通義萬相新模型 一圖一音生成數碼人影片

音頻驅動生成

Wan2.2-S2V-14B建基於以Wan2.2文生影片基礎模型構建的Wan-14B，屬音頻驅動的影片生成模型。用戶提供一張靜態圖片和一段音頻，模型便能讓畫中人物開口說話，生成時長可達分鐘級、具電影質感的數碼人影片。