通义万相AI视频

通义万相AI视频是阿里巴巴的视频生成模型，在网页上输入文字或给一张图，生成视频片段，到 2.5 版本之后还能同时生成与画面同步的声音。它走的是模型加云服务的路子：普通用户在产品页面直接体验，开发者和企业则通过阿里云的接口按调用量付费接入。用它的多是阿里云上的开发者、电商内容和营销团队。

基本介绍

通义万相由阿里巴巴旗下的通义团队推出，视频生成是其图像能力之外的延伸。产品既提供面向普通用户的在线体验入口，也通过阿里云模型平台开放接口。模型按版本迭代，能力覆盖文生视频、图生视频和带声音的视频生成，输出规格从 480p 到 1080p。

发展历程

万相视频模型在 2024 年 9 月上线，支持 5 秒、720p 生成。2025 年 2 月的万相 2.1 开源，支持文本、图片和视频输入；7 月的万相 2.2 把分辨率提到 1080p；9 月的万相 2.5 引入原生音频，支持 5 秒和 10 秒两种时长；12 月的万相 2.6 进一步支持 2 秒到 15 秒的多档时长和 720p、1080p 输出，并把图生视频的无声版与有声版分开定价。

核心功能

• 文生视频：按文字描述生成片段，提示词最长可写 1500 字符。
• 图生视频：以图片为起点生成动态画面，比纯文本方式更容易控制主体。
• 音画同步：万相 2.5 起支持与画面同步的声音生成，无需另外配音。
• 多时长可选：不同版本支持 5 秒、10 秒，2.6 版本可到 15 秒。
• 多分辨率输出：480p、720p、1080p 按需选择，输出为带音频的 MP4。
• 接口调用：通过阿里云模型平台异步调用，支持批量和程序化集成。

适用人群

• 阿里云上的开发者：需要把视频生成能力接进自己的应用或工作流。
• 电商与营销团队：做商品展示、活动推广的短视频素材。
• 内容创作者：用在线入口快速试效果，不做开发也能用。
• 企业技术团队：需要在境内完成部署、符合数据合规要求的场景。

使用方式

个人用户可以在产品页面直接体验，按提示词或图片生成。开发者通过阿里云模型平台的接口调用，按生成视频的分辨率和时长计费，费用等于每秒单价乘以时长。以万相 2.5 为例，480p 约 0.3 元每秒、720p 约 0.6 元每秒、1080p 约 1 元每秒，任务提交时只做余额预检查，生成成功后按实际规格扣费，失败不扣费。国际区域的定价略高于中国大陆，具体以官方计费文档为准。

局限与注意

视频生成按输出规格计费，选 1080p 和长时长时成本上升很快，批量生成前最好先用低分辨率试参数。提示词长度有上限，复杂叙事的描述要压缩。模型不同版本之间能力不统一，2.5 支持音频、2.1 开源可自部署，选版本时要对着需求查清楚。内容审核比较严格，图片格式和尺寸不合规会被直接拒绝。图像生成和视频生成分开计费，别把两边的额度混着算。

常见问题

普通人能直接用吗？可以，有面向用户的在线体验入口，不必写代码。

怎么收费？开发者侧按分辨率和时长按秒计费，参数调高成本就上去了，失败的任务不扣费。

和开源版本是什么关系？部分早期版本已经开源，可以自行部署；版本越新、能力越强的一般走云服务调用。

相关导航

配合PixTV、即梦AI、Sora使用，基本能覆盖这一类需求的主要环节。