一张照片+一段音频生成“电影大片”视频！通义万相又一重磅开源

智东西
作者 王涵
编辑 漠影

智东西8月27日消息，昨夜，阿里通义万相正式开源全新多模态视频生成模型通义万相Wan2.2-S2V，用户仅需一张静态图片和一段音频，即可通过该模型生成面部表情自然、口型一致、肢体动作丝滑的电影级数字人视频。

Wan2.2-S2V单次生成的视频时长可达分钟级，有望大幅提升数字人直播、影视制作、AI教育等行业的视频创作效率。目前，模型已在通义万相官网、Hugging Face和魔搭社区上线。