阿里的视频生成模型，能一次生成 30 秒，还能把文档、网页变成视频。
它像婚礼跟拍的全能剪辑师：照片、文案，连一份 PPT 递过去，转眼剪成片。
一次能出 30 秒，长镜头不用东拼西凑。
Multimodal AI它能把文字、图片、视频，甚至文档和网页当素材。
Sora两者同属生成视频内容的 AI 模型。