阿里发布Wan2.7-Video视频生成模型:技术升级全面可控,开源策略转向闭源
4月3日,阿里正式发布Wan2.7-Video视频生成系列模型。此次升级在技术上实现了从单一生成向全流程可控的转变,但在开源策略上做出了重大调整,模型权重不再开放下载,转为API调用模式。
01技术核心功能:构建全流程视频生成流水线
- 文字生视频(t2v)
基于剧本或文字描述直接生成视频内容。 - 图片生视频(i2v)
将静态图片转化为动态视频,支持人物动作生成及画面运镜效果。 - 参考视频复刻(r2v)
参考输入视频的动作与运镜,生成风格一致的新内容。 - 视频编辑(videoedit)
提供类似文档编辑的视频修改功能,支持局部元素的增删与调整。
02技术可控性优势:解决局部修改痛点
传统的视频生成模型往往面临“生成不可控”的问题,一旦对画面某处不满意,通常需要重新生成整段视频。Wan2.7-Video针对这一痛点进行了优化,特别是在图生视频环节,实现了对生成画面的精细控制。用户可以直接对局部进行修改,包括增删元素、替换物体或调整颜色,无需重新渲染全片,显著提升了创作效率。
03开源策略变更:从免费下载到API服务
| 对比维度 | Wan2.2-S2V(旧版) | Wan2.7-Video(新版) |
|---|---|---|
| 获取方式 | 完全开源(GitHub/HuggingFace/魔搭) | API调用(阿里云百炼/通义万相) |
| 部署方式 | 支持本地部署 | 仅支持云端调用 |
| 开发成本 | 硬件成本自行承担 | 按使用量付费 |
| 数据安全 | 数据本地处理 | 数据上传至云端 |
阿里视频生成模型策略变更对比
04行业影响与争议
闭源策略下的利益博弈
商业化路径清晰
直接通过API和云服务变现,盈利模式更明确。
闭源有助于维持技术壁垒,防止竞争对手低成本复用。
集中算力资源提供服务,利于模型的持续迭代与维护。


开发自由度受限
失去本地部署能力,数据隐私与安全性面临挑战。
长期使用成本不可控,受制于厂商的定价策略。
部分用户反馈,希望厂商能继续提供社区版以供学习研究。
Wan2.7-Video的发布标志着阿里在视频生成领域的技术探索进入了新阶段,同时也折射出AI行业开源策略的整体转向。随着闭源模型商业价值的凸显,Meta、Stability AI等推崇的开源生态正面临挑战。对于开发者而言,如何在闭源趋势下寻找成本与安全的平衡点,将成为接下来的关注重点。
当前文章无评论,是时候发表评论了