Aliyun Wan est la famille phare de modèles de génération visuelle d'Alibaba Cloud, issue du laboratoire Tongyi Wanxiang. Désormais intégrée à Elser AI, Wan permet aux créateurs de générer des vidéos cinématographiques, d'animer des images fixes, de créer des humains numériques parlants et de produire du contenu audiovisuel synchronisé — le tout sans GPU coûteux ni configurations complexes.
Contrairement aux modèles traditionnels qui génèrent d'abord une vidéo muette puis ajoutent l'audio, Aliyun Wan 2.5+ produit une vidéo synchronisée avec dialogues, effets sonores, sons ambiants et musique de fond en une seule passe avant. Il prend en charge la synchronisation au niveau du phonème pour plus de 8 langues, dont l'anglais, le chinois, le japonais et l'espagnol.
Essayer Aliyun Wan maintenant
Aliyun Wan 2.5 et supérieur adoptent une architecture native de transformateur de diffusion multimodal, permettant l'exécution parallèle de la génération visuelle, audio et textuelle au sein du même processus d'inférence. C'est le premier modèle de l'industrie à réaliser une génération synchrone native audio et vidéo.
Essayer Aliyun Wan maintenantAlibaba Cloud Wan gère facilement des opérations de caméra complexes avec lesquelles d'autres modèles vidéo ont du mal — travellings avant/arrière, changement de mise au point, plans de suivi, changement de perspective et plans de grue — le tout fonctionnant de manière fluide et homogène. Wan 2.7 prend en charge la composition multi-plans, garantissant la cohérence de l'apparence des personnages lors des transitions de scène.
Essayer Aliyun Wan maintenant
Créez un compte Elser AI gratuit. Dans le sélecteur de modèle vidéo, choisissez votre modèle Wan — Wan 2.7, Wan 2.6 ou Wan 2.6 Flash. Décrivez votre idée de vidéo en langage naturel ; Wan comprend la terminologie professionnelle du cinéma et les descriptions de mouvement complexes.
Rédigez un prompt descriptif — incluez le mouvement de caméra, l'éclairage, l'action et l'ambiance. Téléchargez une image fixe pour l'image-vers-vidéo, ou des images et vidéos de référence pour la référence-vers-vidéo afin de verrouiller l'apparence et la voix du personnage sur plusieurs plans.
Ajustez la durée de la vidéo (jusqu'à 15 secondes, selon le modèle), la résolution (720p ou 1080p) et le format (16:9, 9:16, 1:1, 4:3 ou 3:4). Générez votre vidéo et exportez-la en MP4 avec une piste audio synchronisée — prête pour les réseaux sociaux, les publicités ou les storyboards.
Générez des vidéos cinématographiques multi-plans à partir de prompts texte, d'images ou de références multimédias. Décrivez une scène, téléchargez des références de personnages ou fournissez des exemples d'action. Wan livre des visuels dynamiques avec un mouvement de caméra fluide, une synchronisation labiale précise et un audio natif immersif.
Parfait pour :
La fonction Référence vers Vidéo de Wan maintient l'identité du personnage, les vêtements et les traits du visage à travers plusieurs plans — éliminant le problème de dérive faciale qui affecte les anciens modèles vidéo. Elle prend aussi en charge les vidéos d'interaction multi-personnages utilisant des personnes ou des objets comme protagonistes.
Vous pouvez :
Animez une seule image de portrait avec n'importe quel clip audio pour produire un humain numérique parlant avec une synchronisation labiale et des expressions naturelles. Pilotez des présentateurs, des avatars et des porte-paroles directement par la voix — sans acteur, studio ni capture de mouvement.
Idéal pour :
La synchronisation audio native de Wan m'a fait gagner des heures de postproduction. Fini de synchroniser manuellement les voix off avec la vidéo.
Enfin un modèle qui comprend les mouvements de caméra complexes comme le dolly zoom et le rack focus.
J'ai généré une vidéo produit de 15 secondes avec voix off et musique de fond en moins de deux minutes. Wan révolutionne l'e-commerce.
La cohérence des personnages sur plusieurs plans est irréelle. Fini la dérive faciale — je peux vraiment raconter une histoire courte avec le même protagoniste.
Nous avons utilisé l'humain numérique de Wan pour une vidéo de présentation. Le client pensait que c'était un vrai acteur. La synchronisation labiale native a fait toute la différence.
En tant que YouTuber, je crée désormais des inserts de B-roll cinématographiques à partir de simples prompts texte. Cela m'épargne des jours de tournage et de recherche de séquences d'archives.
Aliyun Wan est la famille de modèles de génération visuelle IA de nouvelle génération d'Alibaba Cloud, développée par le laboratoire Tongyi Wanxiang — la même équipe à l'origine des principaux modèles de génération vidéo open source de Chine. Wan crée des vidéos réalistes et de haute qualité à partir de texte, d'images et d'audio.
Wan utilise une architecture native de transformateur de diffusion multimodal qui combine les capacités cognitives des grands modèles de langage avec la synthèse de pixels haute fidélité. Il analyse des entrées multimodales (texte, image, audio, vidéo) et génère des sorties vidéo et audio synchronisées dans un cadre unifié.
Oui, Elser AI propose une offre gratuite pour Wan avec des crédits mensuels limités (jusqu'à 10 générations de vidéo). Les forfaits payants débloquent des résolutions plus élevées, des durées plus longues, un rendu prioritaire et l'accès aux dernières fonctionnalités de Wan 2.7. Les modèles open source de Wan sont aussi disponibles gratuitement pour l'auto-hébergement.
Aliyun Wan offre plusieurs avantages uniques : (1) Génération conjointe native audio-vidéo — parole, effets sonores et musique de fond synchronisés en une seule passe. (2) Animation d'humains numériques pilotée par l'audio — animer une seule image de portrait avec n'importe quel clip audio. (3) Architecture MoE open source — environ 50 % d'économies de calcul avec une sortie de qualité cinématographique. (4) Prise en charge des entrées multimodales — texte, image, audio et vidéo peuvent tous servir d'entrées.
Wan 2.7 prend en charge des clips de 2 à 15 secondes, tandis que Wan 2.6 et Wan 2.6 Flash prennent en charge 5, 10 ou 15 secondes. Pour des récits plus longs, utilisez la fonction de continuation vidéo de Wan 2.7 pour prolonger des clips existants tout en maintenant la cohérence visuelle.
Wan génère en 720p ou 1080p, 24 fps. Les formats incluent 16:9, 9:16, 1:1, 4:3 et 3:4 — couvrant le grand écran YouTube, le vertical TikTok/Reels, le carré Instagram et les formats de diffusion traditionnels.
Wan prend en charge la synchronisation labiale au niveau du phonème pour plus de 8 langues, dont l'anglais, le chinois (mandarin), le japonais, l'espagnol, le français, l'allemand, le coréen et le russe. D'autres langues arriveront dans de futures mises à jour.
Wan 2.7 est la suite la plus récente avec entrée multimodale (texte, image, audio, vidéo), un Mode Réflexion qui interprète l'intention avant le rendu, la génération de la première et de la dernière image, la continuation vidéo et le suivi de référence jusqu'à 5 sujets. Wan 2.6 se concentre sur le role-playing référence-vers-vidéo, la narration multi-plans intelligente et une sortie 1080p jusqu'à 15 secondes. Wan 2.6 Flash est la variante optimisée pour la vitesse et l'itération rapide.
Aucune. Vous n'avez besoin que d'un appareil avec accès à internet — tout le traitement se déroule sur les serveurs cloud d'Elser AI, sans GPU, sans RAM élevée et sans installation de logiciel. Pour auto-héberger les modèles open source de Wan, un seul GPU de 24 Go suffit pour l'inférence.
À la recherche du meilleur générateur de vidéos IA à partir d'images et de texte ? Nous avons comparé les meilleurs outils pour le flux de travail des créateurs, le contrôle de la conversion image en vidéo et la génération de scènes.
Découvrez comment la technologie de synchronisation labiale par intelligence artificielle et le flux de travail de conversion audio vers vidéo permettent aux créateurs de réaliser des scènes d'animation, des vidéos de personnages et des contenus axés sur l'audio de meilleure qualité.
Apprenez à créer des vidéos d'animaux avec l'IA en utilisant de meilleurs prompts, des choix de mouvements, la conception de scènes et le contrôle du style.
Inscrivez-vous sur Elser AI et libérez la puissance d'Aliyun Wan — du texte vers vidéo et image vers vidéo aux humains numériques parlants et à la synchronisation audio native. Générez instantanément des vidéos cinématographiques professionnelles — aucune compétence requise, aucun GPU nécessaire.
Essayer Aliyun Wan sur Elser AI