Video AI · Alibaba Tongyi Wanxiang

Wan 2.6: Tự đóng vai chính trong phim ngắn nhiều cảnh, có cả giọng nói

Hỏi AI ▾

Wan 2.6 là mô hình video do đội ngũ Tongyi Wanxiang của Alibaba ra mắt ngày 16 tháng 12 năm 2025, với một lời hứa đơn giản: bạn có thể xuất hiện trong video. Tải lên một đoạn clip ngắn của bạn, bạn bè hoặc một nhân vật tự sáng tạo, mô hình sẽ mượn ngoại hình và giọng nói đó để diễn một cảnh hoàn toàn mới. Chỉ cần thêm ý tưởng một dòng, nó sẽ lên kế hoạch nhiều cảnh quay, giữ nguyên gương mặt qua từng lần cắt cảnh và tạo lời thoại, hiệu ứng âm thanh cùng khẩu hình khớp lời chỉ trong một lần. Bên dưới là những thay đổi so với Wan 2.5, cách các nhà làm phim ngắn và người bán hàng online đang dùng nó, năm ý tưởng thú vị, hướng dẫn từng bước và mẫu prompt để dán ngay.

  • Nhập vai từ video tham chiếu
  • Nhiều cảnh quay từ một prompt
  • Lời thoại, âm thanh và khẩu hình
Biến ảnh của bạn thành video với Wan 2.6 →

Từ Wan 2.5 đến Wan 2.6: Giờ bạn có thể làm gì

Wan 2.5 đã tích hợp âm thanh, nhưng mỗi clip chỉ là một cảnh quay, dài tối đa mười giây, và nhân vật chỉ tồn tại trong đúng lần tạo đó. Phiên bản mới biến những giới hạn này thành tính năng. Clip giờ dài tới 15 giây, một prompt có thể chia thành nhiều góc máy, và video tham chiếu giúp cùng một người xuất hiện lặp lại qua nhiều cảnh khác nhau. Với những ai kể chuyện theo từng tập, sự nhất quán này quan trọng hơn bất kỳ cải thiện độ nét nào.

Alibaba cung cấp dòng mô hình này với ba chế độ trong Model Studio: văn bản thành video, ảnh thành video và tham chiếu thành video (thường viết tắt là R2V). Đầu ra ở 720P hoặc 1080P, 24 khung hình mỗi giây, khung ngang 16:9 hoặc dọc 9:16, dài 5, 10 hoặc 15 giây.

Wan 2.5Wan 2.6
Clip dài nhất10 giây15 giây
Số cảnh mỗi clipMột cảnh quay liền mạchNhiều cảnh được lên kế hoạch từ một prompt
Đưa nhân vật thật hoặc hư cấu vào vai chínhChỉ qua ảnh khởi đầuVideo tham chiếu sao chép ngoại hình và giọng nói
Hai nhân vật trong một cảnhKhó kiểm soátHai tham chiếu, mỗi người một giọng riêng
Âm thanhHỗ trợ âm thanhLời thoại, hiệu ứng và khẩu hình trong một lần

Nhập vai bằng video tham chiếu: Đưa bất kỳ ai vào cảnh

Nhập vai là tính năng nổi bật nhất, và Alibaba gọi đây là lần đầu tiên một mô hình video ở Trung Quốc làm được. Bạn quay hoặc chọn một clip ngắn, chỉ vài giây ai đó nói và cử động là đủ, mô hình sẽ nắm bắt ngoại hình và chất giọng của họ. Sau đó bạn viết cảnh: bước vào quán cà phê, tranh cãi trên sân thượng, giới thiệu sản phẩm. Nhân vật sẽ diễn cảnh đó, và giọng bạn nghe được khớp với tham chiếu thay vì một giọng đọc có sẵn.

Nó cũng hoạt động với nhiều tham chiếu. Hai clip cho bạn một đoạn hội thoại hai người, mỗi người giữ giọng riêng, còn một người cùng đồ vật hoặc thú cưng sẽ tạo ra những khoảnh khắc kiểu “tôi và chú chó trên bãi biển”. Trong prompt, các tham chiếu thường được gọi là character1 và character2, giúp dễ chỉ định ai làm gì.

  • Một mình: nhà sáng tạo hóa thân thành thám tử, đầu bếp hay người dẫn bản tin mà không cần quay cảnh.
  • Song ca: hai người bạn hoặc hai nhân vật tự sáng tạo đối đáp, mỗi người một giọng riêng.
  • Người và đồ vật: người dẫn và sản phẩm, hoặc chủ và thú cưng, cùng xuất hiện trong khung hình thật tự nhiên.

Một ý tưởng, nhiều cảnh quay: Cách kể chuyện đa cảnh hoạt động

Hãy yêu cầu “cuộc hội ngộ ở ga tàu”, mô hình sẽ không chỉ dựng một góc toàn cảnh. Nó mở rộng ý tưởng thành một kịch bản nhỏ, ví dụ cảnh toàn giới thiệu bối cảnh, cận cảnh khuôn mặt và cú lộ diện qua vai, rồi cắt qua lại giữa chúng mà vẫn giữ nguyên con người, trang phục và bối cảnh. Nếu muốn kiểm soát, hãy tự viết các cảnh: mỗi cảnh một dòng, ghi rõ khung hình và chuyển động máy quay.

Đó là lý do bản phát hành này được các studio phim ngắn khung dọc đón nhận. Một clip 15 giây với ba cảnh vừa đủ cho xung đột, bước ngoặt và đoạn kết gây tò mò, và gương mặt không bị biến dạng giữa các lần cắt như thường gặp ở các clip ghép nối.

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

Nơi nó đang bùng nổ: Phim ngắn, video bán hàng và quảng cáo

Mô hình được định vị cho công việc phim ảnh và quảng cáo chuyên nghiệp, và những ứng dụng sớm rõ nét nhất đến từ các đội cần nhiều video ngắn, nhất quán mỗi tuần.

  • Phim ngắn khung dọc và chuyển thể truyện tranh: một tham chiếu nhân vật cộng một prompt ba cảnh cho ra nhịp xung đột và bước ngoặt ở khung 9:16, sẵn sàng cho tập này nối tập khác.
  • Clip thương mại điện tử và livestream bán hàng: người dẫn cầm sản phẩm, nêu một lợi ích và mỉm cười với máy quay, sản phẩm được thể hiện từ nhiều góc trong cùng một clip.
  • Chiến dịch thương hiệu: cùng một người đại diện hoặc linh vật luôn dễ nhận ra qua hàng chục quảng cáo và nhiều ngôn ngữ.
  • Vlog và tiểu phẩm mạng xã hội: nhà sáng tạo đưa clip của chính mình vào và đóng vai chính trong những tiểu phẩm họ chưa từng phải quay.
  • Đào tạo và dựng hình trước: giáo viên biến kịch bản thành video giải thích có lời nói, còn đạo diễn xem trước cảnh trước khi quay thật.

Năm ý tưởng thú vị được làm đi làm lại

Khi đã nắm được cơ bản, một vài định dạng liên tục xuất hiện trên mạng xã hội vì chúng làm nhanh và dễ chia sẻ.

  • Tôi và thú cưng: bạn và chú golden retriever chơi ném bắt lúc hoàng hôn, quay chậm với tiếng sủa và tiếng sóng.
  • Hội thoại hai giọng: hai tham chiếu cãi nhau, tán tỉnh hoặc làm lành, mỗi câu thoại đều đúng giọng.
  • Phim siêu ngắn từ một câu: một câu duy nhất thành phim mini ba cảnh có nhạc và âm thanh nền.
  • Ảnh biết nói: một bức chân dung cũ hay ảnh selfie quay về máy quay và nói câu bạn đã viết.
  • Series một nhân vật chính: cùng một nhân vật trở lại mỗi ngày ở địa điểm mới, xây dựng câu chuyện liên tục.

Cách tạo video Wan 2.6 trong năm bước

Quy trình giống nhau dù bạn dùng trang web Wanxiang của Alibaba hay API Model Studio; chỉ có các nút bấm trông khác.

  1. Chọn chế độ: văn bản thành video cho ý tưởng mới, ảnh thành video để làm ảnh chuyển động, hoặc tham chiếu thành video để chọn vai cho nhân vật.
  2. Thêm tư liệu: một ảnh khởi đầu, hoặc một clip tham chiếu khoảng 2 đến 10 giây cho mỗi nhân vật.
  3. Viết các cảnh: mỗi cảnh một dòng, ghi rõ khung hình (toàn, trung, cận) và chuyển động máy quay, đặt lời thoại trong ngoặc kép kèm tên người nói.
  4. Chọn định dạng: 720P hoặc 1080P, 5, 10 hoặc 15 giây, và 16:9 hoặc 9:16.
  5. Tạo, xem lại và tải về; nếu bàn tay hay khuôn mặt trông lạ, hãy rút ngắn hành động hoặc tách sang một cảnh khác.

Mẫu prompt Wan 2.6 để bạn sao chép

Các mẫu này viết theo kiểu từng cảnh một, cách mà mô hình hiểu tốt nhất. Hãy thay người, địa điểm và lời thoại, nhưng giữ nguyên cấu trúc.

Phim ngắn ba cảnh

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.

Giới thiệu sản phẩm

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.

Nhập vai theo tham chiếu

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

Người và thú cưng

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

Lookbook mùa hè (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.

Sàn diễn đồ bơi (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.

Mẹo: ghi tên người nói trước mỗi câu thoại trong ngoặc kép, và giữ các chuyển động cơ thể phức tạp trong một cảnh.

Wan 2.6, Wan 3.0 hay Kling 3.0: Chọn đúng công cụ

Alibaba đã ra mắt Wan 2.7 và Wan 3.0, nhưng phiên bản này vẫn được cung cấp trên Model Studio và với nhiều việc vẫn là lựa chọn hợp lý. Nếu clip của bạn từ 15 giây trở xuống và bạn quan tâm nhất đến một nhân vật xuất hiện lặp lại với giọng nói dễ nhận ra, nó đáp ứng tốt. Hãy chọn Wan 3.0 khi cần một cảnh quay liền dài tới 30 giây hoặc muốn đưa tài liệu và trang web vào. Kling 3.0 của Kuaishou là đối thủ gần nhất cho clip nhiều cảnh có âm thanh gốc.

Wan 2.6Wan 3.0Kling 3.0
Phù hợp nhất choSeries nhập vai, clip bán hàng, phân đoạn phim ngắnCảnh quay liền dài hơn, đầu vào tài liệu hoặc webCảnh nhiều góc quay có âm thanh
Clip dài nhất15 giâyTới 30 giâyTới 15 giây
Trọng số mởKhôngKhôngKhông

Nhà sáng tạo nói gì

Phản hồi ban đầu từ các nhà làm video ngắn Trung Quốc và người thử nghiệm quốc tế cho thấy một xu hướng rõ ràng. Lời khen tập trung vào việc nhân vật giữ ổn định qua các lần cắt cảnh và khẩu hình khớp lời thoại tiếng Quan Thoại, vốn là điểm yếu của các công cụ nước ngoài. Người bán hàng thích việc người dẫn thực sự nói câu thoại thay vì phải lồng tiếng sau.

Những lời phàn nàn cũng nhất quán không kém: chuyển động phức tạp như nhảy múa hay đánh nhau vẫn có thể làm cong tay chân, vài giây cuối của clip 15 giây đôi khi lệch khỏi tham chiếu, và kiểm duyệt chính thức nghiêm đến mức từ chối cả các prompt đồ bơi hay lãng mạn tưởng chừng vô hại. Phần lớn người dùng khắc phục hai vấn đề đầu bằng cách giữ mỗi hành động trong một cảnh.

Mã nguồn mở, tải về và ComfyUI: Câu trả lời thẳng thắn

Alibaba chưa công bố trọng số của Wan 2.6. Bạn dùng nó qua trang web Wanxiang hoặc API Model Studio, và mọi node ComfyUI gắn tên phiên bản này chỉ đơn giản gọi API được lưu trữ đó chứ không chạy mô hình trên GPU của bạn. Các tệp được bán dưới dạng bản tải về hay bản “không kiểm duyệt” của phiên bản này thường là bản sao đổi tên của các mô hình mở cũ hơn.

Mô hình video Wan mới nhất bạn thực sự tải về được là Wan 2.2, phát hành theo giấy phép Apache-2.0 trên GitHub và Hugging Face, với văn bản thành video, ảnh thành video và một mô hình 5B nhỏ hơn, cùng cộng đồng lớn với nhiều bản fine-tune và LoRA.

Wan 2.6 Tạo video không kiểm duyệt

Trên các nền tảng của chính Alibaba, mọi prompt và tệp tải lên đều qua kiểm duyệt nội dung, vì vậy cảnh khỏa thân và cảnh nhạy cảm bị chặn. Spicy AI cung cấp Wan 2.6 chuyển ảnh thành video với ít giới hạn hơn cho nội dung hư cấu dành cho người lớn (18+): tải ảnh khởi đầu, mô tả chuyển động và lời thoại, rồi chọn 5, 10 hoặc 15 giây. Các ý tưởng phổ biến gồm lookbook bikini bên hồ bơi, buổi chụp studio phong cách nội y và vlog kỳ nghỉ biển với một nhân vật trưởng thành hư cấu.

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

Mọi nhân vật phải là người trưởng thành. Không tải lên hình ảnh người thật khi chưa được họ cho phép.

Mở Wan 2.6 chuyển ảnh thành video

Dùng Wan 2.6 chính thức hay tạo trên Spicy AI

Dịch vụ chính thứcSpicy AI trực tuyến
Lọc nội dungKiểm duyệt trên Alibaba Cloud và WanxiangCho phép nội dung người lớn (18+)
Trọng số mởKhông, dịch vụ đóngKhông áp dụng, chạy trực tuyến
Mô hình thực sự sử dụngChế độ văn bản, ảnh và tham chiếuWan 2.6 chuyển ảnh thành video từ ảnh khởi đầu
GiáTrả theo giây video trên Model StudioBắt đầu miễn phí, dùng credit để tạo thêm
  • Chính thức: nhập vai từ video tham chiếu và văn bản thành video trên trang web Wanxiang và API.
  • Spicy AI: tải ảnh của bạn lên và làm nó chuyển động ngay trên trình duyệt.

Câu hỏi thường gặp

Ai tạo ra Wan 2.6 và ra mắt khi nào?

Đội ngũ Tongyi Wanxiang của Alibaba ra mắt nó ngày 16 tháng 12 năm 2025 trên Alibaba Cloud Model Studio và trang web Wanxiang.

Video có thể dài bao nhiêu?

Mỗi clip dài 5, 10 hoặc 15 giây ở 720P hoặc 1080P, 24 khung hình mỗi giây.

Nhập vai bằng tham chiếu thành video là gì?

Bạn tải lên một clip tham chiếu ngắn, mô hình sẽ sao chép ngoại hình và giọng nói của người đó để diễn một cảnh mới theo prompt của bạn. Hỗ trợ cảnh một người, hội thoại hai người và một người cùng đồ vật hoặc thú cưng.

Nó có tạo được video có lời thoại không?

Có. Âm thanh được tạo cùng lúc với hình ảnh, gồm giọng nói khớp khẩu hình, hiệu ứng âm thanh và âm thanh nền.

Nó có phải mã nguồn mở và tải về được không?

Chưa có trọng số chính thức nào được công bố, nên nó chỉ chạy trên dịch vụ của Alibaba. Wan 2.2 là mô hình video Wan trọng số mở mới nhất mà bạn có thể chạy cục bộ.

Nên chọn Wan 2.6 hay Wan 3.0?

Chọn Wan 3.0 cho cảnh quay liền tới 30 giây hoặc đầu vào tài liệu và web. Với clip từ 15 giây trở xuống, nhất là series nhập vai và video sản phẩm, bản phát hành cũ hơn vẫn rất phù hợp.

Có phiên bản không kiểm duyệt không?

Không có bản không kiểm duyệt chính thức hay bản cộng đồng đáng tin cậy nào, vì trọng số chưa từng được công bố. Các bản tải về mang tên đó thường là mô hình mở cũ hơn.

Nguồn tham khảo

Xem tất cả mô hình AI không kiểm duyệt →

Wan và Tongyi Wanxiang là nhãn hiệu của Alibaba Group. Mọi nội dung phải mô tả người trưởng thành (18+).

Sign in

Welcome to Spicy AI

or