2025年8月26日，阿里通义万相团队在著名社交媒体平台“X"的官方帐号上宣布，全新的电影语音转视频模型Wan2.2-S2V即将上线，不仅能生成视频，还能同步生成音频，直接让AI视频“开口说话”甚至“唱歌”！
哈哈，小编认为，这次全新的Wan2.2-S2V模型直接捅破了传统视频生成模型的天花板。
体验地址：阿里通义万相官网入口（wan国内版）
Wan2.2-S2V模型技术突破：
视频音频“同步生成”，告别“后期合成”
传统AI视频模型有个老大难问题：视频和音频得分开做，最后再硬凑到一起。要么是“哑巴视频”，要么是“对不上口型的音频”，效果总差点意思。Wan2.2-S2V直接“打包解决”——视频生成时，音频同步生成，连唱歌的节奏都能和画面完美匹配。团队放出的示例视频里，AI角色边唱边跳，口型、表情、音乐全对得上，这波“多模态融合”技术，堪称行业里程碑。
行业影响：内容创作者要“偷着乐”了
对创作者来说，这模型简直是“效率神器”。以前做个带音乐的视频，得先生成画面，再找配音或配乐，最后调口型，耗时又麻烦。现在用Wan2.2-S2V，一步到位，视频和音频自动对齐，连“对口型”的功夫都省了。更重要的是，它让“沉浸式内容”的门槛大幅降低——无论是短视频、动画，还是虚拟偶像表演，都能更真实、更有感染力。
简单说，阿里这次预告的Wan2.2-S2V模型，不仅是一次技术升级，更是在重新定义“AI视频生成”的标准。当视频和音频能“无缝配合”，AI内容的真实感和表现力，怕是要让观众分不清“真假”了。
毕竟，谁能拒绝一个“会唱歌、会跳舞”的AI视频呢？
想了解AITOP100平台其它版块的内容，请点击下方超链接查看
AI创作大赛 | AI活动 | AI工具集 | AI资讯专区
AITOP100平台官方交流社群二维码：
