行业趋势2026/9/22 20:17:20
视频大模型 阿里巴巴 通义万相 Wan各个版本对比
通义万相(Wan)是阿里巴巴通义实验室研发的视频生成大模型系列,技术路线从2025年初的开源奠基到2026年的工业级跃迁,仅用一年多时间就完成了从“能生成5秒无声视频”到“可单次输出30秒有声视频”的
通义万相(Wan)是阿里巴巴通义实验室研发的视频生成大模型系列,技术路线从2025年初的开源奠基到2026年的工业级跃迁,仅用一年多时间就完成了从“能生成5秒无声视频”到“可单次输出30秒有声视频”的
CosyVoice 是阿里巴巴通义实验室(SpeechLab@Tongyi)语音团队研发的语音生成大模型系列,于2024年7月正式开源,定位为“多语言大规模语音生成模型”。
阿里巴巴在数字人视频生成领域构建了从“离线电影级生成”到“实时流式交互”的完整技术栈。
OmniAvatar 由阿里巴巴夸克技术团队与浙江大学联合研发,于2025年6月正式开源。其核心定位是“音频驱动的全身视频生成模型”——与传统数字人模型仅关注面部动画不同