視頻能PS了？阿里視頻大模型拯救廢片，我用它捏臉、換角色、改劇情

智東西
作者 王涵
編輯 心緣

智東西4月3日報道，今天，阿里通義實驗室發布視頻創作大模型Wan2.7-Video，支持文本、圖像、視頻、音頻全模態輸入，在畫面結構、劇情走向、局部細節、時序變化等方面均可編輯。

Wan2.7-Video實現一句話改視頻，模型會自動保持光影與材質的一致性，同時可以搭配多張圖像輸入。

Wan2.7-Video引入了視頻續寫與尾幀控制的聯合機制，用戶可以在續寫視頻的同時，直接指定結尾畫面。同時，該模型支持全模態素材參考，最多支持5個視頻主體參考。

在運鏡方面，用戶只需丟一段簡短文字，模型就能自動搞定智能劇本創作和分鏡調度，還可以根據不同的電影類型自動匹配相關色彩和光影風格。

智東西上手體驗了Wan2.7-Video的角色替換功能，讓模型將原視頻中的歐美男生換為參考圖中的中國男生。

可以看到，素材替換后的視頻，背景和人物的服裝、姿態均與原視頻保持一致，人物的嘴型和臺詞也沒有改變，只是人物服裝上的光影效果被壓暗了。并且，視頻中替換后的中國男生也與素材照片基本一致。

原視頻：

修改后視頻：

體驗鏈接：

阿里云百煉：

https://bailian.console.aliyun.com/cn-beijing?tab=model#/model-market/all?providers=wan

萬相官網：

https://tongyi.aliyun.com/wan

一、支持局部增刪改，可參考多模態素材

在Wan2.7-Video中，用戶可以像修圖一樣修視頻，可以通過指令對視頻畫面進行局部調整，編輯后的區域在光影與材質上能與原視頻自然融合。

該模型支持指令增刪元素、替換物體，也可修改物體屬性，還可以支持參考圖像內容進行精準添加。Wan2.7-Video可以保持人物動作不變，將背景季節從夏日變深秋，或一鍵轉換畫風。

對于已經拍攝或生成的視頻內容，該模型支持通過指令描述對劇情內容和拍攝方法進行修改。

角色方面，Wan2.7允許用戶在不改變原有身份和場景的前提下，對角色的行為、臺詞甚至拍攝視角進行修改，實現二次創作。

該模型支持修改角色所講的臺詞內容，保持其情緒、口型與新臺詞匹配，并保持音色統一。用戶也可以修改視頻中角色的行為，如“其他保持不變，坐沙發上的女生變為站著打游戲”，僅動作邏輯改變。

同時該模型還支持同場景角色的風格、服飾、道具等的修改，保持原有姿勢不變。拍攝方面，Wan2.7支持修改拍攝相機設定如機位、視角、景別、鏡頭類型、焦距等。

Wan2.7可以保留原視頻的動作序列或鏡頭運動，生成新場景；參考視頻的風格化表現或粒子特效材質；保留原視頻的色彩風格和環境，增加劇情等。

本次升級，Wan2.7重點優化了視頻續寫+尾幀控制功能，Wan2.7可以實現對劇情走向和畫面構圖、光影的精準控制，兼顧動態延續性與結構可控性。

用戶只需要告訴模型后續劇情，它就能在保證畫面連貫的前提下，延展劇情、變換機位或調整節奏，有效解決傳統首尾幀中常見的“剎車感”以及視頻續寫可控性差的問題。

在參考圖方面，Wan2.7支持圖像、視頻、音頻等多模態參考，支持最多5個視頻主體參考。該模型還對多宮格參考圖進行了針對優化，可以直接將漫畫轉換成動畫片。

二、演繹超40種表情，還能拍出希區柯克效果

通義實驗室視頻團隊透露，Wan2.7對大量專業劇本進行了學習，這使得模型掌握了編排不同戲核的內在規律。

該模型能根據一句話，自動構建出符合戲劇邏輯的起承轉合，并生成節奏精準、鏡頭語言豐富的專業分鏡腳本。在情緒表達上，Wan2.7不僅支持高興、悲傷、憤怒等基礎情緒，還能演繹超過40種細分表情。

并且，Wan2.7還建立了一種新的映射關系，即以戲核為高級指令，直接驅動光影、攝影與色彩等參數的生成。用戶指定影片類型，如“西部片”、“科幻片”，即可獲得與風格相符的光影、色彩等。

除此之外，該模型將動畫的藝術風格解構為了整體造型、線條輪廓、光影材質、空間等多個獨立維度。用戶可以自由組合這些維度，創造出獨特視覺風格，并保持多鏡頭間的高度一致。

此外，在拍攝技巧上，其還支持推、拉、搖、移、跟、升降等數十種基礎運鏡，能執行希區柯克式變焦、上升揭示、左移右搖、手持跟拍等復合技巧。

結語：視頻生成不再是視覺模型的獨角戲

過去，用戶修改視頻中的任何細節幾乎都意味著重新生成整個片段，效率低下且難以保持一致性。Wan2.7的通過底層效率優化顯著降低模型的使用門檻，技術優化讓專業視頻創作變得更加輕松可控。

通義實驗室語音團隊透露，其在音頻預訓練、音頻數據、音頻理解方面提供了大力支持，顯著提升了該模型的聲音的真實感、自然度、音樂旋律和音畫同步的質量。

虎鯨文娛摩酷實驗室則在影視領域知識和角色表演方面提供了一系列專業支持，提升了模型的影視級表現力。

雙方的合作說明，當下高質量視頻生成已不僅僅是視覺模型的競賽，而是對音畫協同、表演邏輯和影視美學的綜合考驗。