2026-01-04

Wan2.6系列模型正式发布

[summary]
国内首个支持角色扮演功能的视频模型
从影视质感到 影视级创作能力
支持音画同步、多镜头生成及声音驱动、支持生成15秒视频，实现更完整叙事
图文一体化生成，实现有层次、有逻辑的视觉化叙事

[header-link]
https://bailian.console.aliyun.com/?tab=api#/api/?type=model&url=2867393
API 体验链接

[video]
https://cloud.video.taobao.com/vod/EQaKS7b4xxJN1yDYF_6oUBRvFJUw48fWcfGwSufu1EY.mp4
https://img.alicdn.com/imgextra/i1/O1CN01aY2F7S1SJ6MNkntXP_!!6000000002225-49-tps-3360-1890.webp

近日，新一代万相2.6系列模型正式发布。涵盖文生视频、图生视频、参考生视频、图像生成、文生图五大模型，该系列模型面向专业影视制作和图像创作场景进行了全面升级，其中，通义万相2.6视频生成模型的全新视频参考生成功能，可将人或任意物作为主角，生成单人表演或多人合拍。多镜头叙事，智能调度，更稳定多人对话、更长时长、更强的指令遵循和声画同步。

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，单次视频时长可达15秒，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。

视频生成

角色扮演：万物皆可为主演

万物皆可入戏，万相2.6能参考输入视频中的角色外观和音色，实现角色扮演，按照提示词生成单人、多人、人与物合拍的视频。

[video]
https://cloud.video.taobao.com/vod/IPuVj0vmjsmE0FB9xFTya0_mAAUVT7zIXwAFFtQgiA4.mp4
https://img.alicdn.com/imgextra/i1/6000000002814/O1CN01LfRqkv1WerdowCz9s_!!6000000002814-0-tbvideo.jpg

提示词：角色1和角色2在一场宫廷剧场景中表演

智能分镜叙事：一句话生成多镜头视频

万相2.6可将用户简单的提示词转换为多分镜脚本，生成包含多个镜头的连贯叙事视频，并且保持多镜头间的主体、场景等关键信息的一致性。

[video]
https://cloud.video.taobao.com/vod/NV_QXJz97bk6BKKTt-_JbCKewtE3F2sYqiTTUryxeAA.mp4
https://img.alicdn.com/imgextra/i1/6000000002545/O1CN016fnh7r1Uff6Enjh6f_!!6000000002545-0-tbvideo.jpg

提示词：一段超现实、电影感十足的3D动画：一颗巨大的成熟石榴在巴黎城中滚动。场景1：低机位广角镜头，巴黎街道，奥斯曼风格建筑林立，远处可见埃菲尔铁塔，蓝天白云。场景2：极近距离特写，石榴表皮质感丰富、细节清晰，滚过一块白色路牌，浅景深效果。场景3：石榴滚过横跨塞纳河的巴黎桥梁。场景4：侧面视角，石榴停立在桥上，背后是巴黎城市天际线，阳光在表面闪耀反光。场景5：动感镜头，画面略带运动模糊，石榴沿着石质墙面滚动，突出速度感与重量感。场景6-7：现代巴黎场景中，巨大的石榴主宰宽阔大道，两侧是时尚的玻璃摩天大楼，车流繁忙。场景8：石榴裂开，在高楼之间爆裂成成千上万片发光的红色半透明花瓣。场景9：花瓣汇聚融合，化为一只现代感十足的红色玻璃汽水瓶，置于街道中央，瓶身倒映着天空与城市。字幕：Wan汽水·石榴口味。

自然音画同步

多人对话场景稳定生成，真实自然的人声表达，声音质感提升，更好听的音乐和歌曲生成。

[video]
https://cloud.video.taobao.com/vod/f6BZUWWMKNEv5oNlrNLpukxu1dtXKBRYIWoLq28IeKk.mp4
https://img.alicdn.com/imgextra/i3/6000000001004/O1CN01g37aWM1JHslJR2GXe_!!6000000001004-0-tbvideo.jpg

提示词：微风吹起湖边的芦苇，黄金时刻逆光，法式独立电影 + 日系自然光写实风格，低饱和柔和色调。湖面细波，芦苇在前景虚化中随风摇曳，character1 站在岸边，衣摆与碎发被风轻抬，皮肤被夕阳勾亮出细腻高光。远处 character2 迎着逆光走来，背后形成柔和光环，两人在风声与光影间缓缓靠近，站得很近，character1 的碎发被风吹起，轻擦过 character2 的脸侧，身体距离文艺且极简、克制含蓄。character1 不经意伸手，轻触 character2 的手背，确认彼此仍然存在。环境音只有轻柔风声与湖水声，整体情绪温柔、微妙、克制。

15s长视频生成

生成视频最长15s（参考生视频10s），提升画面时空内容容量，支持更完整叙事。

[video]
https://cloud.video.taobao.com/vod/OxfBkhrpUmanyhL55O0OoMSww7M3nczy5Pkh-p4aSM4.mp4
https://img.alicdn.com/imgextra/i1/6000000004402/O1CN01Qd1Nvk1iOAas1xSDN_!!6000000004402-0-tbvideo.jpg

提示词：客观视角，后工业未来主义美学，冷峻金属色与黎明暖光渐变交织，超广角镜头与动态音效营造史诗级科技感与强烈视觉压迫感：一台 50 米高人形机甲矗立在崩解的金属支撑台上，平台迸发火花，机械关节缓缓启动，晨光从后方斜上方照射，剪影轮廓被顶光与背光勾勒，焦点上移至机甲眼部，双眼骤然亮起锐利红光，扫视前方汹涌海面，伴随金属解锁声、低频启动嗡鸣、电弧噼啪与晨风环境音。机甲迈出沉重第一步，巨大脚掌踏碎混凝土基座引发地面震颤，火花照亮机体底部，尘沙卷动与结构断裂声密集爆发，无语音无音乐。机甲笔直朝海岸前进，每一步震颤大地，海风呼啸、尘沙飞扬、远处浪涛翻滚，天际由深蓝渐变橙灰，顺光转侧光勾勒其庞大剪影，宏大电子交响乐与合成低音渐强，伴随持续引擎声与震颤声。最终机甲踏入大海，海水轰然炸起数十米巨浪，波纹扩散至地平线，背光下水雾散射辉光，机甲眼部成为红色光源，镜头拉远，从炸裂浪花切换至炽烈红光，入水巨响与电子交响乐高潮叠加低频引擎与海浪翻滚声，营造史诗般科技降临氛围，无语音、无文字信息。

音频驱动生成

万相2.6可根据用户输入的文本和音频，驱动生成视频，并实现多镜头演绎。

[video]
https://cloud.video.taobao.com/vod/sTi6ZzG_Z9URTUjMBgragADPazCBnwsl-bziJwrUBY0.mp4
https://img.alicdn.com/imgextra/i4/6000000006730/O1CN01ENPMru1zaOdQ6GPWW_!!6000000006730-0-tbvideo.jpg

提示词：A beaver walks around the kitchen of an apartment. He looks at the camera anxiously and says, \"Where are my nuts?\" The beaver finds a box of nuts on the table and says joyfully, \"Here are my nuts!\"

图像生成

多图融合与创意重组

多张图片的任意参考、组合或替换，融合多重视觉灵感，生成全新创意图像

提示词：美妆护肤产品宣传图，主体是图一和图二的商品，产品垂直摆放在浅白色平台表面，背景为图三。场景中，平台上及周围分布着多朵盛放的浅粉色玫瑰花，花瓣质感柔软且带有自然纹理，部分花瓣散落。以平视视角拍摄，运用三分构图技法，将主体置于画面中右侧区域，突出场景的空间感与层次。场景设定为户外自然的美妆护肤产品展示场景。整体色彩以浅粉色、白色、浅蓝色为主色调，营造出清新自然、浪漫唯美的色彩氛围，突出产品的护肤与自然成分质感。