↑
概述
阿里通义万相视频生成模型，支持单镜头 30 秒、1080p 与原生音频，权重开源可私有化。
关键信息
| 项目 | 说明 |
|---|---|
| 发布方 | 阿里云 |
| 单段时长 | 最长 30 秒 |
| 分辨率 | 1080p |
| 参考输入 | 最多 10 张参考图 |
核心能力
- 支持原生音频与音画同步
- 结构化文本（PPT、文档、提纲）转视频能力突出
- 开源版本可本地部署，MIT 商业授权
阿里通义万相视频生成模型，支持单镜头 30 秒、1080p 与原生音频，权重开源可私有化。
| 项目 | 说明 |
|---|---|
| 发布方 | 阿里云 |
| 单段时长 | 最长 30 秒 |
| 分辨率 | 1080p |
| 参考输入 | 最多 10 张参考图 |