阿里视听生成模型升级，新视频生成模型拟11月发布-今日聚焦

(资料图)

新浪科技讯 9月22日上午消息，今日举办的2026云栖大会上，阿里巴巴ATH技术副总裁、淘天集团首席科学家郑波分享指出，“三年内会出现一个原生全模态统一模型，体验将不再受限于模态的边界。”

据郑波介绍，在最富创意的视觉生成领域，阿里正通过视觉生成模型的持续迭代升级，让AI创造出更好的作品，让用户享受到更好的体验。大会期间，阿里图像生成模型Qwen-Image-3.1亮相，它面向电商、创意、设计等真实商用场景全新优化升级，将原本数小时的视觉设计压缩至秒级交付，水准堪比专业设计师，还支持图像精准编辑。

此外，阿里还发布了音乐生成模型Happy Shrimp 1.1版本，在音乐表现、人声质量、多语种演唱及指令理解四个专业维度进一步提升，支持百余种曲风与十余种主流语言，覆盖人声歌曲与纯音乐两大生成场景。阿里世界模型最新版本HappyOyster 2.0 Preview也同步亮相，通过对模型架构、训练方法和数据体系的全面升级，显著提升了智能实时交互、记忆能力、实时响应、物理规律遵循等核心能力，让世界模型真正从实验室走向真实可用。

此外，阿里全新的下一代视频生成模型也将于11月发布，朝着更长、更可控、更完整、更智能的方向演进：在更长的时间里，新模型仍然能保持一致性，创作者可精准掌控人物、场景与镜头；同时，模型能具备导演级的创作思维，从生成单个镜头迈向理解完整叙事。（文猛）

关键词：