🎬 告别繁琐工具：一站式解锁影音创作
阿里巴巴 Wan2.5-Preview 发布，通过其创新的原生多模态架构与音画同步能力，重塑视觉内容生成。告别多平台切换，开启更高效的创作体验。
核心技术
1️⃣ 原生多模态架构：区别于传统“拼接”模型，Wan2.5-Preview 采用统一框架，能同时处理文本、图像、视频和音频输入输出。理解与生成更深层次的跨模态关联，带来高保真度体验。
2️⃣ 联合多模态训练：通过同步训练文本、音频、视觉数据，模型学会深度关联不同模态。这是实现其标志性“原生音画同步”功能的基础，例如口型与语音的精准匹配。
3️⃣ RLHF 人类偏好对齐（用人类的反馈训练 AI）：引入强化学习，不断向人类审美与动态表现偏好校准。让生成内容更具“电影感”和艺术吸引力，避免僵硬与不自然。
🎥 视频生成革新：
◦ 原生音画同步：首次实现单次生成流程中，同时创造高保真视频与完全同步的音频内容，包括人声对白、音效和背景音乐。支持音频驱动视频生成。
◦ 电影级画质与时长：支持 1080p 全高清，单次生成时长达 10 秒，镜头运动与结构稳定性显著增强，提供专业级电影感。
◦ 多模态输入：可自由组合文本、图像、音频作为输入源，创意起点更灵活 图像编辑精准控制：
◦ 高级图像生成：精准遵循复杂指令，生成照片级真实感图像，支持多样艺术风格、创意中文/英文文字设计及专业图表。
◦ 对话式编辑：支持多轮自然语言指令编辑图像，实现像素级精准控制，如多概念融合、材质变换、产品换色。
Wan2.5-Preview 定位独特，尤其在原生音画同步、多语言支持（特别是中文）及工作流整合方面，对比 Sora、Kling、Veo3 具有优势。虽然目前采用 API 预览模式引发社区对开源的讨论，但这被认为是阿里收集数据（用于 RLHF 优化）与构建技术壁垒的战略考量。
快速上手：
目前 Wan2.5-Preview 提供 API 服务。创作者可通过其平台探索其音画同步、多模态输入等新能力，体验更高效的创作工作流。
官网： https://wan.video
