阿里通义发布Wan2.7-Video大模型 一句话即可实现视频全维度编辑

2026年4月3日，阿里通义实验室正式发布视频创作大模型Wan2.7-Video，该模型支持文本、图像、视频、音频全模态输入，可实现从画面结构、局部细节到时序剧情的多维度编辑，用户仅需输入自然语言指令即可完成捏脸、换角色、改剧情等操作，同时自动保持光影材质一致性，大幅降低专业视频创作门槛。

很多内容创作者都有过“废片拯救”的痛点：精心拍摄的vlog出现表情崩坏的画面、剧情走向不符合预期、想要更换片中角色却要付出数小时的剪辑成本，甚至只能重拍。这类需求如今有了更高效的解决方案。

此前市面上的视频大模型大多聚焦文生视频、图生视频的生成能力，针对已有视频的编辑功能普遍存在精度不足、时序混乱、穿帮频发等问题：局部修改后光影材质与原片脱节，调整剧情后前后片段逻辑无法自洽，复杂的操作门槛也让普通用户望而却步。随着短视频、内容创作行业的规模持续扩大，市场对低门槛、高精度的视频编辑工具的需求正在快速攀升。

本次发布的Wan2.7-Video核心能力恰好瞄准了上述痛点，其支持全模态输入，用户可搭配文字、图片、音视频等多种素材给出编辑指令。

不同于传统AI编辑工具的“改完就穿帮”问题，该模型会在编辑过程中自动匹配原片的光影、材质、运镜风格，哪怕是替换角色、调整人物表情这类局部修改，也能做到与原片毫无违和感。

此外，模型首次搭载了视频续写与尾帧控制联合机制：用户既可以基于现有片段自动续写后续内容，也能直接指定最终结尾的画面效果，模型会自动生成衔接流畅的中间内容，实现“定头定尾出内容”的创作效果。