Vídeo com IA · Alibaba Tongyi Wanxiang

Wan 2.6: Estrele Seu Próprio Minidrama Multi-Cena, com Voz e Tudo

Pergunte à IA ▾

Wan 2.6 é o modelo de vídeo que a equipe Tongyi Wanxiang, da Alibaba, lançou em 16 de dezembro de 2025, com uma promessa simples: você pode estar no vídeo. Envie um clipe curto seu, de um amigo ou de um personagem original, e o modelo usa essa aparência e essa voz para encenar uma cena totalmente nova. Escreva uma ideia em uma linha e ele planeja várias tomadas, mantém os mesmos rostos de corte em corte e entrega diálogo, efeitos sonoros e sincronia labial de uma só vez. A seguir, veja o que mudou desde o Wan 2.5, onde criadores de minidramas e lojistas online estão usando o modelo, cinco ideias divertidas, um passo a passo e modelos de prompt para colar na hora.

  • Role-play com vídeo de referência
  • Várias tomadas a partir de um prompt
  • Diálogo, som e sincronia labial
Anime sua foto com o Wan 2.6 →

Do Wan 2.5 ao Wan 2.6: O Que Dá Para Fazer Agora

O Wan 2.5 já incluía som, mas cada clipe era uma única tomada, de no máximo dez segundos, e o personagem só existia dentro daquela geração. A nova versão transforma essas limitações em recursos. Os clipes agora chegam a 15 segundos, um prompt pode ser dividido em vários enquadramentos e um vídeo de referência permite que a mesma pessoa apareça de novo e de novo em cenas diferentes. Para quem conta histórias em capítulos, essa consistência vale mais do que qualquer ganho de nitidez.

A Alibaba oferece a família em três modos no Model Studio: texto para vídeo, imagem para vídeo e referência para vídeo (muitas vezes abreviado como R2V). A saída sai em 720P ou 1080P a 24 quadros por segundo, em horizontal 16:9 ou vertical 9:16, com duração de 5, 10 ou 15 segundos.

Wan 2.5Wan 2.6
Clipe mais longo10 segundos15 segundos
Tomadas por clipeUma tomada contínuaVárias tomadas planejadas a partir de um prompt
Estrelar um personagem real ou inventadoSó com uma imagem inicialVídeo de referência copia aparência e voz
Dois personagens na mesma cenaDifícil de controlarDuas referências, cada uma com sua voz
SomÁudio suportadoDiálogo, efeitos e sincronia labial de uma vez

Role-Play com Vídeo de Referência: Coloque Qualquer Pessoa na Cena

O role-play é o grande destaque, e a Alibaba o apresentou como inédito entre os modelos de vídeo da China. Você grava ou escolhe um clipe curto, poucos segundos de alguém falando e se movendo já bastam, e o modelo capta a aparência e o tom de voz da pessoa. Depois você escreve a cena: entrar num café, discutir num terraço, apresentar um produto. O personagem a interpreta, e a voz que você ouve combina com a referência em vez de um narrador genérico.

Também funciona com mais de uma referência. Dois clipes geram um diálogo a dois em que cada um mantém a própria voz, e uma pessoa mais um objeto ou pet rendem aqueles momentos 'eu e meu cachorro na praia'. Nos prompts, as referências costumam ser chamadas de character1 e character2, o que facilita dizer quem faz o quê.

  • Solo: um criador aparece como detetive, chef ou âncora de telejornal sem gravar a cena.
  • Dupla: dois amigos ou dois personagens originais trocam falas, cada um com sua própria voz.
  • Pessoa e objeto: um apresentador e um produto, ou um tutor e seu pet, dividem o quadro com naturalidade.

Uma Ideia, Várias Tomadas: Como Funciona a Narrativa Multi-Cena

Peça 'um reencontro numa estação de trem' e o modelo não renderiza apenas uma vista aberta. Ele expande a ideia num pequeno roteiro, por exemplo um plano geral de abertura, um close num rosto e uma revelação por cima do ombro, e corta entre eles mantendo as mesmas pessoas, roupas e cenário. Se quiser controle, escreva as tomadas você mesmo: uma linha por tomada, com o enquadramento e o movimento de câmera indicados.

É por isso que a versão fez sucesso entre estúdios de minidramas verticais. Um clipe de 15 segundos com três tomadas tem o tamanho exato de um conflito, uma reviravolta e um gancho, e os rostos não mudam entre os cortes como costuma acontecer com clipes emendados.

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

Onde Está Bombando: Minidramas, Vídeos de Loja e Anúncios

O modelo foi posicionado para trabalhos profissionais de cinema e publicidade, e os usos mais claros no início vêm de equipes que precisam de muitos vídeos curtos e consistentes toda semana.

  • Minidramas verticais e adaptações de quadrinhos: uma referência de personagem mais um prompt de três tomadas entrega uma batida de conflito e reviravolta em 9:16, pronta para episódio após episódio.
  • Clipes de e-commerce e live commerce: um apresentador segura o produto, cita um benefício e sorri para a câmera, com o produto mostrado de vários ângulos no mesmo clipe.
  • Campanhas de marca: o mesmo porta-voz ou mascote continua reconhecível em dezenas de anúncios e idiomas.
  • Vlogs e esquetes para redes sociais: criadores enviam o próprio clipe e estrelam esquetes que nunca precisaram gravar.
  • Treinamento e pré-visualização: professores transformam um roteiro num vídeo explicativo falado, e diretores pré-visualizam uma cena antes da filmagem real.

Cinco Ideias Divertidas Que Todo Mundo Está Fazendo

Depois que você pega o jeito, alguns formatos voltam sempre aos feeds porque são rápidos de fazer e fáceis de compartilhar.

  • Eu e meu pet: você e um golden retriever brincam de buscar a bolinha ao pôr do sol, em câmera lenta, com latidos e ondas.
  • Diálogo a duas vozes: duas referências discutem, flertam ou fazem as pazes, e cada fala sai na voz certa.
  • Microfilme de uma linha: uma única frase vira um minifilme de três tomadas com música e ambiência.
  • Foto falante: um retrato antigo ou uma selfie vira para a câmera e diz uma fala que você escreveu.
  • Série com um protagonista: o mesmo personagem volta todo dia num lugar novo, construindo uma história contínua.

Como Criar um Vídeo no Wan 2.6 em Cinco Passos

O fluxo é o mesmo no site Wanxiang da Alibaba ou na API do Model Studio; só os botões mudam.

  1. Escolha um modo: texto para vídeo para uma ideia nova, imagem para vídeo para animar uma foto ou referência para vídeo para escalar um personagem.
  2. Adicione seu material: uma imagem inicial ou um clipe de referência de cerca de 2 a 10 segundos por personagem.
  3. Escreva as tomadas: uma linha por tomada, indique o enquadramento (geral, médio, close) e o movimento de câmera, e coloque o diálogo entre aspas com o nome de quem fala.
  4. Escolha o formato: 720P ou 1080P, 5, 10 ou 15 segundos, e 16:9 ou 9:16.
  5. Gere, revise e baixe; se uma mão ou um rosto ficar estranho, encurte a ação ou divida-a em outra tomada.

Modelos de Prompt do Wan 2.6 Para Copiar

Estes modelos seguem o estilo tomada a tomada que o modelo entende melhor. Troque as pessoas, os lugares e as falas, e mantenha a estrutura.

Minidrama em três tomadas

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.

Apresentação de produto

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 com referência

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

Pessoa e pet

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

Lookbook de verão (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 moda praia (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.

Dica: diga quem fala antes de cada fala entre aspas e mantenha movimentos corporais complexos em uma única tomada.

Wan 2.6, Wan 3.0 ou Kling 3.0: Qual Ferramenta Escolher

A Alibaba já lançou o Wan 2.7 e o Wan 3.0, mas esta versão continua disponível no Model Studio e, para muitos trabalhos, segue sendo a escolha sensata. Se seus clipes têm 15 segundos ou menos e o que mais importa é um personagem recorrente com voz reconhecível, ela dá conta do recado. Prefira o Wan 3.0 quando precisar de uma tomada única de até 30 segundos ou quiser usar documentos e páginas web como entrada. O Kling 3.0, da Kuaishou, é o rival mais próximo em clipes multi-cena com som nativo.

Wan 2.6Wan 3.0Kling 3.0
Ideal paraSéries de role-play, clipes de loja, cenas de minidramaTomadas únicas mais longas, entrada de documentos ou webCenas multi-tomada com som
Clipe mais longo15 segundosAté 30 segundosAté 15 segundos
Pesos abertosNãoNãoNão

O Que os Criadores Estão Dizendo

O feedback inicial de criadores chineses de vídeos curtos e de testadores internacionais segue um padrão claro. Os elogios se concentram em como os personagens se mantêm entre os cortes e na sincronia labial dos diálogos em mandarim, que costumava ser um ponto fraco das ferramentas importadas. Vendedores gostam que o apresentador realmente fale a frase em vez de ser dublado depois.

As críticas são igualmente consistentes: movimentos corporais complexos, como dança ou luta, ainda podem entortar membros, os últimos segundos de um clipe de 15 segundos às vezes se afastam da referência, e a moderação oficial é rígida a ponto de rejeitar prompts de moda praia ou romance que parecem inofensivos. A maioria contorna os dois primeiros problemas mantendo cada ação dentro de uma única tomada.

Código Aberto, Download e ComfyUI: A Resposta Direta

A Alibaba não liberou os pesos do Wan 2.6. Você o usa pelo site Wanxiang ou pela API do Model Studio, e qualquer nó do ComfyUI com o nome desta versão apenas chama essa API hospedada, sem rodar o modelo na sua própria GPU. Arquivos vendidos como download ou como versão 'sem censura' desta versão geralmente são cópias renomeadas de modelos abertos mais antigos.

O modelo de vídeo Wan mais recente que você realmente pode baixar é o Wan 2.2, publicado sob Apache-2.0 no GitHub e no Hugging Face com texto para vídeo, imagem para vídeo e um modelo menor de 5B, e ele conta com uma grande comunidade de fine-tunes e LoRAs.

Gerador de Vídeo Wan 2.6 Sem Censura

Nas plataformas da própria Alibaba, todo prompt e todo upload passa por moderação de conteúdo, então nudez e cenas explícitas são bloqueadas. O Spicy AI oferece imagem para vídeo do Wan 2.6 com menos limites para ficção adulta (18+): envie uma foto inicial, descreva o movimento e as falas e escolha 5, 10 ou 15 segundos. Ideias populares incluem um lookbook de biquíni à beira da piscina, um ensaio em estúdio no estilo lingerie e um vlog de férias na praia com uma personagem adulta fictícia.

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

Todos os personagens devem ser adultos. Não envie imagens de pessoas reais sem a permissão delas.

Abrir imagem para vídeo do Wan 2.6

Wan 2.6 Oficial vs Gerar no Spicy AI

Serviço oficialSpicy AI online
Filtro de conteúdoModerado na Alibaba Cloud e no WanxiangConteúdo adulto (18+) permitido
Pesos abertosNão, serviço fechadoNão se aplica, roda online
Modelo realmente usadoModos texto, imagem e referênciaWan 2.6 imagem para vídeo a partir de uma foto inicial
PreçoPago por segundo de vídeo no Model StudioGrátis para começar, créditos para mais
  • Oficial: role-play com vídeo de referência e texto para vídeo no site e na API do Wanxiang.
  • Spicy AI: envie sua própria foto e anime-a no navegador.

Perguntas Frequentes

Quem criou o Wan 2.6 e quando foi lançado?

A equipe Tongyi Wanxiang, da Alibaba, lançou o modelo em 16 de dezembro de 2025, no Alibaba Cloud Model Studio e no site Wanxiang.

Qual a duração máxima de um vídeo?

Cada clipe tem 5, 10 ou 15 segundos, em 720P ou 1080P, a 24 quadros por segundo.

O que é role-play de referência para vídeo?

Você envia um clipe curto de referência e o modelo copia a aparência e a voz da pessoa para encenar uma nova cena a partir do seu prompt. Ele suporta cenas solo, diálogo a dois e uma pessoa junto com um objeto ou pet.

Ele faz vídeos com diálogo?

Sim. O áudio é gerado junto com a imagem, incluindo fala com sincronia labial, efeitos sonoros e ambiência.

Ele é de código aberto? Posso baixar?

Nenhum peso oficial foi publicado, então ele só roda nos serviços da Alibaba. O Wan 2.2 é o modelo de vídeo Wan de pesos abertos mais recente que você pode rodar localmente.

Devo escolher o Wan 2.6 ou o Wan 3.0?

Escolha o Wan 3.0 para tomadas únicas de até 30 segundos ou entrada de documentos e web. Para clipes de 15 segundos ou menos, especialmente séries de role-play e vídeos de produto, a versão anterior ainda é uma boa opção.

Existe uma versão sem censura?

Não existe versão sem censura oficial nem da comunidade que seja confiável, porque os pesos nunca foram liberados. Downloads com esse nome geralmente são modelos abertos mais antigos.

Fontes

Ver todos os modelos de IA sem censura →

Wan e Tongyi Wanxiang são marcas registradas do Alibaba Group. Todo conteúdo deve retratar adultos (18+).

Sign in

Welcome to Spicy AI

or