通义万相快速上手：文生图、图生图与视频生成操作教程

通义万相是阿里巴巴通义旗下的 AI 多模态创作平台，把文生图、图生图、文生视频、图生视频以及图像编辑放在同一套工作流里。它的特点是对中文提示词的理解比较直接，不需要先把想法翻译成英文再反复调词，因此对设计师、电商运营、新媒体编辑和短视频创作者都比较友好。如果你需要批量产出中文语境下的商品图、配图或解说短片，可以从通义万相入手，先用免费额度验证风格是否匹配，再决定是否升级。

下面按「准备工作 → 操作步骤 → 完整示例 → 注意事项」的顺序，把从登录到导出成片的流程讲清楚。文中涉及的价格、额度、模型版本等信息会随官方调整而变化，实际以官网当前说明为准。

准备工作

账号与登录

通义万相通过阿里账号体系登录。准备一个可用的阿里账号即可，不需要单独注册新的平台账号。登录后进入创作界面，可以看到按用途划分的功能入口。

明确你要做的任务类型

在动手之前先想清楚产出物是什么，因为不同任务对应的入口、参数和计费方式都不一样：

静态图片：文生图、图生图、局部重绘、背景替换、风格迁移。
动态视频：文生视频、图生视频，可带运镜与原生音频。
文档转视频：上传 PDF、PPT、Word，由模型理解内容后生成解说型短片。
电商与写真类：虚拟模特展示、个人写真生成。

素材准备

做图生图或局部编辑：准备一张清晰度足够的参考图，需要修改的区域边界越明确越好。
做图生视频：准备一张主体完整、构图稳定的图片，避免主体被裁切。
做文档转视频：把内容整理成结构清晰的 PDF、PPT 或 Word，标题与要点分层明确。
做个人写真：准备 2 至 4 张本人照片，光线与角度尽量一致。

额度与付费方式的预期

免费版每月提供一定次数的生成额度，适合轻度尝鲜，但商用受限。标准会员与高级会员按月或按年订阅，权益包括灵感值、并发任务数、去水印、高清放大等，高级会员额外支持 1080P 视频与更长的视频时长。企业集成走 API 按量付费，按生成视频的秒数计费，分辨率越高单价越高。具体价格与额度请以官网当前信息为准。

操作步骤

第一步：进入创作界面并选择模块

登录后进入创作界面，按需求选择「图像生成」「视频生成」或「图像编辑」模块。三个模块的输入形式不同：图像生成以文字为主，视频生成可以只给文字也可以给图，图像编辑必须提供底图。

第二步：写提示词

通义万相支持中文提示词，可以直接用日常表达描述画面。写提示词时把要素拆开，比堆砌形容词更有效：

主体：画面里最重要的东西是什么，处于什么状态。
场景：环境、时间、天气、空间关系。
风格：水彩、油画、中国画、3D 卡通等，平台内置多种风格可选。
构图与画幅：横版、竖版、特写、全景。
光线与色调：暖光、冷调、逆光、柔和阴影。

例如做电商主图，可以写成「白色背景，一款陶瓷马克杯居中摆放，柔和顶光，浅灰投影，产品摄影风格，竖版构图」。这种写法把主体、背景、光线、风格、画幅都交代清楚，模型一次就能给出接近预期的结果。

第三步：上传参考图或文档（可选）

如果做图生图、局部编辑或图生视频，在这一步上传素材。局部编辑时圈选需要修改的区域，只让模型改动圈选范围内的元素，其余部分保持不变。做文档转视频时上传 PDF、PPT 或 Word，模型会自动理解文档内容并生成视频。

第四步：调整参数

按需调整风格、分辨率等参数。视频任务还需要关注输出分辨率与时长：分辨率越高，画面细节越丰富，同时计费单价也越高；时长方面，长视频能力与会员等级相关。图像任务可以调整风格模板与输出尺寸。

第五步：提交并预览

提交后等待生成，完成后预览效果。如果不满意，回到提示词或参数重新生成，不需要从头再来。图像任务通常比视频任务快，视频任务因为要处理运镜与音频，等待时间更长。

第六步：导出

满意后下载导出。会员用户可以直接去除品牌水印，并做高清放大处理。免费版产出可能带水印，商用前需要确认授权范围。

一个完整示例

下面以「为一件商品做电商主图，再把它转成一段短视频」为例，串起完整流程。

场景设定

目标：为一款陶瓷马克杯生成一张竖版电商主图，再基于这张图生成一段带运镜的展示短片。

步骤一：生成主图

进入「图像生成」模块，选择文生图，输入提示词：

白色背景，一款米白色陶瓷马克杯居中摆放，杯身有细微釉面反光，
柔和顶光，浅灰投影，产品摄影风格，竖版构图，高清细节

风格选择产品摄影或写实类模板，分辨率按平台提供的档位选择。提交后等待生成，预览时重点看三点：杯身形状是否自然、投影方向是否一致、背景是否干净。如果杯身变形，可以在提示词里补一句「杯口为正圆形，杯身比例修长」再重新生成。

步骤二：局部微调

如果整体满意但杯身有一处反光过强，切换到「图像编辑」模块，上传刚才生成的图，圈选反光区域，输入修改要求，例如「降低该区域反光强度，保留釉面质感」。模型只改动圈选范围，其余部分保持原样。

步骤三：转成视频

进入「视频生成」模块，选择图生视频，上传调整好的主图。提示词描述运镜与氛围，例如：

镜头缓慢环绕马克杯推进，光线从左上方向右下方移动，
背景保持纯白，整体氛围干净明亮

选择输出分辨率与时长。分辨率越高、时长越长，消耗的额度或计费秒数越多。提交后等待生成，预览时检查运镜是否平滑、主体是否出现形变、音频是否与画面匹配。

步骤四：导出与复用

确认无误后导出。会员用户可去水印并做高清放大。这套流程可以复用：换一个提示词就是另一款商品的主图，换一张底图就是另一段视频，适合需要批量产出内容的电商与新媒体工作流。

注意事项

额度与计费

免费版每月额度有限，适合轻度尝鲜，重度使用需要付费。
会员按订阅周期计费，权益包含灵感值、并发任务数、去水印与高清放大等，高级会员额外支持更高分辨率与更长视频。
API 按量付费按生成视频的秒数计费，分辨率越高单价越高，新用户通常有少量免费额度。
以上价格、额度与权益均可能调整，请以官网当前信息为准。

商用授权

免费版产出商用受限，会员方案中包含商用授权。用于商业项目前，先确认当前方案是否覆盖你的使用场景，尤其是电商主图、广告物料这类直接产生商业价值的用途。

能力边界

中文语义理解是它的强项，复杂场景描述往往一次到位，不需要专门学习英文提示词技巧。
创意自由度相对保守，抽象与超现实风格的表现不如部分海外工具，概念设计师可以把它作为基础出图工具，再配合其他工具做风格探索。
国风题材的评价比较中性，部分用户认为中规中矩，缺少突出的风格特色。如果项目对国风有很高要求，建议先用免费额度实测再决定。
社区活跃度相对有限，优质教程与提示词资源不多，很多写法需要自己摸索。

视频任务的额外注意点

视频生成比图像生成慢，排队与生成时间都更长，批量任务要预留时间。
文档转视频单次时长有上限，超长文档需要拆分处理。
图生视频对底图质量敏感，主体被裁切或构图不稳的图片容易生成形变结果。
原生音频包含人声、BGM 与音效，导出前确认音频与画面节奏是否匹配。

工作流建议

先用免费额度实测自己的主力场景，比如国风、人像或商品图，确认风格匹配再考虑开通会员。电商运营可以优先用内置的电商主图、海报与新媒体配图模板，零基础也能直接套用；短剧、广告营销与文旅宣传团队可以尝试把 PPT、PDF 直接转成解说视频，减少剪辑环节。对创意自由度要求高的项目，把它放在基础出图的位置，风格探索交给更擅长抽象表达的工具。