阿里发布新一代万相2.6系列模型，该模型面向专业影视制作和图像创作场景进行了全面升级，是国内首个支持角色扮演功能的视频模型，并支持音画同步、多镜头生成及声音驱动等功能。万相2.6在视频生成、文生图和图像生成方面均有显著升级，包括角色扮演、多镜头叙事、自然音画同步、15s长视频生成、音频驱动生成等视频生成功能，以及艺术风格的高度美学与可控性、真实人像质感、文字生成等文生图功能，还有图文混排输出、多图融合生成、商用级一致性保持等图像生成功能。

12 月 16 日消息，阿里发布新一代万相 2.6 系列模型，该系列模型面向专业影视制作和图像创作场景进行了全面升级，全新的万相 2.6 是国内首个支持角色扮演功能的视频模型。该模型同时支持音画同步、多镜头生成及声音驱动等功能，是全球功能最全的视频生成模型。万相 2.6 已同步上线阿里云百炼、万相官网。

IT之家附官方介绍如下：

万相 2.6 视频生成升级亮点

角色扮演

万物皆可入戏，万相 2.6 能参考输入视频中的角色外观和音色、实现角色扮演，按照提示词生成单人、多人、人与物合拍的视频。

多镜头叙事

万相 2.6 可将用户简单的提示词转换为多分镜脚本，生成包含多个镜头的连贯叙事视频，并且保持多镜头间的主体、场景等关键信息的一致性。

自然音画同步

多人对话场景稳定生成，真实自然的人声表达，声音质感提升，更好听的音乐和歌曲生成。

15s 长视频生成

生成视频最长 15s（参考生视频 10s），提升画面时空内容容量，支持更完整叙事。

音频驱动生成

万相 2.6 可根据用户输入的文本和音频，驱动生成视频，并实现多镜头演绎。

万相 2.6 文生图升级亮点

艺术风格的高度美学与可控性

• 精准捕捉艺术灵魂：对各类风格关键词理解深入，还原度更高，画面整体风格统一且完整。
• 风格融合自然流畅：支持多种艺术风格有机融合，过渡平滑，创作出独具一格的视觉作品。
• 细节刻画生动丰富：对「肌理、色彩、笔触」等细节的呈现更为到位，赋予图像故事感与表现力。

真实人像质感，光影细节到位

在写实人像生成中，人物神态自然、肤质真实，有效削弱“AI 感”。模型综合优化构图与光影，呈现更具表现力的人像视角。

文字生成，图表、插画与海报设计

可依据中英文长文本内容，结合美学设计与图文协调性，精准生成海报、图文说明、信息图表等，实现内容与视觉的高度统一。

万相 2.6 图像生成升级亮点

图文混排输出

多张图片和文字一体化生成，具备逻辑推理能力，实现有层次、有逻辑的视觉化叙事。

多图融合生成

多张图片的任意参考、组合或替换，融合多重视觉灵感，生成全新创意图像。

商用级一致性保持

保持角色、风格或元素的高度一致，拓展商业级使用场景。

美学要素迁移

提取参考图的颜色、风格、构图等创意灵感，实现美学参考生成。

镜头和光影精准控制

可指定镜头视角、近远景及光影细节，实现对画面空间与氛围的精确调控。