通义万相

通义万相是阿里云通义大模型旗下的 AI 视觉生成模型，具备文生图、图生图、文生视频、图生视频等功能，支持多种艺术风格和比例选择，拥有自研架构、性能卓越，在权威评测中表现出色，于 2025 年 2 月 25 日全面开源，适用于影视、广告、设计等多个领域。

功能特点

• 图像生成
  • 文生图：用户输入文字描述，能生成水彩、扁平插画、二次元、油画、中国画、3D 卡通和素描等多种风格图像。
  • 
  • 图生图：基于用户上传图片，进行二次创作或风格迁移。
  • 涂鸦作画：用户简单涂鸦，AI 可将其转化为完整艺术作品。
  • 虚拟模特与写真：能生成各种风格和姿态的虚拟人物模特图像，还可将用户照片转换为不同风格艺术写真。
  • 
• 视频生成
  • • 文生视频：输入文本描述，如复杂的场景、人物动作、情节等，可生成 720P/30 帧的高清视频，支持中英文多语言输入。
    • 图生视频：可将任意图片转化为动态视频，按照上传图像比例或预设比例生成，通过提示词控制视频运动。
    • 

技术优势

• 架构创新：采用自研 3D 因果 VAE 和时空全注意力 DiT 架构，全新的时空全注意机制让模型能更准确模拟现实世界复杂动态，还引入参数共享机制，提升性能同时降低训练成本。
• 性能卓越：在权威评测 VBench 中以 86.22% 总分登顶，超越 Sora、Pika 等模型，在运动幅度、多对象生成、空间关系等关键能力表现出色。
• 显存优化：设计创新的视频编解码方案，通过拆分视频并缓存中间特征，实现显存使用与原始视频长度无关，支持无限长 1080P 视频的高效编解码。

应用场景

• 个人创作：普通用户可快速生成个性化头像、壁纸或社交媒体配图。
• 设计领域：为平面设计师、插画师提供创意灵感和素材参考。
• 营销推广：企业能生成独特的营销图片、视频，提升品牌视觉效果。
• 教育领域：在美术教育中作为辅助工具，帮助学生理解不同艺术风格和创作技巧。
• 影视动画：在影视创作、动画制作中，可用于生成角色原型、创意短片等。