通义万象

通义万象是阿里云旗下的图像及视频生成平台，凭借其强大的多模态生成能力，正在引领生成式 AI 的发展。除了传统的文生图能力，通义万象现已支持文生视频、图生视频等多种功能，并在插画设计、涂鸦作画、局部重绘、短片创作、配乐生成等场景化应用中表现出色。

其自研视觉生成大模型 WanX，具备强大的画面视觉动态生成能力，尤其擅长概念理解与组合生成，优化了中式元素的表现，并支持多语言与可变分辨率生成。

核心特点

1. 多语言支持：兼容中英文输入，在中文语义理解和艺术字生成方面表现突出，尤其擅长处理中式元素，如山水画、水墨风格等。
2. 多模态融合：整合文本、图像、语音和视频处理能力，覆盖全模态内容生成场景，实现从静态图像到动态视频的无缝转换。

3. 可控性与自由度：通过拆解配色、布局、风格等元素，用户可以对生成内容进行高度定制化调整，既保证了创作的灵活性，又提供了精细控制的能力。

技术架构

WanX隶属于阿里云“通义大模型家族”，首次亮相于2023年世界人工智能大会（WAIC）。其核心模型基于阿里自研的Composer框架，结合扩散模型、生成对抗网络（GAN）和CLIP模型等先进技术，实现了多模态内容的高效生成与编辑。

关键技术创新

• 高效VAE（变分自编码器）与DiT架构：在2025年发布的2.1版本中，引入了高效VAE和DiT架构，显著提升了时空上下文建模能力，支持无限长1080P视频的高效编解码。
• IC-LoRA训练方法：通过该方法优化物理规律模拟，能够还原碰撞、反弹等真实物理效果，使生成内容更加贴近现实。

核心功能与创新点

1. 图像生成与编辑

• 文生图：根据文本描述生成水彩、油画、中国画等风格图像，支持多比例输出（如 1:1、4:3 等）。
• 图生图与风格迁移：基于参考图生成相似内容或转换风格，保留原图主体并应用新视觉风格。
• 局部重绘：针对特定区域调整细节，无需全图修改。
• 虚拟模特与商品图生成：在电商场景中，可自定义模特形象与背景，生成商品展示大片。

2. 视频生成与增强

• 文生视频：输入文本或关键词生成高清视频，支持“灵感扩写”功能丰富内容。
• 图生视频：将静态图片转化为动态视频，适用于广告和社交媒体。
• 中文艺术字视频：2.1 版本新增功能，支持中英文字幕特效生成，提升本土化创作体验。
• 物理规律模拟：通过 IC-LoRA 训练方法，还原碰撞、反弹等真实物理效果。

3. 特色功能

• 涂鸦作画：将手绘草图转化为精致艺术作品。
• 短片创作：整合图像与视频功能，快速生成创意短片。
• 风格化模板：强调中国传统元素（如山水画、水墨风格），满足文化创意需求。

技术优势与市场反馈

1. 竞争优势

• 中文理解优势：本土化语义处理能力超越 Midjourney 等国际竞品。
• 全链路覆盖：从图像到视频的全模态生成能力，支持复杂创作流程。
• 企业级服务：通过阿里云与钉钉服务超过 30 万企业用户，覆盖金融、医疗、教育等领域。

2. 行业认可

• VBench 榜单领先：2.1 版本在运动幅度、多对象生成等维度以 84.7% 总分登顶。
• 商业化规模：截至 2025 年，累计生成 7500 万张图像，视频生成请求超过 100 万次。

版本与服务

WanX 2.1

阿里 WanX 团队最新发布的 WanX 2.1 视频模型已在通义万相平台上线，并通过阿里百炼平台提供 API 服务。此次发布包括两款模型：

• wanx2.1-t2v-turbo：快速的生成速度和均衡的表现受到青睐，价格为 0.24 元/秒。
• wanx2.1-t2v-plus：在生成细节和画面质感上更为出色，价格为 0.70 元/秒。

官方免费的在线体验现已在 HuggingFace上线，WanX 团队也已预告 WanX 2.1 视频模型将开源。

相关：

阿里巴巴通义实验室开源视频生成模型 Wan2.1