阿里Wan2.2-S2V正式发布：仅一张图和一段音频 即可生成电影级数字人视频

　　据通义万相Wan公众号，阿里云正式发布全新多模态视频生成模型通义万相Wan2.2-S2V，并宣布开源。　Wan2.2-S2V极大地简化了视频制作过程，仅需提供一张静态图片和一段音频，模型便能生成面部表情自然、口型与音频高度一致、肢体动作流畅丝滑的电影级数字人视频。

　　支持分钟级长视频稳定生成，不止嘴动，手势、表情、姿态都能动。该模型单次生成的视频时长可达业界领先的分钟级，大幅提升数字人直播、影视制作、AI教育等行业的视频创作效率。Wan2.2-S2V可驱动真人、卡通、动物、数字人等类型图片，并支持肖像、半身以及全身等任意画幅，上传一段音频后，模型就能让图片中的主体形象完成说话、唱歌和表演等动作。

　　Wan2.2-S2V还支持文本控制，输入Prompt后还可对视频画面进行控制，让视频主体的运动和背景的变化更丰富。

　　而且模型在训练中充分挖掘跨域泛化能力，可自然驱动卡通人物、动物形象、二次元角色、艺术风格化人像，不再局限于真人肖像。

　　无论是萌宠说话，还是动漫角色唱歌，Wan2.2-S2V都能精准还原音画同步效果。

　　其提供480P与720P两档分辨率，兼顾效率与画质，适用于短视频、数字人、轻量影视等场景。