通义万相是阿里云通义大模型旗下的视觉生成模型系列，由阿里巴巴通义实验室研发，基于组合式生成模型Composer构建，2023年7月7日正式上线，最初以AI绘画创作工具形态面向用户。经过三年迭代，通义万相已从单一文生图工具演进为覆盖图像生成、图像编辑、视频生成、动作驱动的全模态视觉创作平台。
从版本谱系来看，通义万相已发展出以下主要版本线：
万相1.0系列（2023年7月） ：以组合式生成模型Composer为核心，可将配色、布局、风格等设计元素拆解重组，支持文字作画和风格迁移，2023年Composer模型在ICML顶会发表。
万相2.1系列（2025年1月） ：2025年1月9日升级发布，视频生成能力在大幅度复杂运动、物理规律遵循、艺术表现等方面全面提升，登顶VBench榜单。2025年2月全面开源，包含14B和1.3B参数两个规格，开源6天即登顶Hugging Face热榜，下载量超百万。2.1系列还开源了首尾帧生视频模型和Wan2.1-VACE视频模型。
万相2.2系列（2025年7月） ：2025年7月28日开源电影级视频生成模型，共开源文生视频（Wan2.2-T2V-A14B）、图生视频（Wan2.2-I2V-A14B）和统一视频生成（Wan2.2-TI2V-5B）三款模型。同年8月推出Wan2.2-S2V模型实现分钟级数字人视频生成，9月开源Wan2.2-Animate动作生成模型。
万相2.5-preview系列（2025年9月） ：新增音画同步生成能力，支持10秒1080P视频创作。
万相2.6系列（2025年12月） ：12月16日发布，面向专业影视制作和图像创作场景全面升级，是国内首个支持角色扮演功能的视频模型，同时支持音画同步、多镜头生成及声音驱动等功能。
万相2.7系列（2026年4月） ：2026年4月3日发布Wan2.7-Video视频生成系列模型，涵盖文生视频、图生视频、参考生视频和视频编辑四大模型。
Wan3.0（2026年9月） ：2026年9月17日展示全新升级，单条视频直出时长提升至30秒，支持最多5条视频等多素材组合参考，原生输出带同步音轨的完整视频，已在短剧、广告等多行业落地。
第二部分：各版本详细对比与拆解
一、核心版本代际对比
维度 万相2.1 万相2.2 万相2.6 万相2.7
发布时间 2025年1月 2025年7月 2025年12月 2026年4月
核心架构 基础扩散架构 MoE（高噪声/低噪专家分工） 升级架构 升级架构
视频时长 5秒 5秒 10-15秒 最长15秒（2秒续写）
分辨率 720P 高清 1080P 720P/1080P
角色扮演 不支持 不支持 国内首个支持 支持
音画同步 不支持 不支持 支持 支持
视频编辑 基础 支持 支持 精准指令编辑
开源状态 已开源（14B/1.3B） 已开源 未开源 未开源
核心突破 VBench登顶 MoE架构+电影美学 角色扮演+音画同步 视频续写+动作模仿
万相2.2是版本演进中最具转折意义的节点。它是业界首个采用MoE架构的视频生成基础模型，通过高噪声与低噪专家模型分工，在同参数规模下节省约50%计算资源。相比Wan2.1，Wan2.2的训练数据图像增加了65.6%，视频增加了83.2%。同时首创“电影美学控制系统”，支持对光影、色彩、构图等元素的参数化控制。
万相2.6的核心突破是角色扮演功能——用户上传一张图片，即可让该角色“主演”任何视频，同时支持音画同步、多镜头生成及声音驱动。联想百应智能体接入万相2.6后，成为国内首个落地原生视频生成能力的L3级企业AI服务智能体。
万相2.7进一步将视频编辑能力推向精准化，支持将2秒视频最长续写至15秒，并支持720P和1080P分辨率输出。
二、图像编辑专项：ACE模型技术拆解
通义万相ACE（All-round Creator and Editor）是万相系列中的图像编辑专项模型，通过自然语言指令支持广泛的图像生成和编辑任务，已在阿里云魔搭社区、Hugging Face等平台开源。
ACE最核心的技术创新是长上下文条件单元（Long-context Condition Unit，LCU）。LCU使ACE能够在生成过程中记住之前的上下文，从而在用户与模型进行多轮对话时保持一致性和连贯性。用户可以逐步指导模型进行复杂修改，模型能够动态调整生成策略以满足要求。在MagicBrush的单轮和多轮编辑任务中，ACE模型取得了领先成绩。
ACE支持的编辑能力包括：可控视觉编辑、元素编辑、区域重绘编辑、分层编辑等，仅用对话方式就能实现修图功能，例如一键除水印、修改证件照背景等。
第三部分：为什么分这么多版本？
一、场景适配：从“生成工具”到“影视工业化平台”的分层
通义万相的版本分化遵循一条清晰的“能力-场景-交付”演进路径。2.1管开源基座与开发者生态，2.2管电影级美学与MoE效率，2.5管音画同步，2.6管角色扮演与多镜头叙事，2.7管精准视频编辑与续写，Wan3.0管30秒长镜头与工业化生产适配。
这条演进路径对应的是创作者需求的分层。短视频创作者需要快速产出素材，2.2的5秒高清视频即可满足；影视团队需要角色一致性和多镜头叙事，2.6的角色扮演功能解决了AI视频中“主角变脸”的痛点；专业后期团队需要精准控制，2.7的视频编辑功能使AI生成的素材能够无缝融入传统影视工作流。正如青年导演郑思嘉在运用万相2.6创作AI短片《捕食者》时所探索的——AI能否超越“视觉奇观”，真正服务于导演的叙事意图、情绪节奏与美学控制。
二、开源与闭源的双轨并行
通义万相在开源策略上采取了精细的分层设计。万相2.1以Apache 2.0协议全面开源，包含14B和1.3B两个规格，开源6天即登顶Hugging Face热榜，下载量超百万。万相2.2继续开源文生视频、图生视频和统一视频生成三款模型。但2.5之后的版本（含2.6、2.7和Wan3.0）转向闭源API服务，Wan3.0明确“暂不开源不支持本地部署”。
这一策略的逻辑是：开源版本作为技术标杆吸引开发者构建应用生态，当模型能力从“生成”升级到“影视级交付”后，通过API服务实现商业变现。开源版本使通义万相在GitHub和Hugging Face上积累了庞大的社区贡献和衍生模型，而闭源旗舰版本则通过阿里云百炼平台向企业客户提供高质量的视频生成服务。
三、技术路线跃迁：从DiT到MoE再到工业化适配
通义万相的技术路线经历了三次跃迁。万相2.1基于传统扩散架构，通过扩大参数规模和数据量提升生成质量。万相2.2首次引入MoE架构，将视频生成过程分解为高噪声专家负责整体布局和低噪专家负责细节完善，在保持生成质量的同时将计算资源消耗降低约50%。Wan3.0则面向工业化生产适配，单条视频直出时长提升至30秒，支持多格式办公文档直转视频，人像与物理细节真实感大幅优化。这一技术路线的演进方向清晰：从“能生成”到“生成好”再到“生成快且可控”。
第四部分：最著名版本——Wan2.2 本地部署实战
Wan2.2是通义万相系列中开源力度最大、部署门槛最低的版本，MoE架构以Apache 2.0协议开源，1.3B文生视频模型可在消费级GPU上运行。以下为完整的本地部署步骤。
步骤一：环境准备与硬件规划
硬件配置基准：
1.3B基础版：RTX 4090/4070 Ti，显存最低8GB，推荐16GB以上
14B专业版：A100/H100，显存40GB以上集群
内存：32GB DDR4（1.3B版）；64GB（14B版）
存储：预留100GB SSD空间
软件环境清单：
操作系统：Ubuntu 22.04 / Windows 10/11
Python 3.10
PyTorch 2.6.0+cu124
CUDA 12.4
步骤二：安装依赖环境
bash
# 创建虚拟环境
conda create -n wan2.2 python=3.10
conda activate wan2.2
# 安装PyTorch
pip install torch==2.6.0+cu124 torchvision==0.21.0+cu124 --index-url https://download.pytorch.org/whl/cu124
# 克隆项目仓库
git clone https://github.com/Wan-Video/Wan2.1
cd Wan2.1
pip install -r requirements.txt --no-cache-dir
步骤三：下载模型权重
bash
# 从Hugging Face下载Wan2.2模型
pip install "huggingface_hub[cli]"
huggingface-cli download Wan-AI/Wan2.2-T2V-A14B --local-dir ./models/Wan2.2-T2V-A14B
# 或从ModelScope下载（国内用户推荐）
pip install modelscope
modelscope download Wan-AI/Wan2.2-T2V-A14B --local_dir ./models/Wan2.2-T2V-A14B
步骤四：ComfyUI部署
安装ComfyUI自定义节点：
bash
cd ComfyUI/custom_nodes
git clone https://github.com/kijai/ComfyUI-WanVideoWrapper.git
# 重启ComfyUI
模型文件放置位置：
文本编码器 → ComfyUI/models/text_encoders/
扩散模型 → ComfyUI/models/diffusion_models/
VAE → ComfyUI/models/vae/
步骤五：命令行生成视频
bash
python generate.py \
--task t2v-14B \
--size 832*480 \
--ckpt_dir ./models/Wan2.2-T2V-A14B \
--sample_guide_scale 6 \
--prompt "电影级画面：一只白鹤在晨雾中的湖面上缓缓起飞，羽毛细节清晰，光影柔和" \
--save_file output.mp4
步骤六：API服务化部署
bash
# 使用vLLM或SGLang启动API服务
vllm serve Wan-AI/Wan2.2-T2V-A14B \
--trust-remote-code \
--tensor-parallel-size 4 \
--port 8000
步骤七：监控与调优
关键指标监控：
显存占用：1.3B版约8-10GB，14B版约40GB+
生成速度：1.3B版单条5秒视频约2-5分钟（RTX 4090）
GPU利用率：目标>80%
降本策略：对快速原型验证，使用1.3B版本；对高质量影视级输出，使用14B版本或通过阿里云百炼平台调用2.6/2.7版本API。
第五部分：不同版本的实践成果
案例一：联想百应智能体接入万相2.6企业AI营销（基于万相2.6）
2025年12月18日，联想百应智能体宣布深度接入阿里通义万相2.6视频生成模型，成为国内首个落地原生视频生成能力的L3级企业AI服务智能体。
实践成效：百应智能体将前沿视觉生成技术与L3级智能体的自主规划、闭环解决能力深度融合，让企业AI服务从“图文时代”全面迈向“原生视频时代”。系统支持音频与画面的深度协同，无需额外剪辑，系统可根据视频场景自动生成适配的BGM与音效，从画面渲染到音频搭配一步到位，直接交付“成品级”营销视频。在创作形态上，支持多场景、多帧、多镜头的连贯创作，用户只需输入文字指令，即可自动生成包含开场、主体、收尾的完整叙事逻辑短片。此次升级为中小企业数字化转型铺就了高效、低成本的智能营销新路径。
案例二：古籍活化——《牡丹亭·惊梦》AI短片（基于万相视觉生成大模型）
首都图书馆古籍专家与阿里云智能设计部共创，以明万历刻本《牡丹亭》第十出“惊梦”章节为蓝本，基于通义万相视觉生成大模型在文生图、图像编辑、视频生成、视频编辑等方面的能力，制作了AI短片《牡丹亭·惊梦》，让古籍画面跃然纸上。
实践成效：这一项目展现了通义万相在文化遗产数字化领域的独特价值。传统古籍活化依赖人工绘制插图或3D建模，成本高、周期长。通义万相通过多模态生成能力，从文本描述直接生成符合明代服饰和建筑风格的画面，后续还可通过针对性训练模型，更好地还原不同朝代细节，创造更丰富的古籍资源互动体验。这一案例代表了AI视觉生成技术在文化传承领域的创新应用，使古籍从“静态文字”转变为“可观看、可沉浸”的动态视觉内容。
案例三：青年导演郑思嘉AI短片《捕食者》（基于万相2.6）
2025年12月，青年导演郑思嘉作为万相2.6首批“专业级用户”，运用该模型创作了AI短片《捕食者》。郑思嘉在传统影视语言与AI技术应用上具有双重敏感度，被“海纳计划”推荐率先将万相2.6应用于专业级短片创作，重点探索AI能否超越“视觉奇观”，真正服务于导演的叙事意图、情绪节奏与美学控制。
实践成效：短片上线后被网友点评为“画面逼真”“电影质感”。万相2.6的角色扮演功能使导演能够在不同场景中保持角色视觉一致性，音画同步和多镜头生成能力则使AI生成的素材具备了传统影视工作流所需的叙事连贯性。这一案例的核心意义在于验证了AI视频生成从“技术演示”向“导演创作工具”的转变——不是替代导演，而是为导演提供一种全新的视觉语言表达手段。
案例四：央视春晚舞台效果生成（基于万相系列）
通义万相在2025年支撑了央视春晚舞台效果生成，为AI春晚提供技术支持，并获“上海设计100+”AI创新设计奖。
实践成效：春晚舞台视觉制作对画质、风格一致性和时效性要求极高。通义万相以高质量的视觉生成能力赋能产业一线，在复杂场景下的稳定输出能力通过了国家级电视晚会的实战检验。这一案例代表了国产视觉生成大模型在超高标准商业场景中的可靠性验证。
案例五：Wan2.2-T2V-5B博物馆文物活化（基于Wan2.2-T2V-5B）
Wan2.2-T2V-5B在博物馆数字化中的应用展示了AI视频生成在文化教育领域的落地价值。研究者利用该模型将静态文物图像转化为动态活化动画，使博物馆展品从“被观看”转变为“可互动”。
实践成效：这一应用的核心价值在于验证了Wan2.2-T2V-5B在非专业视频制作场景中的可用性——博物馆工作人员无需视频制作经验，只需输入文物描述和活化意图，模型即可生成适合展陈的动态内容。这代表了AI视频生成技术从“专业创作工具”向“普惠内容生成平台”的延伸。
版权声明：本平台仅提供信息存储空间服务，用户发布内容不代表本站观点，交易风险自担；侵权违法内容请立即举报（邮箱：37996619@qq.com），本站接通知后先行屏蔽，责任由发布者承担。