12月16日，阿里巴巴发布了新一代万相2.6系列模型，该系列针对专业影视制作和图像创作场景进行了全面升级。万相2.6是国内首个支持角色扮演功能的视频模型，具备音画同步、多镜头生成及声音驱动等功能，被认为是全球功能最全的视频生成模型。模型已上线阿里云百炼和万相官网。

万相2.6视频生成升级亮点包括角色扮演功能，能够参考输入视频中的角色外观和音色，实现角色扮演，并按提示词生成单人、多人、人与物合拍的视频。此外，模型还能将简单提示词转换为多分镜脚本，生成包含多个镜头的连贯叙事视频，保持多镜头间主体、场景等关键信息的一致性。在音频方面，万相2.6支持多人对话场景的稳定生成，提升真实自然的人声表达和音乐、歌曲生成的质量。模型还能生成最长15秒的视频，提升画面时空内容容量，支持更完整的叙事。音频驱动生成功能允许根据用户输入的文本和音频驱动生成视频，并实现多镜头演绎。

在图像生成方面，万相2.6升级亮点包括艺术风格的高度美学与可控性，精准捕捉艺术灵魂，支持多种艺术风格有机融合，过渡平滑，创作出独具一格的视觉作品。细节刻画更为生动丰富，赋予图像故事感与表现力。在写实人像生成中，人物神态自然、肤质真实，有效削弱“AI感”。模型综合优化构图与光影，呈现更具表现力的人像视角。此外，万相2.6还能依据中英文长文本内容，结合美学设计与图文协调性，精准生成海报、图文说明、信息图表等，实现内容与视觉的高度统一。