一手實測阿里新模型wan2.6，我做出了人臉最像我的AI短片

又來一個頂著Veo3.1和Sora2出山的壓力怪，

阿里剛上線的Wan2.6已經(jīng)可以做到單次生成的嚴(yán)格一致性和多鏡頭敘事了，

也可以很輕松的一次生成創(chuàng)意產(chǎn)品展示，

除了視頻質(zhì)感的提升，這把還更新了幾個新功能，可以指定??演出，支持多鏡頭智能調(diào)度，音畫同步生成。

來看看他們的宣傳片，從切換鏡頭到角色一致到開口唱歌，整體來說完成度極高，我當(dāng)然要來測試一把。

長話短說，

內(nèi)測了兩天的使用感受是，一致性比我想象中的強，有種Sora2剛上線時候的既視感，提示語遵循能力比上一代強很多，能完成多鏡頭的生成。

老規(guī)矩啊，提示語和生成視頻也打包好了，公眾號回復(fù)“wan2.6”就行

先來看看角色扮演功能，上傳一段2-5秒的視頻，

我的建議是使用正臉無遮擋的視頻來制定角色，

當(dāng)然，這個角色不只局限于寫實的人物，卡通、寵物、道具等等都可以，

來到視頻生成頁面，目前一次最多可以生成10s的視頻，可以調(diào)用兩個角色進行合拍。

比如我這里用我的角色和我家小貓做了一個平時的日常，選擇角色扮演模式，提示語直接通過@角色的方式去寫就可以。

每次鏡頭切到我自己的時候根本就忍不住笑，

我要做100條我和小貓的日常，有人想看嗎？

我還做了一個小貓說話了的版本，貓咪嘴部的動作也很自然。而且這次碰到杯子的物理接觸也更加真實了。

目前萬相2.6對于單一角色的參考是非常穩(wěn)定的，能夠高清還原人物角色的細(xì)節(jié)，比如做日常拍攝經(jīng)常會遇到的單人的不同景別切換，

現(xiàn)在一條提示語就能搞定，

鏡頭一，中景描繪 @卡爾 背對鏡頭， @卡爾 站在巴黎公寓的落地窗前俯瞰著夜晚的埃菲爾鐵塔；鏡頭二，轉(zhuǎn)為手部特寫， @卡爾 的手拿起一把吉他；鏡頭三，人物的表情特寫， @卡爾 坐在巴黎公寓的落地窗抱著吉他做出深情的表情

景別切換自然，人物的動作和環(huán)境整體沒有bug，清晰度也夠高。人臉的一致性延續(xù)是很難做的，尤其要做到復(fù)刻自己，以前一次性生成真人風(fēng)格的鏡頭恐怖谷效應(yīng)特別嚴(yán)重，眼睛都是完全無神的。

但這次我覺得萬相2.6做出來的角色人臉和我是超級像，至少我有感覺是我自己的樣子，眼神是有感情在里面的。

PS，現(xiàn)在sora2限制真人的圖生視頻，wan2.6就沒這煩惱。

雙人對話的互動場景穩(wěn)定的也很高，還能做出不同的音色，我就實現(xiàn)了和大圣一邊烤串一邊聊天，

@卡爾 和 @大圣 坐在燒烤店里一邊吃燒烤一邊聊天， @卡爾 說：“猴哥，最近怎么樣，工作還那么忙嗎？” @大圣 說：“別提了，天天跑展子，這周去了仨了，都說我cos的太真了。”

從角色扮演的功能中就已經(jīng)展示了萬相2.6在使用角色扮演的同時就能夠?qū)崿F(xiàn)多鏡頭切換和音畫同步的效果了，

除了真人效果的生成之外，我還測試了萬相2.6其他方面的質(zhì)量，比如，這個煎荷包蛋的效果，從黃油放進鍋中，到打雞蛋下鍋，再到蛋慢慢煎熟，就最后一個鏡頭這個蛋清煎熟的過程，我夢回veo3剛出做真實物理的場景。

晚上想吃夜宵了可以做這樣一條消磨時間，說不定就不想吃了（才怪）

除了寫實之外，萬相2.6做風(fēng)格化的視頻效果也很不錯，比如這個粘土風(fēng)格的小人效果，人物動作，畫面風(fēng)格和音效都挺統(tǒng)一的，看不出什么違和感。

又或者我可以只告訴萬相2.6一句，

制作一個有趣的“Wan”炸雞廣告和表情包版本的廣告，帶有對話，其中有一個擬人小貓角色

它也能做到制作一個完整的15秒廣告視頻，分鏡和臺詞都自動給我匹配好，小貓的動作絲毫不崩，這效果我說實話不輸sora2，清晰度還更好。

我還可以指定角色出演指定產(chǎn)品廣告，

比如讓我給這瓶wan可樂拍個廣告，全程我和產(chǎn)品都保持著一致性，wan2.6自己也有很強的廣告思維，設(shè)計的臺詞和分鏡都符合廣告的特點。

如果我是品牌方想要保持我的短視頻帳號日更，還真可以用這個了，成本又低，劇情又有意思，每天roll幾個視頻發(fā)一發(fā)保持粉絲黏度，爽爽爽

最后的最后，

目前在百煉和萬相官網(wǎng)上都可以使用啦，地址我就貼這了。

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

tongyi.aliyun.com/wan/

不知道大家有沒有感受到，

現(xiàn)在AI視頻都朝著多鏡頭，多參考角色，音畫同步這三個方向集體補課。

我用下來會覺得這三條進化方向，

本質(zhì)上都在解決同一個問題，

就是把視頻生成從能出片推進到能交付。

因為做AI做單個鏡頭的天花板已經(jīng)很高了，

而在真正的影視行業(yè)中，

真實內(nèi)容的最小單位是鏡頭組，不是鏡頭，

短視頻，廣告，短劇，MV，產(chǎn)品演示，

本質(zhì)上是剪輯語言的表達，

遠景交代空間、中景推進動作、特寫傳遞情緒，再用轉(zhuǎn)場把節(jié)奏打出來。

以前AI只會生成一個鏡頭的結(jié)果就是，

我們還是要回到剪輯軟件里把故事拼起來，

交付鏈路會斷在最后一步。

所以，大家可能會感覺到能做出好作品的，

還是之前懂影視知識，會動手剪輯的那一波人。

但現(xiàn)在，

多鏡頭+參考角色+音畫同步，

這三條線糅合在一起后，

生成模型更像是一個導(dǎo)演系統(tǒng)了，

這就是在無限縮小普通人和技術(shù)人之間的差距，

人人都能做1分鐘導(dǎo)演，

這牛已經(jīng)不需要吹了。

@ 作者 / 阿湯 & 卡爾

最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點贊｜在看｜轉(zhuǎn)發(fā)｜評論

如果想要第一時間收到推送，不妨給我個星標(biāo)

如果你有更有趣的玩法，歡迎在評論區(qū)和我聊聊

更多的內(nèi)容正在不斷填坑中……