AI新浪潮觀察

12min read

人人都能當(dāng)電影導(dǎo)演？萬(wàn)相 2.6 殺瘋了：角色扮演、分鏡控制，硬剛 Sora2

極客老友2025/12/18

摘要

有創(chuàng)意，就能人人當(dāng)導(dǎo)演的時(shí)代真的來(lái)了。

作者｜Cynthia

編輯｜ 鄭玄

還記得國(guó)慶期間朋友圈被 Sora 2 APP 支配的恐懼嗎？

那時(shí)候，一定沒(méi)人想到，這個(gè)出場(chǎng)即炸場(chǎng)的產(chǎn)品，同樣出道即巔峰。

向來(lái)以天為單位不斷刷新 sota 表現(xiàn)的大模型市場(chǎng)，唯獨(dú)在視頻生成上，此后足足兩個(gè)多月，無(wú)論是谷歌 veo3.1 還是 Runway 推出的模型，都沒(méi)能再現(xiàn) Sora 2 在多人物不崩臉這個(gè)小細(xì)節(jié)上的穩(wěn)定表現(xiàn)。

直到 12 月 16 日阿里萬(wàn)相 2.6 正式發(fā)布。在追齊 Sora 2 體驗(yàn)，并且推出獨(dú)有的音頻驅(qū)動(dòng)生視頻能力之外；萬(wàn)相 2.6 的這次升級(jí)更是將視角對(duì)準(zhǔn)了多模態(tài)內(nèi)容創(chuàng)作中多鏡頭切換、內(nèi)容一致性的各種真實(shí)痛點(diǎn)，做到了讓專(zhuān)業(yè)創(chuàng)作的乙方少加幾次班，普通的 C 端內(nèi)容創(chuàng)作愛(ài)好者 0 成本上手。

那么萬(wàn)相 2.6 體驗(yàn)究竟如何？它能否和 Sora2 一戰(zhàn)？一定程度上，回答了這些問(wèn)題，也就回答了未來(lái)多模態(tài)大模型究竟去往何方的核心命題。

01

萬(wàn)相 2.6 究竟做對(duì)了什么？

12 月 16 日，阿里旗下萬(wàn)相 2.6 正式發(fā)布，我們第一時(shí)間拿到了內(nèi)測(cè)資格。

我們發(fā)現(xiàn)，這個(gè)涵蓋文生視頻、圖生視頻和角色扮演功能，圖像生成和文生圖共 5 款模型的組合拳產(chǎn)品，從功能亮點(diǎn)和功能豐富度角度來(lái)看，萬(wàn)相 2.6 已經(jīng)是當(dāng)之無(wú)愧國(guó)內(nèi)的佼佼者 ， 根據(jù)權(quán) 威大模型評(píng)測(cè)集 LMArena 的測(cè)試數(shù)據(jù)顯示，萬(wàn)相圖生視頻位居國(guó)內(nèi)第一 。

因?yàn)橄啾壤蠈?duì)手 Sora 通過(guò)寫(xiě)實(shí)生成效果引發(fā)全球轟動(dòng)的野心；萬(wàn)相這次 2.6 版本的能力升級(jí)其實(shí)主打就一個(gè)詞，實(shí)用，并且把所有升級(jí)點(diǎn)砸向了影視制作、廣告設(shè)計(jì)、短視頻創(chuàng)作的真實(shí)痛點(diǎn)。

內(nèi)容創(chuàng)作圈最頭疼的，莫過(guò)于一致性崩塌。在傳統(tǒng)動(dòng)畫(huà)行業(yè)，吉卜力工作室為了保證角色形象不跑偏、風(fēng)格一致，會(huì)為了一部電影，幾百位畫(huà)師耗時(shí)兩年畫(huà)十幾萬(wàn)張畫(huà)稿，4 秒鏡頭能磨 1 年。而 AI 生成的噩夢(mèng)，恰恰是前一秒主角還是圓臉，下一秒變成錐子臉，說(shuō)話時(shí)嘴型和臺(tái)詞完全脫節(jié)。

針對(duì)這個(gè)痛點(diǎn)，萬(wàn)相 2.6 這次升級(jí)直接把聲畫(huà)一致性拉滿，成為國(guó)內(nèi)首個(gè)支持角色定制 + 音色同步的模型 ：用戶輸入一段視頻，AI 就能精準(zhǔn)復(fù)刻角色的五官、動(dòng)作甚至說(shuō)話語(yǔ)氣，就算是雙人合拍，也不會(huì)出現(xiàn)臉飄到別人頭上、鏡頭切換主角直接變臉的烏龍。

解決了一致性，下一個(gè)攔路虎是復(fù)雜場(chǎng)景的多角色呈現(xiàn)。

目前 Sora 2 與萬(wàn)相 2.6，是全球唯二實(shí)現(xiàn)該功能的模型。并且，萬(wàn)相 2.6 還能結(jié)合剛才提到的角色、聲音一致性能力，讓 AI 真正具備了一定的復(fù)雜畫(huà)面生成能力。

而建立在一致性、多角色的基礎(chǔ)之上，鏡頭調(diào)度和燈光審美往往是人類(lèi)高質(zhì)量視頻內(nèi)容的靈魂。

被奉為經(jīng)典的宮廷劇《金枝欲孽》片頭，導(dǎo)演通過(guò)一段不到 5 秒的鏡頭切換里，以及演員站位的變化，就說(shuō)明了五個(gè)主要人物之間的關(guān)系與感情糾葛，二十多年過(guò)去，至今仍被奉為神級(jí)鏡頭調(diào)度。

王家衛(wèi)電影的氛圍感與幽微的人物情緒流動(dòng)，也有一半功勞要?dú)w給燈光師的精準(zhǔn)控光。

但以前 AI 生成視頻，要么鏡頭銜接生硬，要么角色突然瞬移，上一鏡在左邊，下一鏡直接出現(xiàn)在右邊，更不用提各種精美的打光，以及氛圍的塑造。

萬(wàn)相 2.6 的「智能分鏡調(diào)度」很好地解決了以上問(wèn)題，通過(guò)支持「總體描述 + 鏡頭序號(hào) + 時(shí)間戳 + 分鏡內(nèi)容」的公式化輸入，比如「第 1 鏡 [0-3 秒] 遠(yuǎn)景推近，第 2 鏡 [3-5 秒] 特寫(xiě)」，AI 不僅能?chē)?yán)格執(zhí)行，還能保證跨鏡的場(chǎng)景、角色、氛圍統(tǒng)一，再也不會(huì)出現(xiàn)「上一鏡穿紅衣，下一鏡變藍(lán)裙」的低級(jí)錯(cuò)誤。

其實(shí)，萬(wàn)相早從 2.2 版本起，就已經(jīng)能通過(guò)精細(xì)的燈光控制、環(huán)境細(xì)節(jié)呈現(xiàn)，支持日光、月光、硬光、柔光等精細(xì)調(diào)節(jié)，讓 AI 生成的內(nèi)容從「能看」升級(jí)到有「審美」，具備專(zhuān)業(yè)級(jí)內(nèi)容生成能力。

光說(shuō)不練假把式，我們帶著挑刺的心態(tài)實(shí)測(cè)了整整三天，從角色定制到多鏡敘事，從視頻生成到圖片創(chuàng)作，摸清了它「讓人人皆可做導(dǎo)演」的真實(shí)水平，以及 技術(shù) demo 與生產(chǎn)級(jí)工具之間的差距。

02

視頻能力實(shí)測(cè)：

人人都能生成神級(jí)鏡頭

過(guò)去很多行業(yè)測(cè)試，為了保證效果，經(jīng)常會(huì)讓 AI 生成一些無(wú)聲視頻，或者畫(huà)面簡(jiǎn)單的動(dòng)畫(huà)風(fēng)素材，再或者干脆就是一個(gè)幾乎靜止的背景中，只有一個(gè)小幅度動(dòng)作的簡(jiǎn)單運(yùn)動(dòng)主體（甚至都不敢把主體設(shè)置為人或者動(dòng)物這樣有復(fù)雜肌理和動(dòng)作的形象）。

這次對(duì)萬(wàn)相 2.6 的測(cè)試，我們不搞虛的，把一致性、多鏡頭、音畫(huà)同步、長(zhǎng)視頻、審美，這些真實(shí)行業(yè)痛點(diǎn)、難點(diǎn)全都測(cè)一遍。

測(cè)試一：多鏡頭敘事

一直以來(lái)，多鏡頭敘事都是電影高級(jí)感的核心來(lái)源之一。這里我參考《哪吒》的畫(huà)風(fēng)，給了一段復(fù)雜場(chǎng)景、多主體的多鏡頭切換的提示詞：

鏡頭一：低角度遠(yuǎn)景，鏡頭快速推進(jìn) 3s

畫(huà)面內(nèi)容：仙境般的云端建筑群在云霧中若隱若現(xiàn)，一群白鶴自左向右舒展翅膀，掠過(guò)層層樓閣的屋檐

視覺(jué)效果：疊加中強(qiáng)度動(dòng)態(tài)模糊，伴隨輕微追焦微顫，焦點(diǎn)鎖定鶴群與建筑輪廓

鏡頭二：中近景中速推進(jìn) + 追焦微顫 3s

畫(huà)面內(nèi)容：近距離捕捉白鶴羽翼貼近檐角的流暢軌跡，鏡頭緊跟鶴群運(yùn)動(dòng)方向。視覺(jué)效果的動(dòng)態(tài)模糊逐漸減弱，追焦微顫幅度保持輕微，強(qiáng)化畫(huà)面銜接感

鏡頭三：無(wú)縫轉(zhuǎn)場(chǎng)，特寫(xiě)，鏡頭恒定不動(dòng) 0.3s

畫(huà)面內(nèi)容：白鶴羽翼擦過(guò)最外側(cè)屋檐翹角的瞬間，以檐角硬輪廓完全遮擋畫(huà)面。無(wú)額外特效，保留自然光影，確保轉(zhuǎn)場(chǎng)干凈利落

鏡頭四：主體聚焦，從近景→特寫(xiě)，鏡頭緩慢推近 3s

畫(huà)面內(nèi)容：轉(zhuǎn)場(chǎng)后聚焦檐角頂端，橘貓端坐舔爪（近景），隨后推至特寫(xiě)，呈現(xiàn)舔爪細(xì)膩動(dòng)作與毛發(fā)質(zhì)感。畫(huà)面清晰，焦點(diǎn)全程鎖定橘貓

鏡頭五：特寫(xiě)變中近景中速推進(jìn) + 追焦微顫 4s

畫(huà)面內(nèi)容：橘貓被打擾，停止舔毛，看了一眼鏡頭后，跳下屋檐，動(dòng)作輕巧，追焦微顫幅度保持輕微，強(qiáng)化畫(huà)面銜接感。

這里的難點(diǎn)在于：首先是畫(huà)面足夠復(fù)雜，畫(huà)面中主體來(lái)回切換，從飛翔的白鶴到舔毛的橘貓，再到跳下屋檐的橘貓，而伴隨主體的動(dòng)作變化，鏡頭也在同步于遠(yuǎn)景-中景-特寫(xiě)-中景中來(lái)回切換。

可以看到，生成的視頻里，生成的視頻里，《哪吒》式的東方寫(xiě)意美學(xué)被精準(zhǔn)落地：云霧是漸變的水墨質(zhì)感，云端建筑的飛檐翹角帶著古風(fēng)的韻味。白鶴運(yùn)動(dòng)的鏡頭即使高速推進(jìn)沒(méi)有絲毫卡頓，動(dòng)態(tài)模糊恰好放大了闖入仙境的沉浸感；后續(xù)橘貓?zhí)蜃Φ拿l(fā)細(xì)節(jié)栩栩如生，鏡頭也會(huì)隨著橘貓的眼神變化而出現(xiàn)畫(huà)面的移動(dòng)。

最難能可貴的是，三次大的鏡頭切換（白鶴→舔爪橘貓→跳檐橘貓）沒(méi)有出現(xiàn)任何突兀感：鶴群的飛行軌跡是天然的視覺(jué)引導(dǎo)線，檐角轉(zhuǎn)場(chǎng)是承上啟下的視覺(jué)橋梁，橘貓的動(dòng)作變化則成為鏡頭運(yùn)動(dòng)的點(diǎn)睛之筆。整體完全復(fù)刻電影級(jí)無(wú)縫銜接，沒(méi)有任何卡頓或脫節(jié)。

測(cè)試二：長(zhǎng)視頻+審美

一直以來(lái)，AI 生成視頻都不難，但生成穩(wěn)定、漂亮、可用的長(zhǎng)視頻卻一直是困擾依舊的痛點(diǎn)。

萬(wàn)相 2.6 支持最長(zhǎng) 15 秒生成（角色扮演功能 10 秒），這個(gè)時(shí)長(zhǎng)看似不長(zhǎng)，但剛好戳中核心場(chǎng)景：短視頻場(chǎng)景，15 秒是黃金時(shí)長(zhǎng)、廣告片場(chǎng)景，30 秒廣告可拆成 2 個(gè) 15 秒片段、而在短劇片段，10-15 秒就能完成男主歪嘴一笑、龍王歸位，一眾吃瓜群眾從白眼鄙視瞬間切換驚恐討好的爽劇經(jīng)典套路。

這里我們測(cè)試一個(gè)專(zhuān)業(yè)服裝拍攝的商用級(jí)場(chǎng)景，提示詞如下：

鏡頭一：0-3 秒，中景→近景。林間光斑透過(guò)樹(shù)葉灑落，美女身著米白色棉麻長(zhǎng)裙，緩步走在鋪滿落葉的小徑，裙擺隨步伐輕晃 暖調(diào)柔光，畫(huà)面靜謐，聚焦棉麻面料的垂墜感，輕柔風(fēng)聲、樹(shù)葉沙沙聲

鏡頭二：3-7 秒，特寫(xiě)→中近景。風(fēng)拂過(guò)，特寫(xiě)衣角翻飛的弧度，棉麻紋理清晰可見(jiàn)；鏡頭拉回，松鼠蹲在她腳邊啄食。自然光影，無(wú)多余特效，突出面料透氣飄逸。風(fēng)聲漸柔，加入輕微呼吸聲

鏡頭三：7-12 秒，近景→特寫(xiě)。美女抬手輕拂額前碎發(fā)，笑容舒展，小鹿從林間探出頭，與她對(duì)視；鏡頭聚焦面料貼膚的舒適狀態(tài)畫(huà)面柔和，焦點(diǎn)在面料與人物神態(tài)之間切換, 背景音漸弱，預(yù)留口號(hào)空間

鏡頭四：12-15 秒，中景定格。美女站在林間轉(zhuǎn)身，裙擺隨風(fēng)輕揚(yáng)，小動(dòng)物環(huán)繞身旁，畫(huà)面定格在面料飄動(dòng)的瞬間 暖光漸變?nèi)岷?，?huà)面干凈治愈。背景音清晰女聲：「好面料，會(huì)呼吸」。

這里的難點(diǎn)在于，除了美之外，棉麻質(zhì)感難還原纖維肌理，還要考慮自然垂墜與光影通透感，否則容易顯塑料感，此外，畫(huà)面中的小動(dòng)物互動(dòng)增加了整體畫(huà)面復(fù)雜度，而森林光影也需要在光斑、光線折射等細(xì)節(jié)做到真實(shí)且有美感。

行業(yè)人都懂，過(guò)去這種級(jí)別的畫(huà)面，以前要找外景、模特、燈光師，拍攝 + 后期至少 3 天，現(xiàn)在用萬(wàn)相 2.6，輸入提示詞幾分鐘生成，直接能當(dāng)成片交付。

此外，值得一提的是，萬(wàn)相 2.6 除了生成的視頻質(zhì)感高，操作門(mén)檻還極低。寫(xiě)出以上專(zhuān)業(yè)級(jí)分鏡腳本，其實(shí)只要按照官方給出的【總體描述 + 鏡頭序號(hào) + 時(shí)間戳 + 分鏡內(nèi)容提示詞】指令指引，就能實(shí)現(xiàn)智能分鏡調(diào)度功能。而這種能精準(zhǔn)控制每個(gè)角色的動(dòng)作順序和畫(huà)面鏡頭調(diào)配的能力，在短視頻劇情創(chuàng)作、IP 衍生內(nèi)容生產(chǎn)中簡(jiǎn)直是降維打擊。

測(cè)試三：基于參考視頻的人物，搞定人物一致性+音畫(huà)同步。

這里我選用的輸入素材是一段林黛玉的特寫(xiě)，以及模版中已有的關(guān)羽形象，來(lái)一段名著大亂燉。

提示詞如下： 暮春清晨，隆中茅廬外竹林青翠，薄霧如紗，屋內(nèi)隱約傳來(lái)?yè)崆僦?。鏡頭先以全景定格——諸葛亮身著月白道袍，臨窗而坐，指尖撥弄琴弦，琴聲悠揚(yáng)；

鏡頭突然切換為快速跟拍，@ 關(guān)羽走進(jìn)柴門(mén)，鏡頭推進(jìn)至中近景，大步流星到諸葛亮面前，，說(shuō)「我回來(lái)了了」

鏡頭隨著諸葛亮的眼光移動(dòng)橫切，@ 林黛玉 中近景緩緩入畫(huà)。特寫(xiě)中眼眸流轉(zhuǎn)著幾分嗔怨與疏離：「早知他來(lái)，我便不來(lái)了。」

最終鏡頭切回諸葛亮收尾。

這里的難點(diǎn)在于：我給出了兩個(gè)需要參考的主角，以及一個(gè)沒(méi)有任何參考只有文字描述構(gòu)建的諸葛亮形象，并且每個(gè)主角都多次引用在提示詞不同位置，需要 AI 保持一致的情況下，精準(zhǔn)控制主角行為。

可以看到，借助模態(tài)聯(lián)合建模能力，萬(wàn)相 2.6 生成的視頻里，時(shí)序動(dòng)態(tài)（比如關(guān)羽的走路姿勢(shì)）、情緒變化（比如林黛玉嗔怪的神情）全都和參考視頻幾乎一致，最驚艷的是：人物的嘴型和臺(tái)詞嚴(yán)絲合縫，聲音質(zhì)感沒(méi)有半點(diǎn) AI 塑料感。

另外，相同的人物角色，我又嘗試直接給 AI 一段參考的黛玉的聲音，讓它自主生成視頻，可以看到，我把背景音樂(lè)以及黛玉的語(yǔ)氣改變之后，她整個(gè)人的神態(tài)也會(huì)隨之變得生動(dòng)活潑，并且口型與聲音完全匹配。

而這段視頻里，對(duì)比 Sora2，萬(wàn)相 2.6 的差異化優(yōu)勢(shì)也很明顯：前者雖然支持長(zhǎng)視頻，但缺乏音頻驅(qū)動(dòng)生視頻的功能，你沒(méi)法讓 Sora2 參考一段人聲，生成對(duì)應(yīng)角色的說(shuō)話視頻。而萬(wàn)相 2.6 直接把聲音 + 畫(huà)面綁定的能力，對(duì)于廣告片、短劇、虛擬人直播等商用場(chǎng)景來(lái)說(shuō)，實(shí)用性直接拉滿。

03

圖像能力實(shí)測(cè)：

設(shè)計(jì)圈的效率革命來(lái)了

如果說(shuō)萬(wàn)相 2.6 的視頻功能已經(jīng)有了初步踏足專(zhuān)業(yè)影視圈的能力，那其圖像能力可以說(shuō)已經(jīng)足以精準(zhǔn)拿捏設(shè)計(jì)圈。

圖像層面，萬(wàn)相 2.6 的核心升級(jí)，都圍繞商用級(jí)展開(kāi)：解決企業(yè)用戶最關(guān)心的圖文一體化排版、多圖創(chuàng)意融合、商用級(jí)一致性、美學(xué)要素遷移與鏡頭光影精確控制等細(xì)節(jié)。

我們用兩個(gè)真實(shí)商業(yè)場(chǎng)景做了實(shí)測(cè)，結(jié)果發(fā)現(xiàn)：以前需要設(shè)計(jì)師、插畫(huà)師、排版師協(xié)作一周的活兒，現(xiàn)在一個(gè)人用萬(wàn)相 2.6 輸入指令，幾小時(shí)甚至幾分鐘就能搞定，而且細(xì)節(jié)精準(zhǔn)到可以直接商業(yè)交付。

測(cè)試一：基于多張圖片的圖文混排

過(guò)去，內(nèi)容創(chuàng)作圈的三重折磨在于：寫(xiě)文案的不懂設(shè)計(jì)，做設(shè)計(jì)的不懂文案，排版的夾在中間反復(fù)拉扯。比如出版社做繪本，要找作家寫(xiě)故事、插畫(huà)師畫(huà)配圖、排版師調(diào)格式，三者風(fēng)格要統(tǒng)一、內(nèi)容要契合，光溝通修改就要耗半個(gè)月。

現(xiàn)在用萬(wàn)相 2.6，只要寫(xiě)這樣一段提示詞：

創(chuàng)作一本關(guān)于環(huán)保的兒童繪本，插畫(huà)風(fēng)格為治愈系水彩風(fēng)，色彩以藍(lán)白為主，每頁(yè)插畫(huà)要和文字內(nèi)容精準(zhǔn)對(duì)應(yīng)，整體風(fēng)格統(tǒng)一。故事內(nèi)容：1、在遙遠(yuǎn)的北極，小北極熊樂(lè)樂(lè)發(fā)現(xiàn)冰面越來(lái)越小；2、樂(lè)樂(lè)遇見(jiàn)了迷路的鯨魚(yú)，鯨魚(yú)告訴它「人類(lèi)在保護(hù)地球」；3、樂(lè)樂(lè)決定到處走走看；4、一年后，樂(lè)樂(lè)回到家鄉(xiāng)，冰面變寬了，還多了很多小伙伴。

提示詞背后的難點(diǎn)在于考驗(yàn) AI 的邏輯理解 + 設(shè)計(jì)統(tǒng)籌能力：①要先拆解長(zhǎng)文本的敘事結(jié)構(gòu)，4 個(gè)段落之間劇情不能張冠李戴；②要保持插畫(huà)風(fēng)格、色彩、角色形象的高度統(tǒng)一，不能第一頁(yè)是圓耳朵，第三頁(yè)變成尖耳朵。

可以看到，生成的繪本不僅風(fēng)格、色彩、角色完全一致，就連提示詞中沒(méi)有寫(xiě)到的文字意境也做了精準(zhǔn)表達(dá)，比如第一頁(yè)的小北極熊站在破碎的冰面上，眼神迷茫；第四頁(yè)的冰面寬闊，小伙伴一起玩耍，氛圍溫暖。

而這也意味著，不管是繪本創(chuàng)作、公眾號(hào)推文還是知識(shí)付費(fèi)課件，后續(xù)都能實(shí)現(xiàn)文案輸入→成品輸出的一步到位，省去了找圖 + 修圖 + 排版的全流程，效率提升至少 10 倍。

測(cè)試二：商用級(jí)一致性 + 多圖創(chuàng)意融合

過(guò)去，品牌方的物料噩夢(mèng)在于，真人拍攝，經(jīng)常因?yàn)楦鞣N情況耽誤拍攝進(jìn)度，需要場(chǎng)地加錢(qián)、模特加錢(qián)、各種設(shè)備重新報(bào)批申請(qǐng)；而用 AI 批量生成宣傳圖，AI 又像在開(kāi)盲盒，只是想把產(chǎn)品圖、背景圖、參考風(fēng)格圖融合成一張海報(bào)，也會(huì)出現(xiàn)產(chǎn)品比例失調(diào)，背景和風(fēng)格割裂，嚴(yán)重影響品牌識(shí)別度的問(wèn)題。

針對(duì)這些，我們?cè)O(shè)計(jì)一段針對(duì)性測(cè)試。提示詞： 生成美妝品牌宣傳圖，要求：①核心產(chǎn)品為上傳的口紅（參考圖 1），保持產(chǎn)品外觀、logo、包裝細(xì)節(jié)完全一致；②融合上傳的花的照片（參考圖 2），背景為花瓣飄落的場(chǎng)景；③產(chǎn)品垂直擺放在畫(huà)面中央，周?chē)⒙?3-5 朵花，花瓣紋理清晰；④色調(diào)光影有大片質(zhì)感。

生成一張之后，我們?cè)僖笃浯钆湟粋€(gè)模特，試用產(chǎn)品。

提示詞背后的難點(diǎn)在于，讓 AI 同時(shí)實(shí)現(xiàn)精準(zhǔn)控制 + 創(chuàng)意融合的雙重考驗(yàn)：既要要確保產(chǎn)品的外觀、logo、包裝細(xì)節(jié)在兩張圖里分毫不差（這里我專(zhuān)門(mén)選擇了 YSL 這樣的復(fù)雜 logo，并且 YSL 的口紅膏體為相對(duì)少見(jiàn)的方形，其他 AI 在生成時(shí)，很容易把膏體變成常見(jiàn)的圓形）；還要保證多圖融合難在要把產(chǎn)品圖、背景圖、風(fēng)格圖有機(jī)結(jié)合，不能讓產(chǎn)品像貼在背景上。

可以看到，生成的兩張宣傳圖直接達(dá)到商用級(jí)標(biāo)準(zhǔn)。不僅所有要素之間也融合自然，并且做到了花朵背景和大片風(fēng)格完美銜接完全不搶?xiě)颍黧w產(chǎn)品突出，甚至金屬包裝會(huì)反射花瓣的光影這樣的細(xì)節(jié)都做到了完美還原，毫無(wú) AI 的痕跡。

這對(duì)品牌方來(lái)說(shuō)，這意味著「一次設(shè)定，無(wú)限復(fù)用」，不僅可以做無(wú)限的創(chuàng)意搭配，還能保證品牌形象的統(tǒng)一性，效率革命近在眼前。

04

尾聲

當(dāng)然，萬(wàn)相 2.6 不是完美的。我們實(shí)測(cè)中發(fā)現(xiàn)幾個(gè)小問(wèn)題：比如視頻最長(zhǎng)只能 15 秒，對(duì)于需要長(zhǎng)敘事的場(chǎng)景還是不夠；非常復(fù)雜動(dòng)作，比如翻跟頭 + 復(fù)雜舞蹈動(dòng)作，偶爾會(huì)出現(xiàn)肢體變形。但這幾乎也是全行業(yè)目前亟需解決的問(wèn)題。

但萬(wàn)相 2.6 乃至 Sora2 們微小的不足，掩蓋不了一個(gè)行業(yè)真相：AI 視頻生成正在從技術(shù)炫技進(jìn)入落地加速階段。AI 帶來(lái)的，本質(zhì)上是對(duì)內(nèi)容創(chuàng)作生產(chǎn)關(guān)系的重構(gòu)：不僅有大量專(zhuān)業(yè)影視制作平臺(tái)在用 AI 制作漫劇、短劇，社交平臺(tái)更是涌現(xiàn)了一批博主用 AI 制作的小貓打架、小說(shuō)動(dòng)畫(huà)小短片在各種平臺(tái)爆火。

基于萬(wàn)相 2.6 模型核心能力，千問(wèn) APP 上線「AI 小劇場(chǎng)」玩法，國(guó)內(nèi)首次實(shí)現(xiàn)「角色合拍」能力，用戶可與朋友或名人輕松同框出演 AI 短片。

而在這一過(guò)程中，人類(lèi)只需保留想象力、審美以及創(chuàng)意，而剩余的執(zhí)行細(xì)節(jié)，可以全部交給 AI。

這一次，有創(chuàng)意，就能人人當(dāng)導(dǎo)演的時(shí)代真的來(lái)了。

萬(wàn)相 2.6Sora2千問(wèn) APP