新智元報(bào)道

編輯：好困 桃子

【新智元導(dǎo)讀】龍蝦終于會(huì)畫圖了！阿里Wan2.7-Image剛剛上線，捏臉到骨相級(jí)、首創(chuàng)「調(diào)色盤」、3K超長文本寫滿A4不崩，還能接入OpenClaw一句話出圖。

養(yǎng)蝦人狂喜！ 今天，龍蝦終于學(xué)會(huì)生圖了。

捏臉捏到骨相級(jí)別，調(diào)色精確到HEX色號(hào)，文字渲染一口氣寫滿一頁A4紙，編輯指哪改哪，9張參考圖喂進(jìn)去臉都不崩。

炸不炸？先看這組。

同一段提示詞，只改外貌描述，出來五張完全不同的臉——

Prompt：

正面半身人像，一位【外貌的設(shè)定】的男性樂隊(duì)主唱在舞臺(tái)上演出，單手握住立麥，頭微微后仰嘶吼，汗水從額頭滑到下頜線，汗?jié)竦暮谏榘l(fā)貼在前額和鬢角，穿一件被汗浸透的黑色背心，鎖骨和手臂肌肉線條清晰，舞臺(tái)頂光從正上方打下來形成強(qiáng)烈的明暗對(duì)比，背景是模糊的彩色舞臺(tái)燈光和煙霧，搖滾現(xiàn)場(chǎng)抓拍風(fēng)格，高ISO顆粒感，85mm鏡頭。

從滿臉的絡(luò)腮胡、稚嫩的娃娃臉，到微胖的身材、深棕黑色的皮膚，主體保持了驚人的一致性。

左右滑動(dòng)查看

同一個(gè)舞臺(tái)，同一束頂光，但是五張完全不同的臉！

背后的狠角色，是阿里4月1日剛上線的Wan2.7-Image，一個(gè)把生圖和編輯能力統(tǒng)一在一起的新模型，同步支持作為Skills接入OpenClaw。

翻譯成人話：你的龍蝦，現(xiàn)在不光能聊天、寫代碼、跑自動(dòng)化，還能畫圖了。而且畫得，相當(dāng)能打。

千人千面，告別AI臉

「活人感」，一種微妙的真實(shí)，恰恰是AI生圖最難駕馭的地方。

打開任何一個(gè)圖文平臺(tái)，滿眼皆是同質(zhì)化的「塑料AI臉」。不偏不倚的五官比例，毫無瑕疵的雞蛋肌，以及一雙空洞呆滯的眼睛。

這些被算法喂出來的「標(biāo)準(zhǔn)臉」，美得毫無破綻，卻像流水線上批量生產(chǎn)的偶像練習(xí)生。

千人一面，毫無靈魂。

Wan2.7-Image的解法，是把生成粒度下鉆至「骨相」與「皮相」的微觀層級(jí)。一句簡單的提示，便可做到從骨骼結(jié)構(gòu)、眼眸深淺到五官細(xì)微處的全方位定制。

你可以精準(zhǔn)要求生成鵝蛋臉、圓臉、方臉或長方臉。

Prompt：

正面半身人像，一位25歲的東亞女性，【臉型的設(shè)定】，自然光線，眼神直視鏡頭，黑色直發(fā)披肩，穿白色圓領(lǐng)T恤，背景純色淺灰，寫實(shí)攝影風(fēng)格，35mm鏡頭，淺景深。

鵝蛋臉、圓臉、方臉

這種「捏臉」還可以進(jìn)一步延伸到眼部細(xì)節(jié)的微調(diào)。杏仁眼、圓眼、丹鳳眼，動(dòng)動(dòng)嘴就能定制。

Prompt：

一張超近距離面部特寫，畫面只截取眉毛到鼻尖的范圍，一位25歲東亞女性，【眼睛的設(shè)定】，皮膚細(xì)膩有毛孔質(zhì)感，自然光從正面柔和打入，沒有妝容，素顏，睫毛根根分明，虹膜深棕色可見紋理，眼角有一顆小痣，背景完全虛化為奶白色，微距攝影風(fēng)格，100mm微距鏡頭，超高清。

杏仁眼、丹鳳眼、瞇縫眼

整個(gè)人的全臉拿捏，僅憑一句話即可完成。千人千面，盡在一語之間。

這正是「活人感」的本質(zhì)：不完美，但真實(shí)。

首創(chuàng)「調(diào)色盤」，色彩不再是盲盒

在設(shè)計(jì)師眼里，顏色就是精準(zhǔn)的空間坐標(biāo)。

一句「暖橙色調(diào)」，對(duì)于不同的AI可能產(chǎn)生差異懸殊的結(jié)果：有時(shí)是莫蘭迪的土橙，有時(shí)是梵高向日葵的明黃，有時(shí)又會(huì)滑向秋日夕陽的深紅。

這種「色彩盲盒」式的隨機(jī)性，設(shè)計(jì)師根本沒法交差。在嚴(yán)苛的品牌視覺系統(tǒng)面前，1%的色差即是無效產(chǎn)出。

由此，Wan2.7-Image在業(yè)內(nèi)首創(chuàng)「調(diào)色盤」功能，將色彩控制權(quán)交還給創(chuàng)作者。

用戶可通過HEX色號(hào)，一鍵提取或輸入?yún)⒖紙D的各種顏色和占比，自由調(diào)控顏色的數(shù)量和比例，自定義配色方案。

從馬蒂斯?jié)庥舻募t色系、梵高明媚的黃色系，到畢加索清冷的藍(lán)色系，都能參考生成同色系的圖片。

萬相網(wǎng)頁版已經(jīng)內(nèi)置了完整的調(diào)色盤交互，三步搞定：

第一步，點(diǎn)擊底部工具欄的「調(diào)色盤」按鈕，彈出配色面板。系統(tǒng)預(yù)置了「藍(lán)調(diào)」「熱情」「馬卡龍」「莫蘭迪」等多種推薦配色方案，選一個(gè)直接用也行。

第二步，想自定義？

點(diǎn)「新增配色方案」，然后點(diǎn)「從圖片提取配色」，上傳任意參考圖，系統(tǒng)自動(dòng)提取主色和占比。

顏色數(shù)量可以用加減號(hào)增刪，比例可以拖動(dòng)色塊邊界自由調(diào)整。

第三步，確認(rèn)配色后回到主界面，調(diào)色盤已經(jīng)掛載到工具欄上。輸入場(chǎng)景描述，點(diǎn)生成，出來的圖就嚴(yán)格遵循你定義的色彩方案。

有了這套流程，世界名畫的靈魂色彩，從此觸手可及。

梵高《星月夜》中，那抹熱烈奔放、盤旋交織的藍(lán)黃撞色，讓W(xué)an2.7-Image提取八種顏色，并重構(gòu)于現(xiàn)代都市。

可以看到，在這座燈火通明的城市中，點(diǎn)綴的正是星月夜中的色調(diào)。

Prompt:

一座現(xiàn)代城市的天際線夜景，高樓大廈的燈光倒映在平靜的江面上，遠(yuǎn)處有一座跨江大橋，天空中有幾朵流動(dòng)的云，電影感構(gòu)圖，寬幅畫面，油畫質(zhì)感。

又或是，將莫奈《日出·印象》中藍(lán)灰色調(diào)與太陽爆發(fā)出的柔和橙黃，映射到另一個(gè)物理空間中。

Wan2.7-Image把莫奈的色彩DNA植入到每一個(gè)元素中，讓江南水鄉(xiāng)也有了一種印象派的濾鏡。

Prompt：

一座江南水鄉(xiāng)古鎮(zhèn)的清晨，石拱橋橫跨窄河，兩岸是白墻黛瓦的老房子，河面有薄霧彌漫，一條烏篷船靜泊在橋下，柔和的晨光從東方透過來，攝影質(zhì)感，35mm鏡頭。

同樣，還可以把一張AI藝術(shù)畫的色調(diào)，一鍵遷移至「大褲衩」的建筑藝術(shù)構(gòu)圖中。

Prompt：

A surreal 3D installation of the CCTV Headquarters building in Beijing, the building is made of translucent blue crystalline glass with a diamond grid texture, adorned with oversized colorful vibrant flowers and pom-poms in pastel pink, orange, and blue, lush flower garden at the base, bright blue sky with fluffy white clouds, dreamy and romantic atmosphere, soft natural lighting, C4D rendering, Octane render, high detail, 8k, cinematic composition.

3K超長文本，生圖告別「文盲」時(shí)代

在AI圖像生成的「頑疾清單」上，文本渲染始終盤踞榜首。

一旦字?jǐn)?shù)超過幾個(gè)詞，AI的表現(xiàn)便開始失控：字母變形、筆畫斷裂、漢字錯(cuò)位，甚至整段文字莫名消失。

Wan2.7-Image對(duì)這一頑疾發(fā)動(dòng)了正面進(jìn)攻。它實(shí)現(xiàn)了對(duì)超長文字、表格、復(fù)雜公式的印刷級(jí)渲染，支持業(yè)內(nèi)最長的3K Tokens文字輸入，可以寫滿一頁A4紙。

Prompt：

一張大學(xué)高等數(shù)學(xué)期末考試試卷，白色紙張，印刷體黑色文字，包含以下內(nèi)容：

一、選擇題（每題5分，共20分）

函數(shù) f(x) = (x2-1)/(x-1) 在 x=1 處的極限為： A. 0 B. 1 C. 2 D. 不存在

若 ∫?1 f(x)dx = 3，則 ∫?1 2f(x)dx = A. 3 B. 6 C. 9 D. 12

二、計(jì)算題（每題15分，共30分）

求不定積分 ∫ x2·e? dx

計(jì)算二重積分 ?_D (x2+y2) dxdy，其中D為 x2+y2≤4

三、證明題（25分） 用ε-δ語言證明：lim(x→2) (3x-1) = 5

四、應(yīng)用題（25分） 設(shè)曲線 y = x3 - 3x + 2，求該曲線在區(qū)間[-2, 2]上與x軸圍成的面積。

標(biāo)準(zhǔn)A4紙排版，頁眉印「XX大學(xué) 2024-2025學(xué)年第一學(xué)期期末考試」，頁腳印「第1頁 共2頁」。

積分號(hào)、求和號(hào)、ε-δ語言，一個(gè)沒崩。

再來一張豎版書法卡片：

Prompt：

一張豎版宣紙質(zhì)感的書法卡片，毛筆楷體風(fēng)格，居中排列，內(nèi)容為蘇軾《水調(diào)歌頭》全文： 明月幾時(shí)有？把酒問青天。不知天上宮闕，今夕是何年。我欲乘風(fēng)歸去，又恐瓊樓玉宇，高處不勝寒。起舞弄清影，何似在人間。轉(zhuǎn)朱閣，低綺戶，照無眠。不應(yīng)有恨，何事長向別時(shí)圓？人有悲歡離合，月有陰晴圓缺，此事古難全。但愿人長久，千里共嬋娟。 背景淡米色宣紙紋理，右下角一枚紅色印章。

對(duì)比之下，ChatGPT和Gemini都有明顯的錯(cuò)字。

但真正讓我們倒吸一口涼氣的，是下面這組。

Wan2.7-Image直接生成了帶有完整圖表、公式、分欄排版的學(xué)術(shù)論文頁面。

說實(shí)話，這個(gè)場(chǎng)景日常用到的概率不高，背后的提示詞長到離譜，塞滿了論文標(biāo)題、正文段落、圖注、參考文獻(xiàn)格式等海量細(xì)節(jié)。

普通用戶大概率不會(huì)這么用。但這恰恰是秀肌肉的時(shí)刻。

能把這種極端長文本、多層級(jí)排版、圖文混排的任務(wù)吃下來，說明Wan2.7-Image的文本理解和渲染引擎在底層就是按「印刷級(jí)」的標(biāo)準(zhǔn)做的。

日常寫個(gè)菜單、出張海報(bào)，對(duì)它來說只是降維打擊。

甚至是多語言文字同屏輸出，也難不倒Wan2.7-Image。

Prompt：

一張極具電影感的寫實(shí)照片，展示一位優(yōu)雅的中國女子，身穿精致的漢服風(fēng)格深藍(lán)色提花夾克（金絲祥云刺繡）和米色褶皺長裙，頭發(fā)整齊地盤在腦后，插著一根精致的發(fā)釵。她正坐在一張古樸的深色木桌前，專注地閱讀一本封面標(biāo)有「WORLD LITERATURE」和中文「世界文學(xué)」古籍。 桌上堆放著兩摞多語言書籍，書脊清晰可見，標(biāo)有「Oxford English Dictionary」、「現(xiàn)代漢語詞典」、和「DEUTSCHE GRAMMATIK」等字樣。在她面前，一本打開的筆記本上擺放著一支精致的鋼筆，筆記本上寫滿了手寫筆記。在桌子的左側(cè)，兩個(gè)古董地球儀（一個(gè)顯示歐洲，一個(gè)顯示亞洲）擺放有序。 背景是兩個(gè)巨大的、堆滿數(shù)千本多語言書籍的實(shí)木書架，書籍?dāng)[放整齊。一個(gè)大型的中式木窗位于左側(cè)，透過窗戶可以看到一個(gè)寧靜的竹林花園和遠(yuǎn)處的樹葉。窗玻璃旁墻上清晰地貼著一個(gè)掛軸，上面寫著四個(gè)中文大字：「學(xué)無止境」。 自然的晨光從窗戶灑進(jìn)來，照亮了場(chǎng)景，營造出溫暖、寧靜的氛圍。視角是眼平視，捕捉了女子和環(huán)境的豐富細(xì)節(jié)。電影級(jí)畫質(zhì)，自然膠片顆粒。

Prompt：

一位面帶微笑的、不同族裔的五人小組，在阿姆斯特丹繁忙的、鋪有石板的步行市場(chǎng)街道上，面向鏡頭，肩并肩站成一排。從左到右：一位老年中國女性，穿著傳統(tǒng)的絲綢圖案夾克，雙手拿著一個(gè)木牌，上面用白色漢字寫著「你好！」；一位年輕的日本男性，戴著眼鏡，穿著米色連帽衫，拿著一個(gè)紙板標(biāo)志，上面用黑色日文寫著「こんにちは」；一位年輕的法國女性，戴著黑色貝雷帽，穿著條紋襯衫，拿著一個(gè)紙板標(biāo)志，上面用黑色法文寫著「bonjour!」；一位年輕的印度男性，戴著深藍(lán)色頭巾，穿著米色突尼克衫，拿著一個(gè)紙板標(biāo)志，上面用黑色印地語寫著「??????!」；一位年輕的非裔女性，留著蓬松的卷發(fā)，穿著色彩鮮艷的圖案上衣，拿著一個(gè)紙板標(biāo)志，上面用黑色葡萄牙語寫著「Olá」。背景是典型的荷蘭運(yùn)河房屋、一輛行駛中的阿姆斯特丹有軌電車、色彩鮮艷的街道旗幟和繁忙的市場(chǎng)攤位，柔和的日光，景深較淺。

AI繪圖的「文盲」時(shí)代，由此終結(jié)。

交互式編輯，指哪打哪

生圖能力再強(qiáng)，創(chuàng)作者最終還是需要編輯。而AI的編輯能力，長期以來是一塊燙手的短板。

用過傳統(tǒng)AI修圖的人，或許都經(jīng)歷過一種絕望：改一下背景顏色，主體人物的服裝也變了；稍微調(diào)整一下嘴角，整個(gè)面部結(jié)構(gòu)崩塌重建。AI不理解「局部修改」的邊界，把不想改的地方也改了，妥妥的「效率黑洞」。

Wan2.7-Image用「精準(zhǔn)框」的交互方式解決了這個(gè)問題。在指定區(qū)域內(nèi)完成元素添加、對(duì)齊、移動(dòng)元素或logo，框外的內(nèi)容紋絲不動(dòng)。

舉個(gè)栗子，精準(zhǔn)框選圖中的大雁，并輸入指令：將圖中框選的大雁移動(dòng)到虛框位置，并且姿勢(shì)變成站在屋檐上。

被框選的大雁，已經(jīng)落到了屋檐上，圖中的其余部分都被「完美鎖定」，未受任何干擾。

更驚嘆的是，Wan2.7-Image智能地將大雁縮小，讓其符合透視原理，完美融入遠(yuǎn)景建筑物的比例。

大雁的姿態(tài)也從「展開雙翼飛翔」切換為「收起翅膀直立棲息」，整個(gè)畫面過渡非常自然。

萬相網(wǎng)頁版已經(jīng)內(nèi)置了完整的編輯交互，操作也很直覺：

第一步，在圖片生成頁面，底部工具欄將模式切換為「底稿」，上傳要編輯的原圖。

第二步，點(diǎn)擊已上傳的圖片縮略圖，彈出操作菜單，選擇「框選」。也可以選「更換」或「刪除」，對(duì)應(yīng)不同的編輯需求。

第三步，在圖上拖出一個(gè)矩形框，圈住你要編輯的區(qū)域（支持框選1-2個(gè)區(qū)域）。支持消除、修改、添加、移動(dòng)、尺寸變換等操作，確認(rèn)后回到主界面。

第四步，在輸入框里寫上你的編輯指令，比如「框選的位置加個(gè)薯餅」，點(diǎn)生成，搞定。

這種指哪打哪的「交互式編輯」，讓AI終于從「不可控的藝術(shù)家」變成了「聽話的執(zhí)行搭檔」。

最多9圖參考，主體統(tǒng)一不走形

多人場(chǎng)景一直是AI生圖的重災(zāi)區(qū)。角色一多，臉就崩，風(fēng)格就飄。

Wan2.7-Image支持最高9張圖片作為參考源，多張參考圖喂進(jìn)去，人物長相、風(fēng)格、光影全鎖死，輸出結(jié)果在視覺上高度統(tǒng)一。

做電商的朋友們真的有福了。只需上傳一張參考圖，Wan2.7-Image就能帶著同一個(gè)模特在全球各地「瞬移」，不管環(huán)境怎么變，主體人物的長相、神態(tài)都穩(wěn)如老狗。

上一秒身著波西米亞長裙，漫步在馬爾代夫的細(xì)軟沙灘，下一秒已身處巴黎街頭慵懶地喝著咖啡。

從高級(jí)商務(wù)范到東京潮流街拍，再到健身房的運(yùn)動(dòng)風(fēng)，切換得游刃有余。

左右滑動(dòng)查看

不止人物。

五雙完全不同的鞋子，Wan2.7-Image也能完美揉進(jìn)同一張畫幅，無變形、無違和。這才是電商人夢(mèng)寐以求的生成器。

更狠的是，Wan2.7-Image還能一口氣吐出多達(dá)12張邏輯連貫圖像序列。

下面這個(gè)測(cè)試中，它連續(xù)生成八張圖，構(gòu)成了一個(gè)完整的小故事，角色特征始終如一，幾乎毫無偏差。

Prompt：

請(qǐng)生成一組8張邏輯連貫的電影分鏡序列，講述以下故事：一個(gè)穿黑色風(fēng)衣的年輕女性深夜走進(jìn)一家無人便利店，她從貨架上拿了一杯泡面，坐在窗邊等熱水，窗外開始下雨，她看著雨發(fā)呆，手機(jī)屏幕亮了一下她沒接，泡面泡好了她開始吃，最后一張是她吃完走出便利店撐開傘消失在雨夜街道盡頭。全程無對(duì)白，電影感構(gòu)圖，每張畫面的機(jī)位和景別有變化（遠(yuǎn)景、中景、特寫交替），統(tǒng)一冷青色調(diào)，35mm膠片質(zhì)感。

左右滑動(dòng)查看

從「單幀」到「時(shí)序」，分鏡腳本、PPT系列配圖、電商模特套圖、多視角建筑方案，都可以批量交付。AI生成從「逐張抽卡」躍入「序列化生產(chǎn)」。

六邊形戰(zhàn)士是怎么練成的

實(shí)測(cè)看完了，拆底層。

Wan2.7-Image憑什么做到上面這些？五大功能的背后，每一項(xiàng)都指向算法架構(gòu)與訓(xùn)練數(shù)據(jù)上的深層變革。

先看硬指標(biāo)。

在人類偏好盲測(cè)中，Wan2.7-Image的文生圖能力超過GPT Image 1.5和國內(nèi)主流模型，在文本渲染、照片級(jí)成像和世界知識(shí)三個(gè)指標(biāo)上，逼近Nano Banana Pro，可謂國內(nèi)最強(qiáng)生圖模型。

再看能力面。

Wan2.7-Image支持交互式編輯（文字編輯、空間變換、內(nèi)容生成和替換），多圖像生成能力覆蓋時(shí)尚美容、平面設(shè)計(jì)等多領(lǐng)域，堪稱六邊形戰(zhàn)士。

那關(guān)鍵問題來了：它為什么不只會(huì)生圖，還更懂圖？

答案藏在三層技術(shù)棧里。

第一層，數(shù)據(jù)。

超大規(guī)模的異構(gòu)數(shù)據(jù)底座，不僅涵蓋全域品類的視覺素材，還整合了理解類數(shù)據(jù)。模型不是只看過圖，它還「讀」過圖。

第二層，架構(gòu)。

Wan2.7-Image采用生成與理解統(tǒng)一的模型架構(gòu)，在共享的潛在空間內(nèi)完成語義映射。文字緊挨著畫面，模型不需要費(fèi)力去猜文字對(duì)應(yīng)的畫面，它本來就知道。

第三層，訓(xùn)練。

訓(xùn)練流程中引入了多模態(tài)指令（文字+圖片混合輸入），讓模型實(shí)現(xiàn)了從單純的像素?cái)M合到底層語義認(rèn)知的跨越。配合多維精細(xì)標(biāo)注體系（按布局、文字、光影、拍攝角度、用途等維度標(biāo)注）和分階段訓(xùn)練策略，模型在長尾場(chǎng)景下依然穩(wěn)得住。

同步上線的還有Wan2.7-Image-pro，基于更大規(guī)模數(shù)據(jù)和模型尺寸訓(xùn)練而成，構(gòu)圖更穩(wěn)，語義理解更精準(zhǔn)。追求極致效果的用戶，可以直接上Pro版。

三步接入龍蝦，讓它替你畫圖

這一次，Wan2.7-Image同步支持作為Skills接入OpenClaw。

那么，具體該怎么接？

萬相網(wǎng)頁版左下角已經(jīng)掛上了「龍蝦」圖標(biāo)，簡單三步一鍵完成接入——

第一步，在你的「龍蝦」里通過對(duì)話安裝Skills，直接發(fā)一句：

幫我安裝Wan-skills https://github.com/Wan-Video/Wan-skills

第二步，按照提示告訴「龍蝦」阿里云百煉API Key。

第三步，用對(duì)話開啟「龍蝦」生圖體驗(yàn)。

接入之后，即可立刻體驗(yàn)Wan2.7-Image生圖魔法了。

上面實(shí)測(cè)中，捏臉、調(diào)色、長文本渲染、精準(zhǔn)編輯、多主體一致性，全部可以通過龍蝦的對(duì)話界面觸達(dá)。

這才是AI生圖真正該有的樣子：深度嵌入你已有的工作流，成為一個(gè)隨叫隨到的「設(shè)計(jì)師」。

每個(gè)人手里，都握著遙控器

回看Wan2.7-Image的五項(xiàng)核心能力，它做的事說到底就一件：把創(chuàng)作的控制權(quán)，從算法的隨機(jī)性里奪回來，交還給人。

一個(gè)十人規(guī)模的短劇團(tuán)隊(duì)，過去最頭疼的是「預(yù)生產(chǎn)」階段。角色長什么樣，分鏡怎么畫，特效預(yù)演怎么做，每一步都是時(shí)間和錢?，F(xiàn)在，千人千面的捏臉加上組圖生成，角色設(shè)定、動(dòng)作參考、視覺方案可以在正式開機(jī)前全部跑通。試錯(cuò)成本從「天」壓縮到「小時(shí)」。

一個(gè)做穿搭號(hào)的自媒體博主，日常最大的消耗不是選品，而是配圖。封面圖的風(fēng)格要統(tǒng)一，OOTD的場(chǎng)景要多變，系列內(nèi)容的視覺調(diào)性不能跑偏。現(xiàn)在一段精確的提示詞加一個(gè)調(diào)色盤，品牌視覺的一致性就有了底。

一個(gè)中小電商商家，一件商品需要數(shù)十張素材圖。傳統(tǒng)攝影外包的成本和周期讓人望而卻步。多主體一致性加上組圖生成，單張模特圖可以裂變?yōu)楦采w不同場(chǎng)景、不同賣點(diǎn)的完整素材庫，上新周期大幅縮短。

從「千篇一律」到「千人千面」，從「盲盒抽卡」到「精準(zhǔn)微操」。

AI生圖這件事，第一次真正由你說了算。

即日起，用戶可在https://tongyi.aliyun.com/wan/、wan.video網(wǎng)站和阿里云百煉體驗(yàn)Wan2.7-Image，千問App也即將接入。