜头预演、概念图迭代，缩短前期制作周期。

定价与可及性

通义万相提供多层级的接入方式，覆盖从个人体验到企业生产：

• 网页端免费体验：访问 wan.video 即可试用 Wan 2.7 全功能（文生视频、图生视频、指令编辑、视频扩展等），无需注册即可生成。
• 阿里云百炼 API（按量付费）：Wan 2.2 1.3B 文生视频约 $0.12 / 次；14B 文/图生视频约 $0.28 / 次；数字人 wan2.2-s2v 480P 0.5 元/秒、720P 0.9 元/秒，新用户有 100 秒免费额度。
• 开源本地部署：Wan 系列权重与推理代码以 Apache 2.0 协议开源，开发者可下载权重在消费级显卡上自行部署，完全免费、可商用。

无论你是想零门槛在线体验，还是需要API 批量接入到生产流水线，亦或是希望自托管深度定制，通义万相都是当前开源 AI 视频赛道里最成熟的选择之一。