通义万相
阿里通义旗下的图像与视频生成模型，支持参考图控制与指令编辑，国内可直接访问
通义万相是什么
通义万相是阿里通义体系下的生成模型，一句话定位是「图像与视频都能出的国产生成底座」。它早期以文生图被熟知，如今能力扩展到视频生成与编辑，官方把它归为多模态的生成模型家族。
它归在 AI 绘画这一类，但和纯绘图工具相比多了视频这条腿。对用户的实际意义是：同一套提示词与参考素材的思路，可以同时用在静态画面和动态片段上，不必在两个工具之间来回切换与重新适应。
有一点需要如实说明：它的能力重心在持续向视频倾斜。近期的版本介绍里，视频相关的特性占比很高。如果你主要做静态图，它的图像能力依然可用；如果你关心的是视频生成，那正好在它的主攻方向上。
可用性与中文支持
- 大陆网络：可直接访问，由阿里在境内提供服务，无需额外网络条件
- 界面语言：原生简体中文，本土题材与表达习惯的适配较好
- 注册：阿里系账号可登录，与集团其他服务共用身份体系
- 付费：提供免费试用额度，超出后按用量或订阅计费，另有云服务计价方式
主要功能
- 图像与视频双能力：既能生成静态画面，也支持视频片段的生成与编辑
- 参考图控制：可传入参考素材约束生成结果，让产出更贴近已有风格或形象
- 指令式编辑：对已有画面用自然语言下修改指令，不必从头重做
- 细节保持：在编辑与扩展画面时，尽量维持原有像素与结构的一致性
- 多素材参考：支持一次传入多份参考材料，用于处理较复杂的组合需求
- 文档与网页解析：能读取较复杂的输入材料，用于内容驱动型的生成
- 中文理解好：提示词用中文描述即可，对本土题材与表达习惯的适配较好
- 与阿里云生态衔接：需要走接口调用时，可直接接入其云服务
如何使用通义万相
- 先想清是要图还是要视频：两者对提示词的写法要求不同。静态图更看重视觉细节与构图的描述，视频还需要交代运动与时间上的变化。
- 能用参考图就别纯靠文字：有明确的风格、形象或构图要求时，传参考比反复改提示词高效得多，产出也更可控。
- 要改动就下指令，不要重来：对画面局部不满意时，用文字指令让它改那一处，比重新生成一张更能保住已经满意的部分。
- 复杂需求拆开做：需要多种元素组合时，与其写一段很长的描述，不如分步生成再拼接，通常更稳定。
- 中文描述可以直接写：不必为了迁就模型去写英文提示词，用中文把场景、主体、氛围讲清楚即可。
前提说明：由国内厂商提供，大陆网络环境下可直接打开使用，无需额外准备访问条件；各能力的可用范围与额度会随版本调整，具体以产品页面当前展示为准。
核心优势
优点
- 图像与视频能力集成在同一处，风格可以在两类产出之间延续
- 支持参考图控制与指令式编辑，产出可控性比纯文字生成高
- 中文提示词理解到位，本土题材的描述更省事
- 国内直连，不必为访问流程额外折腾
局限
- 能力重心向视频倾斜，只做静态图的用户未必吃满它的价值
- 复杂组合需求仍需要拆步处理，一次到位的成功率不算高
- 免费额度有限，长期大量使用需转入付费
- 生成结果存在随机性，重要产出常需多轮筛选
使用示例
场景：一位做短视频的创作者需要为一期内容准备封面图与配套的几秒片头画面，希望两者在视觉风格上连贯。
做法：先用文字描述确定封面的画面与调性；把满意的封面作为参考素材，用于生成片头片段，让风格延续；再对片段里的运动与节奏用指令微调，直到和正片的开场衔接自然。
结果：封面与片头出自同一套风格逻辑，整期内容在视觉上像是一个整体，而不是拼凑起来的素材。
适合谁：需要图像与视频混合产出、又希望用中文直接描述的创作者。不适合谁：只追求单张图片极致画质的专业插画师 —— 那类需求在专精绘图的工具上更容易满足。
同类工具对比
| 工具 | 定位 | 强项 | 上手成本 |
|---|---|---|---|
| 通义万相 | 图像+视频生成 | 双能力并重，支持参考与控制 | 低，国内直连 |
| 即梦AI | 图像生成 | 中文提示词友好，出图快 | 低，国内直连 |
| 可灵AI | 视频生成 | 动态表现与时长控制成熟 | 低，国内直连 |
| Midjourney | 艺术向绘图 | 单张作品的画面表现力 | 中，需国际网络 |
选择逻辑：图与视频要在一处做完，通义万相的一体化最省事；主要出静态图、要快，即梦更直接；重点在视频质量与可控性，可灵的动态能力更专注；要极致画面质感，Midjourney 仍是首选。
产品定价
提供免费试用额度，超出后按用量或订阅计费，部分能力对接云服务单独计价，具体以官网为准。
价格与档位可能随时调整，以上信息以官网为准。
应用场景
- 内容封面：为图文与视频快速准备配图
- 短片段生成：制作几秒的过渡或片头画面
- 风格延续：用同一套参考素材保持系列内容一致
- 指令改图：对已有画面做局部调整而非重做
- 本土题材：用中文描述生成国内场景与文化元素
常见问题
国内能直接用吗？
可以。它由国内厂商提供，大陆网络环境下能正常打开与使用，不需要额外的网络条件，这是它相对海外绘图工具最实际的优势之一。
生成的内容能商用吗？
涉及商用前请以官方当前公示的条款为准 —— 这类平台的使用范围与授权条件会调整，不要依据第三方转述或旧版本说明下判断。用于正式商业项目时，建议先在官方页面确认最新的授权口径。
图像和视频能力哪个更强？
这是很多人的疑问。从官方近期的版本侧重看，视频方向是被重点投入的一条线，新特性多集中于此。图像能力依然完整可用，但如果你对静态图的专业要求特别高，不妨也对比一下专精绘图的工具再做选择。
提示词要怎么写？
用中文把「主体、场景、氛围、构图」四个方面说清楚就足够。不必强行套英文模板，也不要堆砌大量形容词 —— 描述越具体明确，产出越接近你想要的效果，含糊的堆砌反而会让结果发散。
它和专门的绘画工具体验差别在哪？
最大的差别在可控性手段的丰富程度。专精绘图的工具往往提供更细的参数调节、更强的风格迁移与更高的单张精度；通义万相则把重点放在「够用的可控」上 —— 参考图、指令编辑、多尺寸输出这些常用手段都有，但不追求把每个参数都开放出来。对日常做配图与短片段的人，这套组合已经足够；对需要逐项微调的职业创作者，会觉得可调空间偏保守。另一个差别是产出的取向：它更偏向「稳定拿到可用结果」，而不是「搏一张惊艳的作品」。