智东西

作者 | 陈佳

编辑 | 心缘

智东西 4 月 1 日报道，刚刚，阿里正式发布新一代图像生成与编辑统一模型 Wan2.7-Image，一举将文生图、图生组图、图像指令编辑和交互式编辑整合进同一套模型架构。

新模型主打四大能力：可自由定制五官骨相的 " 千人千面 " 捏脸功能、能精准提取和控制色彩配比的 " 调色盘 " 功能、最高支持 3K token 超长文字渲染的印刷级排版能力，以及支持框选区域精准操作的像素级交互式编辑能力。

我们重点测试了该模型 " 千人千面 "、交互式编辑和多主体一致性三个方面的能力。

在人物生成测试中，无需精细控制提示词，该模型已能在同一组输出中呈现脸型轮廓、颧骨位置、下颌线各异的差异化人像，告别批量同脸问题。加入脸型关键词后，不同轮廓的响应可感知，但方脸、长脸等强特征的精准度仍有提升空间。

在交互式编辑测试中，我们以《唐顿庄园》电影剧照为素材执行人物位置互换，模型在保留服饰特征和背景环境的前提下完成了对调。

在多主体一致性测试中，我们基于参考人物要求模型生成咖啡馆、户外街拍、正式会议室三大场景共 12 张图像，模型精准保留了参考人物的面部特征、发型轮廓与整体气质，跨场景辨识度稳定，同时对不同场景的光影逻辑和环境氛围适配良好，是三项测试中表现最为亮眼的一项。

同步上线的 Wan2.7-Image-pro 在构图稳定性和语义理解上进一步提升。

从官方盲测结果来看，Wan2.7-Image 多项能力已位列国内第一，整体水平接近 Nano Banana Pro。

目前，两款模型均已在阿里云百炼平台开放 API 调用，万相官网也支持直接体验。

万相官网：

https://tongyi.aliyun.com/wan

百炼国内站：

https://bailian.console.aliyun.com/cn-beijing?tab=api#/api/?type=model&url=3026980

百炼国际站：

https://modelstudio.console.alibabacloud.com/ap-southeast-1?tab=api#/api/?type=model&url=3026980

一、告别 "AI 标准脸 "，还能写满一页 A4 纸

AI 生成人像 " 千篇一律 " 是业界长期的痛点，Wan2.7-Image 强化了虚拟形象 " 捏脸 " 功能，支持从骨相到五官细节的全方位定制——脸型可在鹅蛋脸、圆脸、方脸、长方脸之间切换。

在人物生成能力上，我们使用了一条基础的提示词进行测试：" 一个年轻女性肖像，半身照，电影感光影，高清细节，真实皮肤质感 "。

在未加入任何脸型、五官或身份限定的情况下，Wan2.7-Image 一次生成了 4 张人像。从结果来看，这组图已经明显不同于以往常见的 "AI 标准脸 "，人物之间呈现出较为自然的差异。

四张图中的人物在脸型轮廓、颧骨位置和下颌线条上各不相同，并非简单的 " 同一张脸微调 "。

同时，皮肤纹理、毛孔及轻微瑕疵（如泛红、肌理不均）均被真实保留，未出现过度磨皮的失真感。

在光影控制与整体氛围营造方面，Wan2.7-Image 表现出色。四张图像均采用自然窗光作为主光源，形成强烈的明暗对比与电影化质感，背景环境元素虚实得当，未对主体造成干扰，且不同图像间的人物特征保持了较高的一致性。

整体来看，在无精细控制提示词的情况下，Wan2.7-Image 已经可以生成风格统一但人物不同的人像结果，相比以往容易出现的 " 批量同脸 " 问题，有明显改善。

在基础人像生成测试后，我们进一步加入明确的脸型约束，对 Wan2.7-Image 的 " 捏脸能力 " 进行验证。测试提示词在原有基础上增加：鹅蛋脸 / 圆脸 / 方脸 / 长脸。

从实测结果来看，Wan2.7-Image 模型能够对脸型特征做出差异化响应，不同生成样本中，人物面部轮廓呈现出从鹅蛋脸到圆脸、方脸的明显区分，下颌线、颧骨宽度、面部长宽比等核心脸型指标存在可感知的差异。

在皮肤质感、电影感光影等方面，限定脸型后生成的图片画面细节保留度基本稳定。但该模型的脸型控制仍存在精度与一致性的不足。部分图片存在特征模糊、脸型特征不典型的问题，难以完全匹配 " 方脸 "" 长脸 " 等强特征的严格定义。

对比未添加脸型关键词的基础生成版本，限定脸型后生成的图片人物面部占比整体偏大，脸部视觉尺寸有所扩增，头身比例、半身构图的原有平衡被打破。

在官方演示案例当中，Wan2.7-Image 模型生成的图片人物眼部特征支持杏仁眼、深邃眼窝、圆眼、丹凤眼等多种选项，并能跨越国籍与年龄生成差异化人像。

另一大亮点是 " 调色盘 " 功能。用户可一键提取参考图的颜色及其占比，并以此为基础生成同色系图片，同时自由调控各颜色的数量和比例，构建个性化配色方案。无论是马蒂斯浓郁的红色系、梵高明媚的黄色系，还是毕加索清冷的蓝色系，都可作为输入参考，输出色调高度一致的全新画面。

在文字渲染方面，Wan2.7-Image 支持 12 种语言，最高可处理 3K token 的超长文字输入，输出效果达到印刷级质量。这一能力让其在信息图、教育插画、旅游攻略长图海报等场景中颇具实用价值——理论上可以一口气生成排满一页 A4 纸的论文。

二、一次生成 12 张图，还能 " 哪里不爽改哪里 "

Wan2.7-Image 的编辑能力也迎来了显著升级，其 " 交互式编辑 " 功能支持用户在指定区域内精准框选，对框内元素进行添加、对齐、移动操作，也可进行 Logo 插入和人物位置互换，实现像素级意图对齐。

实测中，我们用《唐顿庄园》电影剧照图片执行 " 两人位置调换 " 的编辑指令，Wan2.7-Image 成功将原图中左侧蓝裙人物与右侧黄裙人物的站位进行了对调。

人物主体、服饰特征（蓝 / 黄缎面礼服、头饰、项链、长手套）均完整保留，未出现主体丢失、严重变形等致命问题，整体场景的背景环境（宴会厅装饰、背景人物、花艺陈设）也基本维持了原图的一致性，实现了编辑指令的核心诉求。

官方演示中，用户框选图中两个人物后输入 " 互换位置 " 指令，模型准确完成了人物交换，且背景及其他元素保持不变。

在另一官方案例中，用户通过框选区域、指定对话气泡风格和文字内容，直接生成了毛毡风格的对话场景，文字与画面风格统一。

多主体一致性是图像生成中难度较高的任务。Wan2.7-Image 在这一方向支持最多 9 图的风格与特征统一，可用于合影生成、电影海报及家具组合图等场景。官方展示了 AI 女团海报和家具组合图的生成效果，多人物之间的风格一致性较高。

我们基于参考人物进行多场景生成测试，发现 Wan2.7-Image 在核心人物特征的一致性还原上展现出较高水准。模型根据提示词 " 基于参考人物，生成 3 张图：（1）咖啡馆内看书；（2）户外街拍；（3）正式会议室 "，输出了一组共 12 张图像。

从输出结果来看，模型精准保留了参考人物的核心面部特征、发型轮廓与整体气质，在咖啡馆、户外街拍、正式会议室三大场景中，人物主体的辨识度始终稳定，未出现五官变形缺陷。

同时，模型对场景环境的适配性表现优异，不同场景的光影逻辑、环境氛围与人物状态高度匹配，咖啡馆的暖光、户外的自然光、会议室的室内冷光均符合场景逻辑，人物服饰、姿态也与场景属性高度契合。

三、不只会画图，还开始 " 理解图 "

从技术层面看，Wan2.7-Image 有三个维度的升级。

在训练数据上，模型底座整合了超大规模异构视觉素材，并额外加入了理解类数据，使模型不止于像素级拟合，还具备底层语义认知能力。

在模型架构上，Wan2.7-Image 采用生成与理解统一的模型架构，在共享隐空间（Latent Space）内实现语义映射——文字紧挨着画面，模型不需要费力推断文字对应的画面区域。同时，训练流程中引入了多模态指令（文字 + 图片），进一步强化了从 " 像素拟合 " 到 " 语义认知 " 的跨越。

此外，模型还支持调用 WanImage Skill 工具，据官方介绍可实现 " 让龙虾画画 " 等创意指令编排。

在人类偏好盲测中，Wan2.7-Image 多项能力位列全国第一，综合成绩接近 Nano Banana Pro。同步上线的 Wan2.7-Image-pro 版本在训练数据规模和模型尺寸上进一步扩大，构图稳定性和语义理解精准度更高。

四、从电商到短剧，图像模型开始全面落地

Wan2.7-Image 在多个垂直场景展示了行业落地潜力。

在短剧制作方向，模型支持角色生成中的 " 一人分饰多角 "，通过多主体一致性能力保持同一角色在不同场景中的特征稳定；分镜生成可将人物自然融入场景，并通过交互式编辑精准调整人物位置和大小。

在电商广告场景，模型支持从单张模特图一键裂变出多张不同角度、不同场景的展示图，并可按电商上架格式自动输出场景图、特写图、尺寸图和卖点图等套图组合。

颜色变装（通过调色盘功能切换服装色彩）、四季拼图生成以及 " 拯救废片 "（消除闭眼）等功能，可满足小红书、B 站等社交平台的内容创作需求。OOTD 穿搭生成和不露脸服装替换也在演示中效果稳定。

该模型可生成图文并茂的知识卡片和教育插画，内容创作方向支持 B 站封面、小红书封面、种草图文等常见内容格式。

结语：图像模型正在走向 " 可控化 " 和 " 生产力工具 "

从 Wan2.7-Image 的技术突破中可见，图像模型的技术竞赛已转向更深层的维度。其核心价值不再局限于 " 画得像不像 " 的表象还原，而是能否精准控制人物形象、颜色搭配和画面布局，能否深入理解文本与语义内涵，能否无缝融入设计、电商、内容创作等工作流程。

随着长文本渲染能力的突破、交互式编辑的灵活操作以及多主体风格一致性的显著提升，图像模型正从辅助性的 " 创意工具 " 蜕变成为驱动产业效率的 " 高效生产力工具 "。" 千人千面 " 和 " 调色盘 " 这类能力，也意味着 AI 生成内容开始走向个性化与可控化。