Wan 2.6 影片生成模型

Wan 2.6 是阿里巴巴通義萬相最先進的影片生成模型。它可以從文字、圖像、參考影片或音訊生成 1080p、24 fps 的影片，具備原生音畫同步與精準口型同步。核心功能包括參考生影片（將角色的外觀與聲音植入新場景）、從簡單提示詞出發的多鏡頭敘事，以及最長 15 秒的片段。

三大關鍵差異。其一，參考生影片（角色扮演）：Wan 2.6 是中國首個僅憑一段參考影片，就能在生成的場景中同時保留角色外觀與聲音的模型。其二，智能多鏡頭敘事：模型把單條提示詞拆解為多個連貫鏡頭——遠景、中景、特寫——銜接流暢，並在每次剪切之間保持光線、色彩與角色身份的一致。其三，15 秒 1080p 輸出且自帶原生音訊：時長超過多數競品的標準檔，對白、環境音與口型同步在一次推理中一併生成。

可以。Elser AI 為新用戶提供試用積分。升級到付費方案即可獲得完整的商用權利。

Wan 2.6 支援 5、10 或 15 秒、24 fps。解析度為 720p 和 1080p。長寬比包括 16:9、9:16、1:1、4:3 和 3:4——涵蓋 YouTube 寬螢幕、TikTok/Reels 直螢幕、Instagram 方形以及傳統廣播格式。

支援。Wan 2.6 在一次推理中生成同步的影片與音訊——對白、環境音、音效與背景音樂——並具備音素級口型同步。

支援。Wan 2.6 圖生影片可將靜態圖片動畫成最長 15 秒的高保真影片片段，並可選音訊，配合文字引導實現精確的運動控制。提供 720p 和 1080p。

參考生影片（R2V）是 Wan 2.6 的招牌功能。你上傳一段同時捕捉外觀與聲音的角色參考影片，再用文字提示詞生成以同一角色為主角的新場景——畫面與音訊均保持一致。R2V 支援 1–3 段參考影片，在提示詞中用 @Video1、@Video2、@Video3 語法引用。適用於人物、動物或物體。

使用結構化的多鏡頭語法：先寫整體描述，再逐鏡頭寫明時間與內容。範例：「鏡頭 1 [0–4s] 黃昏時分未來都市的遠景。鏡頭 2 [4–8s] 跟隨主角穿過霓虹街道的中景跟拍。鏡頭 3 [8–12s] 主角面部特寫，眼中映出霓虹反光。」開啟「提示詞擴寫」和「多鏡頭」可獲得最佳的敘事分段。

價格因提供方而異。透過 Elser AI，我們提供簡化的按量計費方案——請在平台上查看當前價格與免費試用積分。

透過 Elser AI 使用最為簡單——註冊、選擇 Wan 2.6、輸入提示詞並生成，無需 API 金鑰或基礎設施管理。Wan 2.6 也可透過阿里雲百煉（Model Studio）平台及其他第三方提供方使用。

1080p、24 fps，具備出色的角色一致性、流暢的多鏡頭轉場、原生音畫同步與電影級光影。Wan 2.6 在運動品質與指令遵循方面持續位列中國一流模型之中。寫實人像更自然，「AI 感」大幅降低，構圖具備專業級美學。