觉得这篇文章有帮助?

🌐 官方网址:

https://tongyi.aliyun.com/wan

(通义万相官方网页工作台,阿里账号登录即可使用。旧域名 wanx.biz.aliyun.com 已 301 跳转至此。视频专用入口为 tongyi.aliyun.com/wan/videoCreation;开发者通过阿里云百炼平台调用 API;普通用户也可在千问 APP 内使用万相 2.7 视频生成能力)

📌 工具简介

通义万相(Wan)是阿里巴巴通义实验室旗下的 AI 视觉创作平台,与通义千问(Qwen)并列构成“通义”家族的两条主线:Qwen 负责语言与多模态理解,万相负责图像与视频的视觉生成。平台当前主力覆盖 Wan2.7 图像系列与 Wan3.0 视频系列:图像侧支持文生图、文生组图、图生组图、图像编辑、多图参考生成和交互式编辑,在文字渲染、主体一致性和复杂指令遵循上有明显升级;视频侧支持文生视频、图生视频、参考生视频,单次生成最长可达 30 秒,原生输出台词、背景音乐和音效,并首次在行业内实现办公文档直接转视频。普通用户通过 tongyi.aliyun.com/wan 用阿里账号登录即可零门槛使用网页工作台,开发者通过阿里云百炼平台按量调用 API,新用户享有约 50 张文生图加 50 秒视频生成的免费额度。万相的核心定位不是“一键生成即终稿”,而是在中文创作友好性、长视频稳定性和多模态参考控制之间寻找平衡,覆盖从日常创意到短剧、广告、文旅宣传等商用场景的视觉生产需求。

⚡ 主要功能

  • 文生图与组图生成:Wan2.7 图像系列支持文生图、文生组图,一次生成多张风格关联的画面,适合分镜草稿和系列视觉探索;旗舰版 wan2.7-image-pro 在文字渲染、主体一致性和复杂指令遵循上表现更强
  • 图像编辑与交互式编辑:支持图生组图、图像编辑和多图参考生成,交互式编辑允许用户在生成结果上进行针对性修改,减少“改一个细节就要整张重绘”的返工
  • 文生视频与图生视频:Wan2.7-T2V 和 I2V 在文戏情感和动作戏表现上全面升级,镜头切换更具戏剧性和节奏感;Wan3.0 进一步将单次生成上限提升至 30 秒,支持首帧/首尾帧像素级控制
  • 参考生视频与全能参考:Wan3.0 支持最多 20 个多模态素材参考(图片、视频、音频、文档、网页),可进行角色/物品一致性参考、运镜/动作复刻、音频驱动口型动画,以及图片+视频+音频的任意组合参考
  • 文档直接转视频(差异化能力):通过 file 类型传入 docx、pptx、xlsx 等办公文档,或通过 link 传入公开网页,模型自动解析内容并生成视频,适用于产品演示、培训材料和文旅宣传等场景,省去从文档到视频脚本再到拍摄的中间环节
  • 原生音频与音画同步:Wan3.0 原生支持输出台词、背景音乐和音效,音画同步能力让生成视频不再是“默片”,减少了后期配音和音效匹配的工作量
  • 视频编辑、续写与动作模仿:Wan2.7 视频模型支持视频画面修改、将 2 秒片段最长续写至 15 秒,以及动作模仿,适合短剧和影视创作中对已有素材进行延展和修正
  • 中文文字渲染与中文创作友好:相比早期视觉模型,万相在中文文字渲染上的稳定性明显提升,商业海报和中文信息图的文字乱码问题有所缓解,对中文提示词的理解也更贴合国内创作者的使用习惯
  • 开源与本地部署选项:Wan2.2 家族以 Apache 2.0 许可开源(含 T2V-A14B、I2V-A14B、TI2V-5B 等变体),托管在 GitHub 和 HuggingFace/ModelScope,有本地化需求的开发者可以自行部署,不受云端 API 的调用限制
  • 多端接入:网页工作台 tongyi.aliyun.com/wan 面向普通用户;千问 App 集成万相 2.7 视频生成,支持视频编辑、续写和动作模仿;阿里云百炼面向开发者提供 API 按量计费

💰 价格信息

新用户约50张文生图+50秒视频免费
文生图约0.20元/张
视频480P约0.21元/秒起
网页版免费额度以账号内为准

通义万相的费用结构分为网页版和 API 两条路径。网页版用阿里账号登录 tongyi.aliyun.com/wan 即可使用,是否设有独立会员档官方页面未公示,以登录后账号内展示为准;阿里云百炼开通后,新用户可领取约 50 张文生图 + 50 秒视频生成的免费额度(90 天内领用),适合先跑通完整流程再决定是否付费。API 按量计费方面,文生图主力模型 wan2.6-t2i / wan2.5-t2i-preview / wan2.2-t2i-plus 约为 0.20 元/张,轻量档 wan2.2-t2i-flash 约 0.14 元/张。视频按秒计费,Wan3.0 视频生成(480P)活动价约 0.21 元/秒,720P 约 0.42—0.6 元/秒,1080P 约 0.84—1 元/秒,限时 7 折活动期间价格更低;Wan2.7 视频的 720P 参考价约 0.6 元/秒、1080P 约 1 元/秒。失败输出不计费也不占用免费额度。对于短剧、广告等视频场景,30 秒一条 720P 约 18 元,在同类旗舰视频模型中处于中等偏低水平;图像批量生成的成本则取决于所选模型档位和出图数量。

👥 适合人群

短剧、影视和广告创作团队(Wan3.0 的 30 秒长镜头一致性、多素材参考和视频编辑续写能力,直接对应分镜制作、素材延展和成片修正的需求,有创作者反馈 Wan2.7 的细致五官定制可用于短剧与影视团队减少真人拍摄和后期修图依赖);需要将产品文档、培训 PPT 或宣传网页快速转化为视频的运营和市场人员(文档直接转视频是其他视觉模型少有的差异化能力);电商商家和内容创作者(用文生图和组图批量产出商品场景图、社媒配图和海报草稿,中文提示词友好降低了使用门槛);有本地部署需求、不希望被云端 API 调用限制的开发者(Wan2.2 开源可自行部署);以及希望以较低成本试水 AI 视频、对“大片级复杂物理场景”要求不高的个人创作者(免费额度和 0.21 元/秒起的 480P 档位,适合先跑几条短场景练手)。万相尤其适合“中文创作环境、需要长视频和多模态参考控制、且对成本敏感”的场景。如果核心需求是极致的单图艺术性、或对复杂物理交互和声音质感有极高要求,它的当前能力边界会比较明显。

✅ 优点

  • 长视频稳定性是 Wan3.0 最突出的实际体验优势:用户实测反馈“人物、道具、场景在 30 秒长镜头里一致性保持得挺好,不像早期 AI 视频那样动不动就崩”,30 秒原生生成意味着一镜到底能讲完一个小故事,比 5—10 秒模型在叙事完整性上实用得多
  • 文档直接转视频是差异化的生产力能力:支持 docx、pptx、xlsx 和公开网页链接直接生成视频,做产品演示、培训材料或文旅宣传时,省去了“文档→脚本→拍摄→剪辑”的中间环节,对于企业内容团队的价值比单纯的画面美感提升更直接
  • 全能参考体系让创作从“抽卡”走向“可控”:Wan3.0 支持最多 20 个多模态素材参考,角色外观一致性、运镜复刻、音频驱动口型动画和组合参考,意味着创作者可以用参考素材约束生成方向,而不是完全依赖提示词碰运气
  • 中文创作友好性在国产视觉模型中处于前列:中文提示词理解、中文文字渲染的稳定性优于早期模型,对于国内创作者来说,不需要为了使用 AI 视觉工具而额外学习英文提示词或忍受大量中文乱码
  • 价格在旗舰视频模型中具有竞争力:720P 约 0.6 元/秒,30 秒一条约 18 元,用户对比后认为“比可灵、即梦便宜不少”;480P 活动价 0.21 元/秒进一步拉低了试错门槛,适合需要批量测试分镜和场景的短剧团队
  • 开源 Wan2.2 提供了云端之外的退出选项:Apache 2.0 许可允许本地部署和二次开发,对于数据敏感、调用量大或希望深度定制的团队,开源版本是一个真实可用的备选方案,而不是被单一 API 锁死
  • 原生音频输出减少了后期工作量:Wan3.0 直接生成台词、BGM 和音效,虽然声音质感仍有提升空间,但“有声音”和“没声音”在可用性上是质的差别,尤其对于短视频和演示类内容

⚠️ 缺点

  • 复杂物理场景和精细交互偶尔穿帮:多视角同步、精细道具锁定等场景中仍可能出现一致性偏差或穿模,用户反馈“复杂动作别指望,手脚有时候拧巴”,日常小片段可以胜任,但高标准商用大片仍需人工筛选和后期修补
  • 声音质感是明显短板:口型对齐和音效空间感仍有提升空间,原生音频解决了“有没有”的问题,但距离“好不好”还有差距,对声音品质要求高的项目需要额外配音或音效后期
  • 生成速度偏慢,免费用户等待时间尤其突出:复杂任务需要等待几分钟,免费版用户反馈排队后生成图片和视频耗时较长,5 秒视频可能等待一个多小时,着急使用的场景体验不够顺畅
  • 文生图的竞争力相对视频偏弱:用户评价“视频生成效果很不错,但文生图功能没啥竞争力”,电商场景中日常氛围背景可用,但具体商品细节还原看运气,文字排版基本不能指望,对图像精细度要求高的任务需要搭配其他模型或人工精修
  • 视频时长虽然提升到 30 秒,但更长内容仍需拼接:十几秒到 30 秒的片段可以原生生成,想做几分钟的完整叙事视频仍然需要分段生成再后期拼接,增加时间和操作成本
  • 网页版免费额度的具体规则和是否设有独立会员档不够透明:官方页面未公示网页版的完整计费体系,用户需要登录后在账号内查看,对于想提前估算长期使用成本的个人创作者,信息不够充分

💡 使用技巧

  • 先跑“短场景”再挑战长镜头:新用户上手时不要一上来就生成 30 秒复杂叙事,先用 5—10 秒的简单场景测试提示词理解和画面稳定性,确认风格和一致性符合预期后,再逐步延长时长和增加参考素材,这样能更高效地利用免费额度,也更容易定位问题出在提示词还是模型能力边界
  • 文档转视频前,先确保源文档结构清晰:万相会解析 docx/pptx 中的标题、段落和层级来生成视频,如果文档本身排版混乱、要点不突出,生成的视频逻辑也会松散。在使用前把文档整理为“标题—要点—结论”的清晰结构,比生成后反复调整提示词更有效
  • 多素材参考时,明确每个素材的角色:Wan3.0 支持最多 20 个参考素材,在提示词中用“图1 是角色外观”“视频1 的运镜方式”“音频1 驱动口型”来指代,避免模型混淆素材用途。参考素材的质量和一致性直接影响输出,尽量提供背景干净、主体明确的图片和视频
  • 把“声音”当作可后期替换的中间产物:原生音频适合快速验证节奏和口型,但如果项目对声音质感有要求,不要试图在模型内反复重生成音频,先用它把画面和口型对齐,导出后在专业音频工具中替换 BGM 和音效,效率更高
  • 免费用户善用错峰和短任务:排队和生成速度在免费版中受负载影响明显,如果对时间不敏感,可以把批量生成任务安排在非高峰时段;优先用短时长、低分辨率档位测试提示词,确认方向后再用高分辨率档位生成正式素材,避免在试错阶段消耗高成本额度
  • 电商和商品图场景不要对文生图期望过高:万相的强项在视频和中文环境,商品图的细节还原和文字排版是当前短板。如果核心需求是电商主图,可以把万相用于生成背景和氛围,商品主体部分用其他工具或实拍素材合成,发挥各自的长处
  • 有技术能力的团队评估开源 Wan2.2:如果调用量大、对数据隐私有要求,或者希望针对特定风格做微调,下载 Wan2.2 本地部署比持续购买 API 更可控。但需要注意开源版本止于 Wan2.2,云端最新的 Wan2.7 和 Wan3.0 能力更强,开源和云端之间需要按需求做取舍
  • 关注限时折扣和免费额度有效期:视频生成的限时 7 折和新用户免费额度有期限,批量任务可以安排在折扣期内集中执行;免费额度 90 天内领用,不要等到过期才想起来用,先用免费额度跑通完整工作流,再决定付费档位和用量

© 版权声明
THE END
喜欢就支持一下吧
点赞0打榜 分享

觉得这篇文章有帮助?