阿里 Wan 2.7 发布：27B 开源模型，视频生成首次加入"思考模式"
阿里 Wan 2.7 发布：27B 开源模型，视频生成首次加入"思考模式"
基于已整理草稿生成的网页版文章，适合先稳定落地，再做局部润色与发布检查。
阿里通义实验室发布了 Wan 2.7，这是首个在视频和图像生成中引入"思考模式"的开源 AI 模型。它采用 270 亿参数的 MoE 架构，支持 4K 多镜头视频生成、5 种语言的原生 lip-sync，图像生成方面可以精准渲染超过 4000 个字符。最关键的是，它完全开源，Apache 2.0 协议，本地 8GB 显存就能跑。
Wan 2.7 是什么？
Wan 2.7 是阿里"万象"（Wan）系列的最新一代模型，包含两个核心组件：
- Video Generator：生成最长 15 秒的 4K 视频，支持多镜头叙事、原生音频同步
- Image Generator：生成高精度图像，支持长文本渲染和精确色彩控制
整个系统基于 27B 参数的 Mixture-of-Experts（MoE）架构，每次推理激活 14B 参数，在保证质量的同时兼顾效率。目前已在 GitHub 获得超过 15000 星，开源协议为 Apache 2.0。
核心突破：思考模式（Thinking Mode）
这是 Wan 2.7 最具辨识度的创新。
传统的图像/视频生成模型是"一步到位"：输入 prompt → 直接输出结果。这种方式在处理复杂场景时容易出问题——比如你让模型画"三个人在下棋，左边的老人在思考，右边的年轻人在看手机"，模型可能只顾着生成"三个人"，而忽略动作细节。
Wan 2.7 的 Thinking Mode 引入了 Chain-of-Thought（链式思考）机制：
- 理解阶段：模型先"读懂"你的 prompt，分析各个元素之间的关系
- 规划阶段：在生成前先构建构图逻辑，确定空间布局
- 生成阶段：基于前两步的规划，输出最终结果
这个过程类似于人类画师接到需求后的思考流程——先理解需求，再打草稿，最后细化。结果是：复杂场景的还原度更高，生成物中的逻辑错误更少。
视频生成能力
Wan 2.7 的视频生成能力是目前开源模型中比较全面的：
4K 多镜头叙事
- 支持生成 2-15 秒的视频，24fps
- 最高 4K 分辨率，支持 6 种宽高比（16:9、9:16、4:3、3:4、21:9、1:1）
- First/Last Frame 控制：可以指定视频的首尾帧，让 AI 填补中间内容
- 9-Grid 输入：最多可使用 9 张参考图来控制视频风格
原生音频同步
- 支持 5 种语言的 lip-sync：中文、英文、日语、韩语、西班牙语
- 自动生成环境音效（foley effects）：脚步声、风声、关门声等
- 这意味着生成的视频不需要后期配音就能有同步的音轨
角色一致性
- 在多镜头场景中保持人物外观一致
- 对于短视频创作者来说，这是"能用"和"好用"的分水岭
图像生成能力
图像生成方面，Wan 2.7 有几个实用特性：
文本渲染
- 支持渲染超过 4000 个字符
- 覆盖 5 种语言：中、英、日、韩、西
- 对于海报、电商图、信息图来说，这是个强需求
精确色彩控制
- 支持 HEX 色值输入
- 8 色调色板功能，适合品牌视觉一致性需求
面部多样性
- 所谓"千人千面"：生成的人物有各自的特征，不会出现 AI 常见的"同脸"问题
- 对于需要大量人物形象的创作者来说，这是刚需
多参考图输入
- 最多支持 9 张参考图
- 可以精确控制局部细节
谁适合用？
内容创作者
- 短视频博主：可以用 First/Last Frame 控制生成连贯镜头
- 广告从业者：精确色彩控制和文本渲染适合商业内容
- 概念设计师：多参考图输入便于风格迭代
开发者
- 开源协议 Apache 2.0，可商用
- 本地部署门槛低：8GB 显存即可运行
- 无 API 费用，适合预算有限的团队
企业用户
- 商业授权包含在积分套餐中
- 可本地部署保障数据隐私
如何获取？
在线使用
- 官网：wan27.art
- 新用户有免费积分，无需绑卡
本地部署
- GitHub 开源：搜索 Wan2.7 或 Wan AI
- 支持 consumer GPU（8GB+ VRAM）
定价
- 积分制：有多种套餐，积分永不过期
- 本地部署：完全免费
总结
Wan 2.7 的核心价值在于：它把"思考"这个认知过程引入了生成式 AI。视频创作不再只是"写个 prompt 碰运气"，而是有了更可控的生成逻辑。加上开源 + 本地可跑的组合，对个人创作者和小团队来说，这是一条现实可行的专业内容生产路径。
---
来源：基于 AB Newswire 官方公告和 wan27.art 产品页整理
参考来源
说明：该页面由基础模板稳定生成，后续可继续局部润色样式或补充模块，再进入发布检查。