12月2日，千问APP接入万相系列最新模型Wan2.5，视频创作能力再度升级。动作精度和肢体协调性全面提升，并成为首个支持音视频同时输出的移动端AI助手。

阿里万相2.5是目前业界少数具备音画同步能力的视频模型之一，该模型同时支持理解和生成等多种任务，支持文本、图像、视频、音频多种模态的输入和输出，在权威大模型评测LMArena上，万相的图生视频能力位居全球第三，稳居国内第一。

在千问APP上，用户只需一张照片和一段文字，无需模板，即可生成一段肢体动作自然、口型匹配准确的1080P高清唱跳视频，最长支持10S。测试显示，无论是真人照片、萌宠、二次元角色，还是文物、卡通形象，千问APP都可支持。

去年年初，阿里推出的照片跳舞功能迅速火爆国内外，激发了网友的创作热情，兵马俑、萌娃、萌宠跳舞视频在全网流传。此次，千问APP接入万相2.5后，不仅全面提升视频创作效果，还进一步降低视频创作门槛，支持用户自定义上传照片和输入文字，例如，用户仅需输入一张图片和一段“小猫一边唱歌，一边跳舞”的文字，千问APP便能精准生成视频，让静态形象瞬间“活”起来。

这一能力上线后，再次激发了网友的创作热情，社交平台上涌现出一批更具创意的“照片唱跳”内容。例如，用户可以先通过千问APP将两张图片融合，生成一张“中世纪名画”风格的合照，再输入“图中的人物一边唱歌、一边跳舞，镜头要有动态感”等文字，即可实现合唱、群舞的视频效果，且能够保持高质量的动感表现和极强的主体一致性。

据悉，千问App公测仅一周，下载量就突破1000万次，超越ChatGPT、Sora、DeepSeek成为史上增长最快的AI应用。