#通义万相

3天前

通义万相开源了全新多模态视频生成模型「Wan2.2-S2V」。模型仅需一张静态图片和一段音频，能生成电影级数字人视频，视频时长可达分钟级，大幅提升数字人直播、影视制作等行业的视频创作效率。模型支持真人、卡通、动物等多种图片类型，可通过文本控制视频画面。核心功能多模态视频生成：仅需一张静态图片 + 一段音频，就能生成电影级数字人视频支持多种图片类型：真人、卡通、动物、数字人等，支持肖像、半身、全身等任意画幅多种动作生成：说话、唱歌、表演等动作，面部表情自然、口型同步、肢体动作流畅技术亮点视频时长：单次生成可达分钟级，达到业界领先水平文本控制：支持通过Prompt控制视频画面，让动作和背景变化更丰富技术创新：融合文本引导的全局运动控制和音频驱动的细粒度局部运动采用AdaIN和CrossAttention控制机制层次化帧压缩技术，支持73帧历史参考帧多分辨率训练和推理应用场景主要提升数字人直播、影视制作、AI教育等行业的视频创作效率

AI视频井喷：Midjourney领跑，多模态混战· 128 条信息

#通义万相 #多模态视频生成 #数字人 #AI #视频创作