Full text · 原文
3,296 字
鹭羽 发自 凹非寺<br>
量子位 | 公众号 QbitAI<br>
一个APP就能搞定爆款视频！这届AI玩家也太猛了。<br>
能捏脸、能控色、会排版、全模态、戏感强还保真……<br>
划重点，几乎只有你想不到的，就没有它做不到的。<br>
不卖关子了——<br>
这款全能创作搭子就是阿里最新上线千问APP的Wan2.7，好玩程度直接硬控我一整天。<br>
不妨先来段视频感受一下，be like：<br>
Prompt：生成一段视频，一个男人非常吃惊地看向镜头，镜头拉远，一群人都很吃惊，镜头翻转，原来是他们看到了Wan2.7的广告牌。<br>
视频链接：https://mp.weixin.qq.com/s/hc0gyu23DeSn1EknMfhyHA<br>
人物表情生动自然，镜头衔接流畅，都相当符合Prompt要求，尤其是群像塑造上，真正做到了“千人千面”。<br>
同时还自动生成了匹配的人声音效，就这成片给到一个夯！<br>
难度升级，再来一个图生视频试试，比如喂给AI一张图片：<br>
以及一段音频：<br>
音频链接：https://mp.weixin.qq.com/s/hc0gyu23DeSn1EknMfhyHA<br>
Prompt：根据图片和音频生成一段萨克斯表演。<br>
nice！光影变幻间，即刻上演一场精彩的单人萨克斯演出：<br>
视频链接：https://mp.weixin.qq.com/s/hc0gyu23DeSn1EknMfhyHA<br>
再加点料，在原视频基础上补充一张尾帧图，让演奏者丝滑切换：<br>
Prompt：根据图片续写该视频，让女性演奏家加入表演。<br>
效果是酱紫的：<br>
视频链接：https://mp.weixin.qq.com/s/hc0gyu23DeSn1EknMfhyHA<br>
而这些通通都是我在千问APP上完成的，操作非常简单，只需在“AI视频”中上传刚刚生成的第一段视频，以及尾帧图片即可。<br>
这一次，不止视频生成得到史诗级增强，图片能力也直接next level。<br>
无论是8色HEX精准控制还是3K tokens超长文本支持，AI创作这件事都在千问APP中变得so easy～<br>
话不多说，直接深度开测。<br>
这届AI来了位实力演技派<br>
交互页面倒是没有比较大的改动，要么创作面板，要么chat对话。<br>
总之，以前千问APP怎么用的，现在就还怎么用。<br>
主要是新增了视频编辑、视频续写、动作模仿能力，加上模型能力Pro，下面我们以具体的创作过程一一道来。<br>
先看图像生成。<br>
这次Wan2.7-Image的亮点是“千人千面”，比如在人物脸部上，用户可以自定义五官细节，包括骨相、眼神、皮肤纹理等。<br>
这里我们尝试用Wan2.7-Image复刻《哈利波特》原著中的斯内普教授形象：<br>
一个大约35岁的男人，面色蜡黄，油腻的及肩黑发，显眼的鹰钩鼻，冷漠空洞、像黑色隧道一样的双眼。身穿一件高领黑色长袍，背景为霍格沃茨昏暗潮湿的地窖。<br>
u1s1，说这是真人定妆照也不为过。眼神复杂幽深，连毛孔皱纹都清晰可见。<br>
同样的，我们把提示词交给Gemini和ChatGPT。<br>
左：Gemini；右：ChatGPT。<br>
显而易见，Gemini直接照搬电影版选角，ChatGPT在鹰钩鼻的塑造上并不贴合。但都比电视剧版好太多……（doge）<br>
Wan2.7-Image还具有调色盘能力，比如这个实用性的场景设计：<br>
一张赛博朋克风格的深夜街道照片，细雨蒙蒙，画面主色调选择蓝色RGB(0，70，255)。镜头焦点是一个发光的霓虹灯招牌，上方写着大而清晰的汉字“未来之城”，下方写着手写体英文“Neo Metropolis”。<br>
将图片导入PS，可以直观看到，画面主色调精准落在蓝色系中，色差控制在合理的误差范围之内。<br>
另外，中英双语的文字渲染也没有出现乱码的情况。据官方介绍，Wan2.7-Image还能支持最高3K token的超长文字输入，可以写满足足一整页A4纸。<br>
这次Wan2.7的视频生成能力，也有惊喜。<br>
比如让千问APP帮忙手搓一个旅游Vlog，咱也来赶赶时髦。<br>
根据六宫格参考图生成一个巴西旅游Vlog。<br>
好好好！也是在地球另一端感受到了桑巴热情。<br>
视频链接：https://mp.weixin.qq.com/s/hc0gyu23DeSn1EknMfhyHA<br>
要是对视频细节不满意，还可以进行局部编辑，比如原视频是这样的：<br>
视频链接：https://mp.weixin.qq.com/s/hc0gyu23DeSn1EknMfhyHA<br>
只需输入提示词+上传参考图，就能将胶片一键替换成盘子。<br>
将视频中的胶片替换为图片中的盘子。<br>
视频链接：https://mp.weixin.qq.com/s/hc0gyu23DeSn1EknMfhyHA<br>
且看盘子上的反光，细节好评！<br>
修改静态主体还不够，我还能直接用千问APP的视频模仿功能，无痛学习新动作～<br>
比如我觉得这个小哥的动作很丰富：<br>
视频链接：https://mp.weixin.qq.com/s/hc0gyu23DeSn1EknMfhyHA<br>
尝试套到另一个角色身上：<br>
让图片中的人物模仿视频中的人的手势动作，保持双手配合和手势变化过程清晰可见。<br>
视频链接：https://mp.weixin.qq.com/s/hc0gyu23DeSn1EknMfhyHA<br>
最后来玩个有意思的：拍好莱坞大片！<br>
视频链接：https://mp.weixin.qq.com/s/hc0gyu23DeSn1EknMfhyHA<br>
看不够，那就用视频续写延长战斗：<br>
视频链接：https://mp.weixin.qq.com/s/hc0gyu23DeSn1EknMfhyHA<br>
（无奖竞猜：男人为何如此惊恐？）<br>
总之实测下来，Wan2.7给我最大的感受是——妙！<br>
不仅仅可玩性大大提升，而且用起来还特别方便。<br>
以前要创作一个视频，需要经过反复多次的修改剪辑，现在千问APP里就能一站式续写和参考重塑，迅速提炼出爆款视频的流量密码。<br>
而且不只是日常的创意表达，专业的平面设计或者影视制作也能大用特用，就比如最近大热的AI演员、AI短剧，Wan2.7就能分得一杯羹。<br>
而且演技还不输专业演员，够真实、够好用。<br>
口说无凭，例如在人类偏好盲测评分中，Wan2.7-Image就位列国内生成模型第一，超过GPT Image 1.5，逼近Nano Banana Pro。<br>
实力能打+人人可用，那么这里就引出一个核心问题——<br>
Wan2.7的发布，究竟代表着什么？<br>
触手可及的创作，让人人都能生产爆款<br>
显然，这并非一句“千问团队实现技术突破”就能简单带过的。<br>
当我们将目光放大至整个行业，就会发现一个愈加明显的趋势清晰可见：<br>
AI内容生成正在加速进入中国时间。<br>
先看硅谷这边，曾经的AI生成龙头Sora悄然退场，以OpenAI为首的科技巨头纷纷从全面开花，转向Agent和底层推理的战略性单点收缩。<br>
而例如视频生成这类高投入、慢回报的支线任务则被率先抛弃。<br>
但与之形成对比的，是国内市场陆续迸发出多款高性能且全面的视频/图像生成模型。<br>
归根结底，一方面是因为国内拥有更完善的C端场景（如短视频、电商），更适配AI内容生成的商业化落地。<br>
另一方面，中国厂商也更注重培养模型的工程应用能力，尝试以更行之有效的迭代速度和更低的成本，加快AI融入创作者的工作流。<br>
那么如何更高效地打通AI到创作者的“最后一公里”呢？<br>
依据多年深厚的用户场景积累，阿里的答案简单粗暴——直给。也就是直接将最强模型同步装进APP。<br>
这源于阿里对市场的精准洞察：技术领先只是大模型的入场券，技术普惠才是产品真正的护城河。<br>
细数阿里千问最近的动作，无一不在印证这点——春节期间“千问办事”的能力出圈，现在又将Wan2.7下放到移动端，就是为了让更多人能够第一时间享受到技术红利。<br>
只要用户开始用了，就会发现AI创作这件事原来没有想象中那么难，即使是对模型一窍不通，也能通过最基础的功能按键和一句指令，稳定创造出高水准的视频。<br>
可以预见的是，未来制作爆款视频和精美图像就会变得像点外卖、刷视频一样简单，到那一刻，才是真正打开了人人AI创作的大门。