阿里发布图像生成与编辑统一模型Wan2.7-Image

as22

4月1日，据千问大模型官微消息，阿里发布图像生成与编辑统一模型Wan2.7-Image。

Wan2.7-Image帮助告别AI标准脸，实现“千人千面”，全新支持“调色盘”，精准控制色彩。3K token超长文本渲染，可写满一页A4纸；交互式编辑，哪里不爽点哪里。还具备文生图、图生组图、图像指令编辑，和交互式编辑等全链路能力。

千人千面：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”。



调色盘：Wan2.7-Image全新支持“调色盘”功能，用户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：模型对超长文字、表格和复杂公式的渲染可达印刷级，支持12种语言，最高3K token的超长文字输入，可输出一页A4纸的论文。



生成组图：Wan2.7-Image具备强大的组图生成能力，最多生成12张。



图片编辑升级亮点如下：

交互式编辑：哪里不爽点哪里

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。

多主体一致性：最多支持9图

合影、电影海报及家具组合图，可保持风格与特征的统一。

技术亮点如下：

支持调用WanImage Skill，可让龙虾画画。人类偏好盲测评分，多项能力位列全国第一，接近Nano Banana Pro。

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，采用了领先的生成与理解统一模型架构，在共享隐空间（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。

基于更大规模数据及尺寸训练而成的Wan2.7-Image-pro同步上线，生成图像的构图更加稳定，语义理解更强更精准。