4 月 1 日，阿里巴巴发布图像生成与编辑统一模型 Wan2.7-Image。直击当前 AI 生图领域 " 标准脸 " 审美疲劳和 " 色彩盲盒 " 等痛点，该模型可实现 " 千人千面 "，捏出 " 活人感 "，全新的 " 调色盘 " 功能可精准控制色彩。
Wan2.7-Image 具备文生图、图生组图、图像指令编辑和交互式编辑等全链路能力。在人类偏好盲测中，" 文生图 " 能力超过 GPT-Image1.5 和国内主流模型，在文本渲染、照片级成像和世界知识指标上，接近 Nano Banana Pro。
图说：Wan2.7-Image 的人类偏好盲测评分位列国内第一。
为告别千篇一律的 "AI 脸 "，Wan2.7-Image 强化了虚拟形象捏脸功能，支持从骨相、眼眸到五官细微处的全方位定制，比如更换提示词中的脸型（鹅蛋脸、圆脸、方脸、长方脸等）、眼部特征（杏仁眼、深邃眼窝、圆眼、丹凤眼等），实现 " 千人千面 "。
艺术家和设计师需精准控制颜色，商业海报对配色还有严格要求，但 AI 生图往往是 " 色彩盲盒 "。Wan2.7-Image 全新支持 " 调色盘 " 功能，用户可通过 Hex Code，一键提取或输入参考图的各种颜色和占比，从马蒂斯浓郁的红色系、梵高明媚的黄色系，到毕加索清冷的蓝色系，都能参考生成同色系的图片，并可自由调控颜色的数量和占比，自定义配色方案。
超长文字渲染是 AI 生图的痛点，容易文字模糊、内容错乱甚至直接漏写。凭借长上下文文本编码（Long Context Text Encoder）解析超长序列，Wan2.7-Image 对超长文字、表格和复杂公式的渲染可达印刷级，支持 12 种语言，最高 3K tokens 的超长文字输入，可输出一页 A4 纸的论文。
此外，Wan2.7-Image 还具备强大的组图生成能力，可生成多达 12 张，用于批量制作同风格系列图、PPT 配图、分镜脚本、电商模特套图及多视角建筑图。
如果说生图能力是创作的基石，那么编辑功能则赋予了创作者掌控力。Wan2.7-Image 原生支持交互式编辑模块，更懂创作者的需求—— " 哪里不爽点哪里 "，用户可通过精准框，在指定区域元素添加、对齐、移动元素或 logo，实现像素级意图对齐。
Wan2.7-Image 的多主体一致性最高支持输入 9 张图片作为参考源。对于合影、电影海报及家具组合图等，可保持风格与特征的统一。其他常用的图像编辑能力，如镜头视角控制、光影处理、材质参考、照片修复、虚拟试衣等数十种实用功能，Wan2.7-Image 也能更稳定地输出，告别 " 抽卡 " 式创作。
不只会生图，还更懂图，Wan2.7-Image 更强的理解能力源于模型架构与训练过程中的技术突破。
在训练数据上，超大规模的异构数据底座不仅涵盖全域品类的视觉素材，还整合了理解类数据；在模型架构上，模型采用了领先的生成与理解统一模型架构，共享隐空间（Latent Space）来实现语义映射，文字紧挨着画面，模型不需费力去猜文字对应的画面；在训练流程中引入多模态指令（比如文字 + 图片），使得模型实现了从单纯 " 像素拟合 " 到 " 底层语义认知 " 的飞跃。
此外，在数据工程维度，根据图像的布局、文字、光影、拍摄角度和用途等，模型团队构建了多维精细标注体系。配合先进的分阶段训练策略与多任务优化，模型在长尾场景下仍然保持了极高的生成稳健度。基于更大规模数据及尺寸训练而成的 Wan2.7-Image-Pro 也同步上线，生成图像的构图更加稳定，语义理解更强更精准。
Wan2.7-Image 的强大功能可应用于多个行业。对于短剧与影视团队，借助千人千面的捏脸系统与分镜生成能力，可低成本完成角色设定、动作模仿与特效预览；对于自媒体与内容创作者，可轻松生成多风格封面、OOTD 穿搭；在电商领域，只需单张模特图，即可裂变生成特写图、不同场景的卖点图，大幅降低拍摄成本；教育和科研从业者可直接调用模型生成论文配图、信息图表与儿童绘本。对于时下大火的 " 龙虾热 "，Wan2.7-Image 现已支持 skill 调用，让龙虾画画，全面解锁生成模型的应用场景。
即日起，用户可在 https://tongyi.aliyun.com/wan/、wan.video 网站和阿里云百炼体验 Wan2.7-Image，千问 App 也即将接入。
兴旺优配提示：文章来自网络，不代表本站观点。
