【视频】咱们国产视频模型终于发声了

咱们国产视频模型终于发声了 咱们国产视频模型终于发声了 Modified February 5 No access 0bc3sebckaacgianqsgr35uffeodewiqejia.f10002 00:00 No access 0bc3wyc6aaafwiab4o6wgbuflnwd4c3alyaa.f10002 00:00 No access 0bc3f4angaaakqancbwutzufal6d2mxqbuya.f10002 00:00 提示词： 让雕像动起来，让她跟随着动感的迪斯科舞曲（Disco music）疯狂摇摆身体，做出滑稽的舞蹈动作 时序指令场景 主播带货口红试色 测试目标： 核心测试模型对时序性指令的精确解析与执行能力。同时，考察其实现人声口播与唇形精准同步的综合水平，以及对语义的理解。 原图： No access 0b2exmbayaack4aa5xwwe5uffo6dbs5qedaa.f10002 00:00 提示词： 0s 2s:女生拿着口红在涂口红，2s 5s：女生放下口红对着镜头说：“姐妹们，给大家看看这款口红试色” 文生+音频驱动生成 音频驱动地域文化角色场景 豪爽的东北大叔 测试目标： 核心测试模型基于外部提供的音频，驱动特定文化角色口型与面部表情的能力。同时考察其生成地域文化元素的准确性。 原音频： 收成不错 Unable to preview. Please download the file. No access 0b2e6yenoaaikmann6o42jufr5wd273arvya.f10002 00:00 提示词： 在一个温暖的室内，背景是东北特色的花棉袄和土炕，一个戴着雷锋帽的东北大叔，他的口型和豪爽的面部表情需要与我提供的音频完全匹配 图生+音频驱动生成 图文音多模态驱动拟人化角色场景 打工猫 测试目标： 核心测试模型在提供了首帧图和音频的多模态输入下，实现拟人化角色（猫）的动态场景。同时，考察其通用音频驱动口型和面部表情同步（包含情绪表达）的能力，以及对复杂拟人化动作指令的遵循度。 原音频： 打工猫 Unable to preview. Please download the file. 原图： No access 0b2eciefwaaipiafqqo4wjufqewdlmjaqwya.f10002 00:00 提示词： 拟人化的猫一边指着电脑屏幕，指指点点，一边说话，无奈的表情 图文音多模态驱动舞台表演场景 深情歌唱 测试目标： 核心测试模型在提供了首帧图和音频的多模态输入下，实现人物唱歌。同时，考察其用音频驱动人物口型、面部表情及肢体动作与歌声进行情感和节奏同步的综合能力。 原音频： 女生唱歌 Unable to preview. Please download the file. 原图： No access 0bc33ec72aafauap4zorsruflwod7xmql7ia.f10002 00:00 提示词： 女生在台上深情款款的唱歌 在哪里看直播回放？ 本次直播视频模版效果展示板块回放👇 No access 0bc3uubbaaacgmabil6wc5uffjodccsqeeaa.f10002 00:00 提示词合集如何获取？ 由于公众号文章插入视频有个数限制， 通义万相Wan2.5 preview 完整版提示词案例合集 可以通过下面方法获取 1. 公众号搜索 [小歪的AI工具箱] ，关注公众号 2. 后台回复关键词： 通义万相2.5 即可获得完整资源包！ 写在最后 咱有一说一 虽然Wan 2.5 preview 音画同步功能在音效、bgm方面的呈现跟Veo3比还有一点差距 但放在国内的视频模型来说 是一个极大的突破 从 0 到 1 的突破 在人声这块 个人觉得 W an2.5 preview 中文讲话的能力远超Veo3，人物英文旁白表现也很不错 W an2.5 目前也是在preview的模型阶段 还有一些不完善的地方 期待后续的不断打磨，尽早推出正式版本以及基于这个底模衍生出来的更多功能应用 感谢你看到最后 我是AI尹小歪 专注于带给大家人人都能看懂、人人都能学会的实用AI工具教程 🌟 如果这篇教程对你有帮助，别忘了点赞👍、转发📤、推荐❤️、三连支持！ 想要第一时间获取最新AI资讯，了解最新最热AI工具玩法，学习AI新手入门教程，记得关注“小歪的AI工具箱”加星标哦⭐ No access 0bc3sebckaacgianqsgr35uffeodewiqejia.f10002 00:00 No access 0bc3sebckaacgianqsgr35uffeodewiqejia.f10002 00:00 No access 0bc3wyc6aaafwiab4o6wgbuflnwd4c3alyaa.f10002 00:00 No access 0bc3wyc6aaafwiab4o6wgbuflnwd4c3alyaa.f10002 00:00 No access 0bc3f4angaaakqancbwutzufal6d2mxqbuya.f10002 00:00 No access 0bc3f4angaaakqancbwutzufal6d2mxqbuya.f10002 00:00 No access 0bc3f4angaaakqancbwutzufal6d2mxqbuya.f10002 00:00 No access 0bc3f4angaaakqancbwutzufal6d2mxqbuya.f10002 00:00 提示词： 让雕像动起来，让她跟随着动感的迪斯科舞曲（Disco music）疯狂摇摆身体，做出滑稽的舞蹈动作 让雕像动起来，让她跟随着动感的迪斯科舞曲（Disco music）疯狂摇摆身体，做出滑稽的舞蹈动作 时序指令场景 主播带货口红试色 测试目标： 核心测试模型对时序性指令的精确解析与执行能力。同时，考察其实现人声口播与唇形精准同步的综合水平，以及对语义的理解。 原图： No access 0b2exmbayaack4aa5xwwe5uffo6dbs5qedaa.f10002 00:00 No access 0b2exmbayaack4aa5xwwe5uffo6dbs5qedaa.f10002 00:00 No access 0b2exmbayaack4aa5xwwe5uffo6dbs5qedaa.f10002 00:00 No access 0b2exmbayaack4aa5xwwe5uffo6dbs5qedaa.f10002 00:00 提示词： 0s 2s:女生拿着口红在涂口红，2s 5s：女生放下口红对着镜头说：“姐妹们，给大家看看这款口红试色” 0s 2s:女生拿着口红在涂口红，2s 5s：女生放下口红对着镜头说：“姐妹们，给大家看看这款口红试色” 文生+音频驱动生成 音频驱动地域文化角色场景 豪爽的东北大叔 测试目标： 核心测试模型基于外部提供的音频，驱动特定文化角色口型与面部表情的能力。同时考察其生成地域文化元素的准确性。 原音频： 收成不错 Unable to preview. Please download the file. 收成不错 Unable to preview. Please download the file. No access 0b2e6yenoaaikmann6o42jufr5wd273arvya.f10002 00:00 No access 0b2e6yenoaaikmann6o42jufr5wd273arvya.f10002 00:00 提示词： 在一个温暖的室内，背景是东北特色的花棉袄和土炕，一个戴着雷锋帽的东北大叔，他的口型和豪爽的面部表情需要与我提供的音频完全匹配 在一个温暖的室内，背景是东北特色的花棉袄和土炕，一个戴着雷锋帽的东北大叔，他的口型和豪爽的面部表情需要与我提供的音频完全匹配 图生+音频驱动生成 图文音多模态驱动拟人化角色场景 打工猫 测试目标： 核心测试模型在提供了首帧图和音频的多模态输入下，实现拟人化角色（猫）的动态场景。同时，考察其通用音频驱动口型和面部表情同步（包含情绪表达）的能力，以及对复杂拟人化动作指令的遵循度。 原音频： 打工猫 Unable to preview. Please download the file. 打工猫 Unable to preview. Please download the file. 原图： No access 0b2eciefwaaipiafqqo4wjufqewdlmjaqwya.f10002 00:00 No access 0b2eciefwaaipiafqqo4wjufqewdlmjaqwya.f10002 00:00 No access 0b2eciefwaaipiafqqo4wjufqewdlmjaqwya.f10002 00:00 No access 0b2eciefwaaipiafqqo4wjufqewdlmjaqwya.f10002 00:00 提示词： 拟人化的猫一边指着电脑屏幕，指指点点，一边说话，无奈的表情 拟人化的猫一边指着电脑屏幕，指指点点，一边说话，无奈的表情 图文音多模态驱动舞台表演场景 深情歌唱 测试目标： 核心测试模型在提供了首帧图和音频的多模态输入下，实现人物唱歌。同时，考察其用音频驱动人物口型、面部表情及肢体动作与歌声进行情感和节奏同步的综合能力。 原音频： 女生唱歌 Unable to preview. Please download the file. 女生唱歌 Unable to preview. Please download the file. 原图： No access 0bc33ec72aafauap4zorsruflwod7xmql7ia.f10002 00:00 No access 0bc33ec72aafauap4zorsruflwod7xmql7ia.f10002 00:00 No access 0bc33ec72aafauap4zorsruflwod7xmql7ia.f10002 00:00 No access 0bc33ec72aafauap4zorsruflwod7xmql7ia.f10002 00:00 提示词： 女生在台上深情款款的唱歌 女生在台上深情款款的唱歌 在哪里看直播回放？ 本次直播视频模版效果展示板块回放👇 No access 0bc3uubbaaacgmabil6wc5uffjodccsqeeaa.f10002 00:00 No access 0bc3uubbaaacgmabil6wc5uffjodccsqeeaa.f10002 00:00 提示词合集如何获取？ 由于公众号文章插入视频有个数限制， 通义万相Wan2.5 preview 完整版提示词案例合集 可以通过下面方法获取 1. 公众号搜索 [小歪的AI工具箱] ，关注公众号 2. 后台回复关键词： 通义万相2.5 即可获得完整资源包！ 写在最后 咱有一说一 虽然Wan 2.5 preview 音画同步功能在音效、bgm方面的呈现跟Veo3比还有一点差距 但放在国内的视频模型来说 是一个极大的突破 从 0 到 1 的突破 在人声这块 个人觉得 W an2.5 preview 中文讲话的能力远超Veo3，人物英文旁白表现也很不错 W an2.5 目前也是在preview的模型阶段 还有一些不完善的地方 期待后续的不断打磨，尽早推出正式版本以及基于这个底模衍生出来的更多功能应用 感谢你看到最后 我是AI尹小歪 专注于带给大家人人都能看懂、人人都能学会的实用AI工具教程 🌟 如果这篇教程对你有帮助，别忘了点赞👍、转发📤、推荐❤️、三连支持！ 想要第一时间获取最新AI资讯，了解最新最热AI工具玩法，学习AI新手入门教程，记得关注“小歪的AI工具箱”加星标哦⭐ 🔗 原文链接： https://mp.weixin.qq.com/s/ba7V0cAB... https://mp.weixin.qq.com/s/ba7V0cAB... 原创 玩AI的小歪 小歪的AI工具箱2025年09月25日 00:24 浙江 嗨，我是AI尹小歪，WaytoAGI视频板块版主。 你身边的AI工具分享家，专注挖掘实用AI工具与热门玩法，陪你用AI提效，创造更多价值。 搜索公众号“小歪的AI工具箱”，关注我不迷路 嗨，我是AI尹小歪，WaytoAGI视频板块版主。 你身边的AI工具分享家，专注挖掘实用AI工具与热门玩法，陪你用AI提效，创造更多价值。 搜索公众号“小歪的AI工具箱”，关注我不迷路 “时间不够用啊，好想再多试几条” 这是我今天凌晨3点跑完最后一条Wan2.5 preview 测试案例后内心的OS 早上7点，出发直奔 通义万相Wan2.5preview 发布直播间 上午10点多，通义万相2.5 Preview 模型全球首发，如期而至 有人评论直播间是不是通义官方的，哈哈哈 确实 直播间“略显简陋” 感觉万相就像个技术宅，在意技术突破，不在意一些花花绿绿的 but 正因为咱们技术宅的死磕，就有了这次新模型的突破 让人眼前一亮的： 音频驱动输入 和 音画同步输出 在今天上午的直播里，我给大家展示了这两方面的能力 同时也给大家分享了一些使用Wan2.5 preview 的提示词小技巧， 这个部分的直播回放我放在文末了 ，大家可以配合本文的案例提示词一起食用 在哪里可以使用 Wan2.5 preview ? 在线使用地址： 1. 通义万相官网 https://tongyi.aliyun.com/wan/explore 2. 阿里夸克全新AI创作平台【造点】 https://zaodian.quark.cn/ 目前造点有个7天免费畅玩万相2.5的活动，想体验新模型的小伙伴可以去这里试用（薅羊毛👀） Wan2.5 preview 提示词怎么写？ 提示词公式 提示词 = 主体 + 场景 + 运动 + 声音描述（人声/音效/背景音乐） 声音描述： 声音描述是视频中声音要素及其随时间变化的描述，用来指导声音内容和声音氛围，使其与画面叙事精准配合，主要包括人声、音效、BGM三类。 人声 = “输入角色的说话内容” + 情绪 + 语调 + 语速 + 音色 + 口音 示例：一个男人在讲脱口秀，他说道： "人脸识别最大的问题不是技术，而是我刚睡醒的脸" ，语气轻松，语速适中，声音清亮，美式英文。 音效 = 音源材质 + 行为 + 环境音 示例：一个玻璃小球从桌面掉在木质地面上，发出“砰”的声音，室内安静环境。 背景音乐 = 背景音乐/配乐 + 风格 示例：雨夜，阴森窄小的走廊，尽头有一扇窗户，配有悬疑风格背景音乐。 Wan2.5 preview 超全案例测评 我将从 文生视频 、 图生视频 、 文生+音频驱动生成 、 图生+音频驱动生成 这四个方面来给大家展示Wan 2.5 preview 呈现的不同场景 文生视频 (T2V) 日常生活场景 早餐时光 测试目标 ：基础音画匹配和生活化场景理解 提示词 ： 阳光洒进厨房，年轻女子在制作早餐，电磁炉上平底锅煎蛋时"滋滋"作响，她轻声哼唱，背景音乐是轻松的晨间音乐。 阳光洒进厨房，年轻女子在制作早餐，电磁炉上平底锅煎蛋时"滋滋"作响，她轻声哼唱，背景音乐是轻松的晨间音乐。 情感表达场景 告别 测试目标 ：情绪理解和声音情感匹配 提示词 ： 火车站台上，旁边是停着的火车，一对恋人告别，男生用中文说："记得按时吃饭"，声音温柔但带着不舍；女生用哽咽的声音回答："知道啦"。远处传来火车汽笛声，站台上人声嘈杂，配有感人的钢琴背景音乐。 火车站台上，旁边是停着的火车，一对恋人告别，男生用中文说："记得按时吃饭"，声音温柔但带着不舍；女生用哽咽的声音回答："知道啦"。远处传来火车汽笛声，站台上人声嘈杂，配有感人的钢琴背景音乐。 氛围感美学场景 清晨咖啡 测试目标： 测试模型对复杂连续指令的理解与执行能力，以及电影感氛围营造 No access 0bc3m4axuaab3uaij7osjjufcz6dpjtqc6qa.f10002 00:00 No access 0bc3m4axuaab3uaij7osjjufcz6dpjtqc6qa.f10002 00:00 提示词： 一家安静的咖啡馆，柔和的晨光从窗户斜射进来，空气中有尘埃在飘动。镜头特写，缓慢推进，完整记录下咖啡师的手将牛奶倒入咖啡，正在进行拉花，并最终形成一个完美的爱心拉花图案。 背景音乐是轻松的吉他纯音乐。 一家安静的咖啡馆，柔和的晨光从窗户斜射进来，空气中有尘埃在飘动。镜头特写，缓慢推进，完整记录下咖啡师的手将牛奶倒入咖啡，正在进行拉花，并最终形成一个完美的爱心拉花图案。 背景音乐是轻松的吉他纯音乐。 生活化互动场景 晨间问候 测试目标： 主要测试模型情感人声的能力，并考察其在场景中对话的音画同步表现。 No access 0b2efmencaaiciac5qg3gbufqk6d2evqruia.f10002 00:00 No access 0b2efmencaaiciac5qg3gbufqk6d2evqruia.f10002 00:00 提示词： 清晨的上海老街道的咖啡馆，一位顾客推门而入，老板说："欢迎光临，祝您有美好的一天"，语气温和，声音亲切。背景播放着轻松的爵士乐。 清晨的上海老街道的咖啡馆，一位顾客推门而入，老板说："欢迎光临，祝您有美好的一天"，语气温和，声音亲切。背景播放着轻松的爵士乐。 图生视频 (I2V) 物体拟人化动态场景 迪斯科雕像 测试目标： 核心测试模型遵循复杂反常理的动态指令（静态物体拟人化）的能力，生成特定风格（迪斯科）音乐并实现高精度音画节奏同步，同时考察其动态表现力 。 原图：