Sora向左，阿里向右：全能演技派模型登場千問APP

🔑 增強重點摘要

• •阿里巴巴此次推出的「全能演技派」模型，核心技術路徑側重於提升AI在長影片生成中的角色一致性與情感表達，旨在解決目前影片生成模型在複雜敘事場景下容易出現的「角色崩壞」問題。
• •該模型整合了阿里通義千問（Qwen）的多模態理解能力，允許用戶透過自然語言指令精確控制影片中的鏡頭語言、光影變化及角色動作，實現從「文字生成影片」到「導演級創作」的轉變。
• •不同於Sora追求極致的物理模擬與世界模型構建，阿里此舉更強調在移動端APP場景下的即時互動與內容生產效率，目標群體鎖定為短影音創作者與社交媒體用戶。

🛠️ 技術深入

• •採用基於Diffusion Transformer (DiT) 的架構，針對長序列影片生成進行了記憶體優化。
• •引入了專有的「角色記憶模組」(Character Memory Module)，透過向量資料庫即時檢索角色特徵，確保在不同鏡頭切換時外觀與服裝的一致性。
• •支援多層次提示詞解析（Hierarchical Prompt Parsing），將複雜的導演指令拆解為鏡頭軌跡、光照參數與動作序列，並行處理以降低推理延遲。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線