Vídeo con IA · Alibaba Tongyi Wanxiang

Wan 2.6: Protagoniza Tu Propio Microdrama Multiplano, con Voz Incluida

Pregunta a la IA ▾

Wan 2.6 es el modelo de vídeo que el equipo Tongyi Wanxiang de Alibaba lanzó el 16 de diciembre de 2025, con una promesa sencilla: tú puedes salir en el vídeo. Sube un clip corto tuyo, de un amigo o de un personaje original, y el modelo toma ese aspecto y esa voz para interpretar una escena totalmente nueva. Añade una idea en una línea y planifica varios planos, mantiene las mismas caras de corte a corte y entrega diálogo, efectos de sonido y sincronización labial de una sola vez. A continuación verás qué ha cambiado desde Wan 2.5, dónde lo usan creadores de microdramas y vendedores online, cinco ideas divertidas, instrucciones paso a paso y plantillas de prompt para pegar al momento.

  • Role-play con vídeo de referencia
  • Varios planos desde un prompt
  • Diálogo, sonido y sincronización labial
Anima tu foto con Wan 2.6 →

De Wan 2.5 a Wan 2.6: Lo Que Ya Puedes Hacer

Wan 2.5 ya incluía el sonido, pero cada clip era un solo plano, de diez segundos como máximo, y el personaje solo existía dentro de esa generación. La nueva versión convierte esos límites en funciones. Los clips llegan ahora a 15 segundos, un prompt puede dividirse en varios encuadres y un vídeo de referencia permite que la misma persona aparezca una y otra vez en escenas distintas. Para quien cuenta historias por entregas, esa coherencia importa más que cualquier mejora de nitidez.

Alibaba ofrece la familia en tres modos dentro de Model Studio: texto a vídeo, imagen a vídeo y referencia a vídeo (a menudo abreviado como R2V). La salida es en 720P o 1080P a 24 fotogramas por segundo, en horizontal 16:9 o vertical 9:16, con duraciones de 5, 10 o 15 segundos.

Wan 2.5Wan 2.6
Clip más largo10 segundos15 segundos
Planos por clipUn plano continuoVarios planos planificados desde un prompt
Protagonizar con un personaje real o inventadoSolo mediante una imagen inicialEl vídeo de referencia copia aspecto y voz
Dos personajes en una escenaDifícil de controlarDos referencias, cada una con su propia voz
SonidoAudio compatibleDiálogo, efectos y sincronización labial de una vez

Role-Play con Vídeo de Referencia: Pon a Cualquiera en la Escena

El role-play es la función estrella, y Alibaba la presentó como una primicia entre los modelos de vídeo de China. Grabas o eliges un clip corto, basta con unos segundos de alguien hablando y moviéndose, y el modelo capta su aspecto y el tono de su voz. Luego escribes la escena: entrar en una cafetería, discutir en una azotea, presentar un producto. El personaje la interpreta, y la voz que oyes coincide con la referencia en lugar de un narrador genérico.

También funciona con más de una referencia. Dos clips te dan un diálogo a dos en el que cada uno conserva su propia voz, y una persona más un objeto o una mascota te dan esos momentos de 'yo y mi perro en la playa'. En los prompts las referencias suelen llamarse character1 y character2, lo que facilita indicar quién hace qué.

  • En solitario: un creador aparece como detective, chef o presentador de noticias sin rodar la escena.
  • A dúo: dos amigos o dos personajes originales intercambian frases, cada uno con su propia voz.
  • Persona y objeto: un presentador y un producto, o un dueño y su mascota, comparten el plano con naturalidad.

Una Idea, Varios Planos: Así Funciona la Narrativa Multiplano

Pide 'un reencuentro en una estación de tren' y el modelo no se limita a renderizar una vista general. Expande la idea en un pequeño guion, por ejemplo un plano general de situación, un primer plano de un rostro y una revelación por encima del hombro, y corta entre ellos manteniendo las mismas personas, ropa y escenario. Si quieres control, escribe tú los planos: una línea por plano, indicando el encuadre y el movimiento de cámara.

Por eso la versión triunfó entre los estudios de microdramas verticales. Un clip de 15 segundos con tres planos tiene justo el tamaño de un conflicto, un giro y un cliffhanger, y las caras no cambian entre cortes como suele pasar con clips empalmados.

Three-panel storyboard of two friends meeting in a cafe, showing wide, medium and close-up shots

Dónde Está Arrasando: Microdramas, Vídeos de Tienda y Anuncios

El modelo se orientó a trabajos profesionales de cine y publicidad, y los usos más claros al principio vienen de equipos que necesitan muchos vídeos cortos y coherentes cada semana.

  • Microdramas verticales y adaptaciones de cómics: una referencia de personaje más un prompt de tres planos entrega un momento de conflicto y giro en 9:16, listo para un episodio tras otro.
  • Clips de e-commerce y venta en directo: un presentador sostiene el producto, menciona una ventaja y sonríe a cámara, con el producto mostrado desde varios ángulos en el mismo clip.
  • Campañas de marca: el mismo portavoz o mascota sigue siendo reconocible en decenas de anuncios e idiomas.
  • Vlogs y sketches para redes: los creadores suben su propio clip y protagonizan sketches que nunca tuvieron que rodar.
  • Formación y previsualización: los profesores convierten un guion en un vídeo explicativo hablado, y los directores previsualizan una escena antes del rodaje real.

Cinco Ideas Divertidas Que No Paran de Hacerse

Una vez que le pillas el truco, algunos formatos vuelven una y otra vez a las redes porque son rápidos de hacer y fáciles de compartir.

  • Yo y mi mascota: tú y un golden retriever jugáis a lanzar la pelota al atardecer, a cámara lenta, con ladridos y olas.
  • Diálogo a dos voces: dos referencias discuten, coquetean o se reconcilian, y cada frase suena con la voz correcta.
  • Micropelícula de una línea: una sola frase se convierte en un minifilme de tres planos con música y ambiente.
  • Foto que habla: un retrato antiguo o un selfie se gira a cámara y dice una frase que tú escribiste.
  • Serie con un protagonista: el mismo personaje vuelve cada día en un lugar nuevo, construyendo una historia continua.

Cómo Crear un Vídeo con Wan 2.6 en Cinco Pasos

El proceso es el mismo tanto en la web Wanxiang de Alibaba como en la API de Model Studio; solo cambian los botones.

  1. Elige un modo: texto a vídeo para una idea nueva, imagen a vídeo para animar una foto o referencia a vídeo para elegir un personaje.
  2. Añade tu material: una imagen inicial o un clip de referencia de unos 2 a 10 segundos por personaje.
  3. Escribe los planos: una línea por plano, indica el encuadre (general, medio, primer plano) y el movimiento de cámara, y pon el diálogo entre comillas con el nombre de quien habla.
  4. Elige el formato: 720P o 1080P, 5, 10 o 15 segundos, y 16:9 o 9:16.
  5. Genera, revisa y descarga; si una mano o una cara no queda bien, acorta la acción o divídela en otro plano.

Plantillas de Prompt de Wan 2.6 para Copiar

Estas plantillas siguen el estilo plano a plano que el modelo entiende mejor. Cambia las personas, los lugares y los diálogos, y mantén la estructura.

Microdrama en tres planos

Shot 1: wide shot, rainy night street, a young woman in a red coat stops under a neon sign. Shot 2: close-up, she turns and says "You finally came." Shot 3: over-the-shoulder, a man in a black jacket steps out of the shadows. Cinematic lighting, 9:16, consistent characters.

Presentación de producto

Medium shot, a female host holds a glass serum bottle toward the camera, smiles and says "Three drops, every night." Soft studio light, product label readable, clean beige background.

Role-play con referencia

character1 walks into a cozy café, waves at character2, they sit down and laugh; warm afternoon light, handheld camera, natural ambient sound.

Persona y mascota

character1 plays fetch with a golden retriever on a beach at sunset, slow-motion jump, waves and barking sounds.

Lookbook de verano (18+)

Shot 1: wide shot, a confident adult woman (25+) in a white bikini walks along a tropical pool deck. Shot 2: medium shot, she adjusts her sunglasses and smiles at the camera. Shot 3: close-up, water ripples, summer music. Fashion-editorial style, 9:16.

Desfile de baño (18+)

Wide shot, adult models in colorful swimsuits walk a seaside runway at golden hour, camera tracks alongside, crowd cheering and upbeat music, then a close-up of the lead model turning to camera.

Consejo: indica quién habla antes de cada frase entre comillas y limita los movimientos corporales complejos a un solo plano.

Wan 2.6, Wan 3.0 o Kling 3.0: Cómo Elegir la Herramienta

Alibaba ya ha lanzado Wan 2.7 y Wan 3.0, pero esta versión sigue a la venta en Model Studio y, para muchos trabajos, sigue siendo la opción sensata. Si tus clips duran 15 segundos o menos y lo que más te importa es un personaje recurrente con una voz reconocible, cumple de sobra. Recurre a Wan 3.0 cuando necesites una toma única de hasta 30 segundos o quieras usar documentos y páginas web como entrada. Kling 3.0, de Kuaishou, es el rival más cercano en clips multiplano con sonido nativo.

Wan 2.6Wan 3.0Kling 3.0
Ideal paraSeries de role-play, clips de tienda, escenas de microdramaTomas únicas más largas, entrada de documentos o webEscenas multiplano con sonido
Clip más largo15 segundosHasta 30 segundosHasta 15 segundos
Pesos abiertosNoNoNo

Lo Que Dicen los Creadores

Las primeras opiniones de creadores chinos de vídeo corto y de probadores internacionales siguen un patrón claro. Los elogios se centran en lo bien que se mantienen los personajes entre cortes y en la sincronización labial de los diálogos en mandarín, que solía ser un punto débil de las herramientas importadas. A los vendedores les gusta que el presentador diga de verdad la frase en lugar de doblarse después.

Las quejas son igual de constantes: los movimientos corporales complejos, como bailar o pelear, todavía pueden deformar extremidades, los últimos segundos de un clip de 15 segundos a veces se alejan de la referencia, y la moderación oficial es tan estricta que rechaza prompts de bañadores o romance que parecen inofensivos. La mayoría esquiva los dos primeros problemas manteniendo cada acción dentro de un solo plano.

Código Abierto, Descarga y ComfyUI: La Respuesta Clara

Alibaba no ha publicado los pesos de Wan 2.6. Se usa a través de la web Wanxiang o la API de Model Studio, y cualquier nodo de ComfyUI con el nombre de esta versión simplemente llama a esa API alojada en lugar de ejecutar el modelo en tu propia GPU. Los archivos que se venden como descarga o como versión 'sin censura' de esta versión suelen ser copias renombradas de modelos abiertos más antiguos.

El modelo de vídeo Wan más reciente que de verdad puedes descargar es Wan 2.2, publicado bajo Apache-2.0 en GitHub y Hugging Face con texto a vídeo, imagen a vídeo y un modelo más pequeño de 5B, y cuenta con una gran comunidad de fine-tunes y LoRAs.

Generador de Vídeo Wan 2.6 Sin Censura

En las plataformas de Alibaba, cada prompt y cada archivo subido pasa por moderación de contenido, así que los desnudos y las escenas explícitas se bloquean. Spicy AI ofrece imagen a vídeo de Wan 2.6 con menos límites para ficción adulta (18+): sube una foto inicial, describe el movimiento y los diálogos, y elige 5, 10 o 15 segundos. Entre las ideas más populares hay un lookbook en bikini junto a la piscina, una sesión de estudio estilo lencería y un vlog de vacaciones en la playa con un personaje adulto ficticio.

Adult model in a white bikini walking along a tropical pool deck for a summer lookbook video

Todos los personajes deben ser adultos. No subas imágenes de personas reales sin su permiso.

Abrir imagen a vídeo de Wan 2.6

Wan 2.6 Oficial vs Generar en Spicy AI

Servicio oficialSpicy AI online
Filtrado de contenidoModerado en Alibaba Cloud y WanxiangContenido adulto (18+) permitido
Pesos abiertosNo, servicio cerradoNo aplica, funciona online
Modelo realmente usadoModos de texto, imagen y referenciaWan 2.6 imagen a vídeo desde una foto inicial
PrecioPago por segundo de vídeo en Model StudioGratis para empezar, créditos para más
  • Oficial: role-play con vídeo de referencia y texto a vídeo en la web y la API de Wanxiang.
  • Spicy AI: sube tu propia foto y anímala en el navegador.

Preguntas Frecuentes

¿Quién creó Wan 2.6 y cuándo se lanzó?

El equipo Tongyi Wanxiang de Alibaba lo lanzó el 16 de diciembre de 2025, en Alibaba Cloud Model Studio y en la web Wanxiang.

¿Cuánto puede durar un vídeo?

Cada clip dura 5, 10 o 15 segundos, en 720P o 1080P, a 24 fotogramas por segundo.

¿Qué es el role-play de referencia a vídeo?

Subes un clip corto de referencia y el modelo copia el aspecto y la voz de esa persona para interpretar una nueva escena a partir de tu prompt. Admite escenas en solitario, diálogos a dos y una persona junto a un objeto o mascota.

¿Puede crear vídeos con diálogo?

Sí. El audio se genera junto con la imagen, incluida el habla con sincronización labial, los efectos de sonido y el ambiente.

¿Es de código abierto y puedo descargarlo?

No se han publicado pesos oficiales, así que solo funciona en los servicios de Alibaba. Wan 2.2 es el modelo de vídeo Wan de pesos abiertos más reciente que puedes ejecutar en local.

¿Elijo Wan 2.6 o Wan 3.0?

Elige Wan 3.0 para tomas únicas de hasta 30 segundos o entrada de documentos y web. Para clips de 15 segundos o menos, sobre todo series de role-play y vídeos de producto, la versión anterior sigue siendo una buena opción.

¿Existe una versión sin censura?

No existe ninguna versión sin censura oficial ni comunitaria fiable, porque los pesos nunca se publicaron. Las descargas con ese nombre suelen ser modelos abiertos más antiguos.

Fuentes

Ver todos los modelos de IA sin censura →

Wan y Tongyi Wanxiang son marcas comerciales de Alibaba Group. Todo el contenido debe representar a adultos (18+).

Sign in

Welcome to Spicy AI

or