实测 | 通义万相：阿里云视觉生成的中文最佳选择，但海外工具差距仍在

通义万相是阿里云推出的视觉生成模型，也是阿里在 AI 视觉领域的重要布局。作为国内 AI 工具平台，我们一直关注国产视觉生成工具的能力。相比 Midjourney、DALL-E 3 等海外龙头，国产工具在中文理解、中国场景适配上有天然优势，但技术底子普遍落后半年到一年。

通义万相背靠阿里云的通义大模型体系，主打文生图、文生视频、图生视频三大能力。加上阿里在电商领域的深厚积累，通义万相在电商主图、商品展示等场景上有独特优势。这次花 3 天时间，从注册到实际产出，全面测试了它的能力边界。

注册非常简单：用阿里云账号登录 tongyi.aliyun.com，进入通义万相页面即可开始使用。不需要额外付费，每个账号有免费额度（每日大约 50 次生成），对于个人试用已经足够。

上手后先测试了文生图功能：输入"一个穿着汉服的女孩在故宫前拍照，夕阳，电影感"——这个提示词用 Midjourney 跑过很多次，方便对比。通义万相出图速度很快，约 10 秒出 4 张。结果中规中矩：构图合理、色彩不错，但细节表现力不如 Midjourney，光影也没有 MJ 那种"电影感"。

接着测试了电商场景：用"白色背景，一双运动鞋，45度角，产品摄影"——这是万相的优势区，出图质量明显提升，光影干净、产品细节清晰，可以直接用于电商详情页。

文生视频是重点测试项。输入"一只橘猫在窗台上伸懒腰，午后阳光"——生成了一段约 5 秒的视频。猫咪的动作还算流畅，但背景有轻微闪烁，运动幅度大的场景会有形变。图生视频表现稍好，上传一张风景照生成"云朵在天空中飘动"的效果自然很多。

【文生图】日常场景表现一般，电商场景优秀。普通风景、人物、插画等场景，通义万相的表现大约是 Midjourney V5 的水平，构图和色彩都没问题，但细节丰富度、创意性、艺术感差距明显。但在电商场景（产品图、商品展示、营销海报）上，万相表现反而更好，对中文文字、中国元素的理解准确，出图质量稳定。

【文生视频】5 秒左右的短视频可用，运动幅度小的场景（风景、静物）效果不错，但人物动作、复杂场景会出现形变和闪烁。生成速度很快，约 30-60 秒出片。与 Runway Gen-3 或 Pika 相比，万相的视频质量大约落后半年到一年。

【图生视频】表现优于文生视频。上传一张高质量图片，生成"画面动起来"的效果，在广告产品展示、风景动态化等场景非常实用。镜头运动模式（推、拉、摇、移）支持较好。

【风格迁移】支持多种风格模板，包括水墨、油画、卡通、3D 渲染等。水墨风格效果惊艳，对中国传统绘画风格的迁移非常自然。