一、工具简介

通义万相是阿里云推出的 AI 绘画创作大模型，基于阿里自研的组合式生成模型 Composer 架构，支持文本生成图像、相似图像生成、图像风格迁移等功能。该工具具备高度可控性和极大自由度，可将文字描述转化为水彩、油画、中国画、二次元等多种风格的图像，适用于艺术设计、电商营销、游戏开发等场景。

二、安装与配置

2.1 网页版使用（推荐普通用户）

无需安装，直接通过浏览器访问：

1. 打开通义万相官网：通义万相 | 领先的AI视频与图像生成模型
2. 使用阿里云账号登录（无账号需先注册并完成实名认证）
3. 每日登录可领取 50 灵感值（单次生成消耗 1 点，可生成 4 张图片）

2.2 本地部署（开发者 / 高级用户）

硬件要求：

• 基础配置（1.3B 模型）：

  • 显卡：NVIDIA GPU ≥8GB 显存（如 RTX 3060）
  • 内存：≥16GB RAM
  • 存储：≥50GB 空闲空间
  • 系统：Windows 10/11 64 位、Linux（Ubuntu 20.04+）

• 高级配置（14B 模型）：

  • 显卡：RTX 4090（24GB 显存）或 A100
  • 内存：≥64GB RAM
  • CUDA 版本：≥12.1

部署步骤：

1. 下载模型：

   bash

   git clone https://github.com/Wan-Video/Wan2.1.git
   cd Wan2.1
   pip install -r requirements.txt
   

2. 配置 API-KEY：

   bash

   export DASHSCOPE_API_KEY="你的API密钥"
   

3. 启动服务：

   bash

   python app.py --model wanx2.1-t2v-turbo
   

三、功能与操作指南

3.1 核心功能

功能	描述
文生图	输入文本描述生成图像，支持水彩、油画、二次元等 30 + 风格
图生图	上传参考图生成相似风格图像，支持构图 / 色彩迁移
风格迁移	将原图转换为指定风格（如将照片转为水墨画）
局部重绘	圈选图像区域并修改（如 "给人物换红色衣服"）
图像扩展	扩展画布并补全新区域（如将风景图向两侧延伸）
文生视频	输入文本生成 5-10 秒视频，支持 1080P 分辨率

3.2 基础操作流程（网页版）

文生图步骤：

1. 在左侧操作台选择「文本生成图像」
2. 输入提示词（建议格式：主体 + 特征 + 场景 + 风格 + 参数）
   ▶ 示例："一位身着汉服的少女，站在樱花树下抚琴，新海诚风格，8K分辨率，柔光效果"
3. 选择风格（如 "二次元"）和尺寸（1:1/16:9/9:16）
4. 点击「生成创意画作」，等待 10-30 秒获取结果
5. 对满意结果点击「下载原图」，不满意可「再次生成」或「复用创意」

提示词优化技巧：

• 结构化描述：主体→动作→环境→风格→画质
  ▶ 例："赛博朋克风格的重庆洪崖洞，雨夜，霓虹灯倒影，8K，细节丰富"
• 权重调整：使用()提升关键词优先级，如"(中国风:1.2) 山水画"
• 反向提示：输入"低质量,模糊,变形"避免生成瑕疵

3.3 高级功能详解

局部重绘：

1. 上传图像并点击「局部重绘」
2. 用画笔圈选需修改区域（如人物衣服）
3. 输入提示词："红色旗袍，丝绸质感"
4. 调整画笔大小和强度（建议 0.6-0.8）
5. 点击生成，仅修改选中区域

图像扩展：

1. 上传图像后选择「图像扩展」
2. 设置扩展方向（左 / 右 / 上 / 下）和比例（如 200%）
3. 输入提示词补充新区域内容
4. 生成后自动拼接原图与扩展部分

四、模型特点与优势

4.1 技术特性

• 中文优化：精准理解 "水墨丹青"" 工笔重彩 " 等本土化表达
• 物理模拟：支持碰撞、反弹等真实物理效果（如 "雨滴落在伞上溅起水花"）
• 长视频生成：通过 Wan-VAE 编解码器支持无限长 1080P 视频
• 风格混合：可组合多种风格（如 "水墨风格的赛博朋克城市"）

4.2 与竞品对比

特性	通义万相	Midjourney	Stable Diffusion
中文支持	✅ 原生优化	❌ 需英文提示词	⚠️ 需插件支持
本地化部署	✅ 支持（开源模型）	❌ 仅云端	✅ 完全开源
风格多样性	30+（侧重国风）	50+（艺术风格突出）	100+（社区模型丰富）
免费额度	50 次 / 天（网页版）	❌ 付费订阅	✅ 完全免费

五、常见问题解决

5.1 生成失败

• 提示 "余额不足"：阿里云账户需充值≥100 元（按量付费）
• 服务器负载高：避开高峰时段（19:00-22:00）或使用队列功能
• 敏感词过滤：替换 "枪"" 爆炸 "等词为" 武器 ""能量爆发"

5.2 图像质量问题

• 模糊 / 变形：提高提示词相关性（CFG Scale=8-12）
• 风格偏差：明确指定风格关键词（如 "油画风格，梵高"）
• 细节缺失：添加 "超高细节，8K，大师杰作" 等增强词

5.3 版权与商用

• 版权归属：生成内容版权归用户所有，可商用
• 开源模型：基于 Apache 2.0 协议，二次开发需保留原声明
• 限制条款：禁止生成侵权、违法内容（如明星肖像、政治敏感题材）

六、最佳实践案例

6.1 电商海报设计

提示词：
"45度仰拍，乐高积木风格的运动鞋广告，产品悬浮，背景为城市街道，蓝色主调，高清渲染，比例3:4"

6.2 国风插画

提示词：
"敦煌飞天风格少女，飘带飞舞，手持莲花，背景祥云，工笔重彩，8K分辨率"

6.3 视频生成

提示词：
"平拍一位女性花样滑冰运动员旋转，紫色滑冰服，冰场反光，镜头跟随动作，720P，3秒"

七、资源与社区

• 官方文档：阿里云通义万相帮助中心
• 模型下载：HuggingFace
• 社区论坛：阿里云开发者社区
• API 文档：DashScope SDK