AI视频海内沙场，阿里也了局了。
刚刚，通义万相AI生视频功能上线！
今天下午的阿里云栖大会上，CTO周靖人宣告，官网和App上都可以急速试用了。
比起国外爆火的Sora、Gen-3 Alpha，通义万相是更能听懂中国话，更懂中国风的AI视频模型。
它能够支持最长5秒视频天生，每秒30帧，分辨率为720P。更惊艳的是，它还能天生与画面匹配的音效。
这背后得到了阿里全自研的视觉大模型加持，并采取了业界领先的核心架构——Diffusion+Transformer。
划重点：手机端App不限次数，完备免用度！
PC端，每天上岸送50个灵感值，可天生10次。
要知道，画饼的Sora还不能用，上线的Gen-3 Alpha等都得充值，还有一些仍旧处于内测当中。
比较之下，通义万相是免费的，次数无限用，还不是期货，不须要排队！
更懂中国风、中国话
既然已经上线，我们就迫不及待地展开试用了。
在通义万相页面上输入提示「黑发古风女孩，快速转身微笑，国风发髻，纯色高清」，一条5s的视频就火热出炉了。
人物还原，眼神灵动，乃至还配有古喷鼻香古色的背景音。
无论是缓缓抬起的眼神，还是头发在空中飞舞的样子，都美得摄民气魄。
转向镜头的瞬间，就被她的样貌惊呆了。
就连中国传统的建筑风格——楼阁式塔，它也能很好地还原出来。
在白雪皑皑的山间，一座雄伟的中国古典建筑巍然耸立，精细的木雕，仿佛置入瑶池一样平常。
再来看看，通义万相天生的古风男子，非常精良地描述了温文尔雅的气质。
古风装扮的男子身着月牙白锦袍，站立在文雅的古典园林中，他的一举一动都透露出温文尔雅的气质。镜头从他的侧脸缓缓推近，展现出他眸光温顺，仿佛能洞察民气，给人以温暖和安慰。周围的景致与他的装扮服装相得益彰，共同构建了一幅如诗如画的古典美女图卷。
从某种意义上讲，通义万相是AI视频模型中，更懂国风的那个。
文生视频
在多次试用通义万相的文生视频能力后，不得不感慨：这款AI产品，实在是太有想象力了！
而且，每一个视频，AI都会自动配上BGM。
通过提示词，我们就可以用笔墨掌握画面内容和变革的过程。
晨雾，日出，镜头光晕，清冷风，一个五官精细的年轻中国女子，长长的头发被风吹乱，头发丝飘，散在脸上，穿着夏装，背景海边沙滩
蛛网上挂着透明的水点，形成了俏丽的光斑和折射，通义万相在这个视频中，表示出了对物理光学规律的规律，画面的美感也很动人。
更多无厘头想象的画面，现在都可以变成现实了。无论是在南极大陆上事情的企鹅邮差，还是在米山中间行驶的玉米列车。
而切实地利用过之后，通义万相对观点组合的语义理解、画面的视觉动态、风格泛化能力、国风理元素的呈现，无不给人留下了深刻印象。
听话，想象蝶变现实可以看出，通义万相的指令遵照能力，其实令人深刻。
一句话总结——它便是「最听话」的AI生视频模型。
无论是画面内容、空间构图、运动过程、运镜办法，它均有良好的支持。
而这个模型还是原生支持中文的长文本提示词，因此比较起国外的模型，更能理解中文的繁芜语义理解和观点组合天生能力，能将笔墨创意精准呈现。
作甚一个视频模型的想象力？
如果用公式拆解的话，可以理解为：模型的「想象力」=繁芜语义理解+观点组合天生。
无论提示词中的元素多么繁芜，通义万相都能准确呈现。
而涉及到多个不同元素时，它也能准确、有机地结合在一起，表现出超强的观点组合能力。
任何不可思议的画面，比如「猫变成少年」、「月球上建基地，遭遇大水」，我们都可以充分放飞自己的想象力，要什么就有什么。
比如下面这只小兔子，穿着溜冰鞋在冰面上机动地滑行。
兔子生日宴上，小伙伴们一起为她庆生。
两位正在月球上搭建基地的宇航员，背后是浩瀚无垠的太空。
要说最惊艳的，便是下面这只黑猫幻化成冷峻少年的视频，一眼动漫成真。
运动，重现物理天下
在所有AI视频中，对运动的表示无疑都是最磨练模型功力的一道题。
而通义万相，正好有着强大的运动天生能力。
它不仅支持繁芜与大幅度的运动天生，还能非常写实地还原真实天下的物理规律。
比如在这个视频中，猎豹在狭窄的峡谷中奔跑，眼睛紧盯着前方的猎物。
猎豹四肢的动作、起伏的背脊、尾巴的甩动方向，都很符合自然规律。峡谷场景的一步步推进也很自然。
而这个滑雪爱好者从雪山上快速下滑的视频，无论是滑雪者四肢的动作、变换的重心，还是飞扬的雪粒、光影的变换，都十分自然，马脚极少。
风格泛化
通义万相的风格泛化能力极强，可以根据风格提示词天生相应的视频画面，带来影视级的画面质感和细节表现。
比如这段3D动画风格视频中，帅气的侠客兔子在森林中身披年夜氅提高，质感细腻，达到了大片画质。
而这段勾线动画的视频，将法庭上穿着笔挺状师袍的狐狸状师呈现得活灵巧现。
国漫3D风格的视频中，古装少女端坐在烛光中，夜色氤氲，巧笑倩兮。
下面这个视频是CG厚涂风格，描述了女机器师在未来实验室中调试设备的场景。
音频天生
此外就如上文所言，通义万相还会同时天生声音殊效，后者是和视觉内容高度匹配的，这样就实现了音画同步，增强了视听一体的沉浸感。
上传一张在街道上空任意穿梭的飞碟的图片。
天生的视频中，还为飞碟配上了非常赛博的背景音，而且由近及远，给人一种真实的觉得。
这里，再用「一双似喜非喜含情目，态生两靥之愁，娇袭一身之病」复刻一下林黛玉多愁善感的神色。
视频中的女子很好还原了气郁体质，再加上配乐，又多了一分伤感。
灵感扩写要说通义万相的独特卖点，便是它的灵感扩写能力了。
在文生视频界面上点击「灵感扩写」，就能把大略的提示词扩写成忠于乐意的长提示词，从而大幅提升了天生效果。
比如利用这个prompt「白色狼群在冰川峡谷中穿行，夜晚月圆」，天生的视频是这样的。
仔细听，配音也颇有亮点：悠远、神秘，乃至带着一点凄婉。
点击「灵感扩写」，更长更丰富的prompt就天生了。
根据扩写后的prompt天生的视频，别具一番风味。
图生视频
通义万相的图生视频功能，也令人惊喜。
要知道，虽然图生视频没有文生视频那么难，但对同等性、想象力，哀求也是很高的。
我们都会有这样的冲动：看到一张美图之后，忍不住会去想象，它动起来是什么样子？现在，通义万相的图生视频功能，完备能知足我们的欲望了。
先由通义万相天生一张在熟年代感的欧美餐厅中，几位顾客就餐的图片。
然后，将其上传，还可以补充一些创意描述。
通义万相天生的视频中，全体画面与原图高度同等，而且想象出一位男子劈面走向女子，和她交谈。
再上传一张梵高大师经典之作「星夜」，并输入创意性描述。
接下来，就能看到这幅画作活灵巧现起来了。
小白兔坐在月饼上，周围的花瓣轻轻飘落。
图生视频一下，如梦似幻的场景急速动了起来。
鲸鱼在空中漂浮的科幻场景，超现实主义的渔夫岛屿，荷塘锦鲤的水墨画，这些场景变成视频后，又达到另一番意境。
全自研视频天生LLM
通义万相AI视频能有如此惊奇的表现，深扒技能背后，竟是阿里团队全自研视觉天生大模型立功。
它在模型框架、演习数据、标注办法和产品设计上，具备了业界领先的生产能力。
值得一提的是，这款全新模型采取了Diffusion+Transformer架构。
Diffusion能够在图像、视频天生任务中，通过逐步图像降噪，让画面显现出来。
其余，Transformer的上风就在于，出色地处理序列数据，并有效地捕捉文本中高下文信息。
与其他模型不同的是，通义万相视觉模型采取了中英文双语标注，能够强化中文长文本理解，而且对中文内容和元素原生支持更好。
也便是说，DiT架构不仅能够处理静态图像，还能处理动态视频，为视觉内容创作带来革命性变革。
这种独特的天生办法，在打算效率上具有很强的上风。
通过逐步降噪来天生终极动画，不仅减少打算量，还提高了天生速率，使得通义万相在短韶光内天生高质量视频。
而且，它能够精准构图和布局，从抽象艺术，到风雅现实主义的各种风格，完备可以拿捏。
也正是这一架构的灵巧性，能够让通义万相应用于多种场景。
不论是电商、广告创意，还是自媒体、影视/动画制作等领域，通义万相能够为创作者供应更多灵感来源。
比如，一辆跑车的宣扬视频，在AI笔下，能够瞬间炫酷起来。
影视动画制作中的一些创意场景，AI的想象力更是无限的。
还等什么，无限次数免费续的通义万相，赶紧去试用吧。