通义万相新模型上传图复刻动作，2.5系列升级实现音画同步！

近日，通义万相正式发布wan2.2 - animate模型，主打“上传一张人物图 + 一段视频”即可实现动作复刻与角色替换的全新功能。无论是让静态图像中的人物“跳起舞蹈”，还是在影视后期中“更换主角”，都能生成媲美电影级别的动态效果，广泛适用于剧情魔改（如角色穿越混搭）、影视换人等创意应用场景。

该模型是在此前通义万相开源的Animate Anyone基础上全面升级而来，不仅在人物一致性、画面质量等方面显著提升，更首次同时支持动作模仿与角色扮演两种模式。在动作模仿模式下，只需输入一张角色图片和一段驱动视频，模型即可将视频中人物的动作与表情精准迁移至图片角色上，赋予其生动的动态表现力；而在角色扮演模式下，则可在保留原视频动作、表情及背景环境的前提下，将其中的角色无缝替换为指定图片中的形象。

为实现这一突破，通义万相团队构建了一个大规模人物视频数据集，涵盖丰富的说话场景、面部微表情与全身动作，并基于通义万相图生视频模型进行深度后训练。模型依托四大核心技术实现领先性能：

• 统一模型架构设计：通过优化输入范式，将“图生动作”（Move模式）与“视频换人”（Mix模式）统一为同一符号表示体系。模型可根据输入内容自动切换生成模式，无需分别训练两个独立模型，极大提升了开发效率与资源利用率。

• 精细化控制肢体与表情：将控制信号拆解为两部分处理——身体动作由VitPose提取的2D骨骼关键点注入初始噪声潜在向量，确保姿态迁移准确自然；面部表情则直接对参考视频中的人脸原始图像进行帧级隐式编码，借助时序对齐的交叉注意力机制注入模型，避免传统关键点方法丢失细节的问题，真实还原细微表情变化。

• 真实光影融合能力：在Mix模式中引入Relighting LoRA模块，基于IC-Light合成数据训练，能够在保持角色外观一致的同时，学习目标视频的光照条件与色彩风格，使新角色真正“融入”原场景，而非简单“贴图”。该技术原生支持包含运镜运动、镜头抖动在内的复杂视频输入。

• 完整开源工作流：提供从模板视频预处理到模型推理的全流程代码支持，包括驱动视频转模板文件的处理脚本，以及输入模板+角色图生成视频的推理接口，助力开发者全面提升各类姿态驱动模型的表现效果。

实测数据显示，Wan2.2 - Animate在视频质量、主体一致性、感知损失等多项关键指标上超越StableAnimator、LivePortrait等主流开源方案，成为当前性能最强的动作生成模型。在人类主观评测中，其表现甚至优于Runway Act-one等闭源商业模型。

目前，用户可通过通义万相官网（国内站与国际站 https://www.php.cn/link/62dee803f4071bd95a11e66e9b8324a7 Face及GitHub三大平台，便于二次开发与创意落地。

通义万相

通义万相，一个不断进化的AI艺术创作大模型

596

查看详情

值得一提的是，在2025杭州云栖大会上，阿里巴巴还发布了通义万相Wan2.5 preview系列模型，涵盖文生视频、图生视频、文生图和图像编辑四大核心能力。其中，通义万相2.5视频生成模型首次实现音画同步——可自动生成与画面匹配的人声解说、环境音效及背景音乐（BGM），大幅降低高质量视频创作门槛。

通义万相2.5在创作能力上实现全方位跃升：

• 视频生成时长由5秒延长至10秒，单次输出即可呈现更完整的故事情节；
• 支持24fps的1080P高清视频生成，画质清晰流畅，满足电影级制作需求；
• 指令理解能力进一步增强，能准确响应运镜轨迹、镜头推拉等连续复杂指令，在图像编辑任务中也可通过一句话指令完成人物变身、风格迁移等操作；
• 图像生成能力升级，支持中英文文字与图表生成，涵盖艺术海报、流程图、架构图等复杂排版场景，结合语义级编辑功能，实现“一句话P图”。

截至目前，通义万相模型家族已具备文生图、文生视频、图生视频、人声驱动视频、动作生成等十余种视觉创作能力，累计生成图片达3.9亿张，视频超7000万个。自今年2月以来，已连续开源超过20款模型，在ModelScope、Hugging Face等社区的下载量突破3000万次，持续领跑AIGC开源生态。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

以上就是通义万相新模型上传图复刻动作，2.5系列升级实现音画同步！的详细内容，更多请关注php中文网其它相关文章！