AI 影片 · 阿里巴巴通義萬相
Wan 2.6:親自主演多鏡頭短劇,連聲音都是你的
Wan 2.6 是阿里巴巴通義萬相團隊在 2025 年 12 月 16 日推出的影片模型,主打的承諾很簡單:你可以走進影片裡。上傳一段自己、朋友或原創角色的短片,模型就會借用那張臉和那副嗓音,演出一場全新的戲。再加一句點子,它會自動規劃好幾個鏡頭,讓每次切換都維持同一張臉,並一次產出對白、音效和對嘴。下面帶你看懂它比 Wan 2.5 多了什麼、短劇團隊和電商賣家怎麼用、五個好玩的點子、逐步教學,以及馬上就能貼上的提示詞範本。
- 參考影片角色扮演
- 一句提示詞生成多鏡頭
- 對白、音效與對嘴
從 Wan 2.5 到 Wan 2.6:現在能做到什麼
Wan 2.5 已經把聲音納入標配,但每段影片只有一個鏡頭、最長 10 秒,角色也只活在那一次生成裡。新版本把這些限制變成了賣點:影片最長可達 15 秒,一句提示詞能拆成好幾個機位,而參考影片能讓同一個人在不同場景中一再登場。對想用連載方式說故事的人來說,這種一致性比畫質提升更重要。
阿里巴巴在 Model Studio 中以三種模式提供這個模型家族:文生影片、圖生影片,以及參考生影片(常簡稱 R2V)。輸出為 720P 或 1080P、每秒 24 格,可選橫式 16:9 或直式 9:16,長度為 5、10 或 15 秒。
| Wan 2.5 | Wan 2.6 | |
|---|---|---|
| 最長影片 | 10 秒 | 15 秒 |
| 每段鏡頭數 | 單一連續鏡頭 | 一句提示詞規劃多個鏡頭 |
| 讓真人或虛構角色主演 | 只能透過起始圖片 | 參考影片複製外貌與聲音 |
| 同場兩個角色 | 難以控制 | 兩個參考,各有各的聲音 |
| 聲音 | 支援音訊 | 對白、音效與對嘴一次完成 |
參考影片角色扮演:讓任何人走進場景
角色扮演是最大亮點,阿里巴巴稱之為中國影片模型的首創。你只要錄一段或挑一段短片,有人說話、走動幾秒就夠了,模型會抓住對方的外貌和說話語氣。接著寫下場景:走進咖啡館、在屋頂上爭吵、介紹一款產品。角色會照著演出,你聽到的聲音也會跟參考影片一致,而不是千篇一律的旁白。
它也支援多個參考。兩段短片就能做出雙人對話,每個人都保有自己的聲音;人物加上物品或寵物,就能拍出「我和我家狗狗在海邊」這種畫面。在提示詞中,參考通常稱為 character1 和 character2,誰做什麼一目了然。
- 獨角戲:創作者不用實拍,就能化身偵探、主廚或新聞主播。
- 雙人戲:兩位朋友或兩個原創角色你一言我一語,各自用自己的聲音。
- 人與物:主持人和商品、主人和寵物,自然地同框出現。
一個點子、多個鏡頭:多鏡頭敘事怎麼運作
輸入「火車站重逢」,模型不只會給你一個遠景。它會把點子擴寫成一小段劇本,例如先來個交代環境的遠景、接一個臉部特寫,再用過肩鏡頭揭曉,然後在保持相同人物、服裝和場景的前提下剪接起來。想自己掌控的話,就親手寫分鏡:每個鏡頭一行,寫明景別和運鏡。
這也是它在直式短劇工作室爆紅的原因。三個鏡頭的 15 秒短片,剛好裝得下衝突、反轉和懸念,而且不會像拼接片段那樣,切個鏡頭臉就變了。

正在爆發的應用:短劇、電商影片與廣告
這個模型定位於專業影視與廣告製作,最早也最明顯的應用,來自每週都需要大量短小且風格一致影片的團隊。
- 直式短劇與漫改作品:一個角色參考加上三鏡頭提示詞,就能做出 9:16 的衝突反轉段落,一集接一集。
- 電商與直播帶貨短片:主持人拿著商品、說出賣點、對鏡頭微笑,同一段影片裡就能從多個角度展示商品。
- 品牌行銷活動:同一位代言人或吉祥物,在數十支廣告、多種語言中都能一眼認出。
- Vlog 與社群短劇:創作者丟進自己的短片,就能主演從沒實際拍過的小劇場。
- 教學與前期視覺預覽:老師把講稿變成會說話的解說影片,導演在正式開拍前先預覽場景。
大家一直在玩的五個有趣點子
掌握基本操作後,有幾種格式因為做起來快、分享起來容易,總會在社群動態上反覆出現。
- 我和我的毛孩:夕陽下和黃金獵犬玩丟接球,慢動作搭配狗叫聲與海浪聲。
- 雙聲道對話:兩個參考角色吵架、調情或和好,每句台詞都用對的聲音說出來。
- 一句話微電影:一句話就變成有配樂和環境音的三鏡頭迷你電影。
- 會說話的照片:一張老照片或自拍轉向鏡頭,說出你寫的台詞。
- 同一主角連載:同一個角色每天在新地點登場,串起一段持續的故事。
五個步驟做出 Wan 2.6 影片
不論你用阿里巴巴的萬相網站還是 Model Studio API,流程都一樣,只是按鈕長得不同。
- 選擇模式:全新點子用文生影片,想讓照片動起來用圖生影片,要讓角色入戲就用參考生影片。
- 加入素材:一張起始圖片,或每個角色約 2 到 10 秒的參考短片。
- 寫分鏡:每個鏡頭一行,寫明景別(遠景、中景、特寫)和運鏡,台詞用引號括起並標明說話者。
- 選擇格式:720P 或 1080P,5、10 或 15 秒,16:9 或 9:16。
- 生成、檢查並下載;如果手或臉看起來怪怪的,就縮短動作,或拆到另一個鏡頭。
可直接複製的 Wan 2.6 提示詞範本
這些範本採用模型最容易理解的逐鏡頭寫法。替換人物、地點和台詞,保留結構即可。
三鏡頭短劇
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.
商品推銷
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.
參考角色扮演
character1 walks into a cozy café, waves at character2, they sit down and laugh; warm afternoon light, handheld camera, natural ambient sound.
人與寵物
character1 plays fetch with a golden retriever on a beach at sunset, slow-motion jump, waves and barking sounds.
夏日造型短片(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.
泳裝伸展台(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.
小技巧:每句引號台詞前都先寫出說話者,複雜的肢體動作盡量放在同一個鏡頭內。
Wan 2.6、Wan 3.0 還是 Kling 3.0:挑對工具
阿里巴巴之後又推出了 Wan 2.7 和 Wan 3.0,但這個版本仍在 Model Studio 上架,很多工作用它依然最合適。如果你的影片在 15 秒以內,最在意的是一個反覆登場、聲音辨識度高的角色,它就能勝任。需要長達 30 秒的一鏡到底,或想輸入文件和網頁時,再選 Wan 3.0。快手的 Kling 3.0 則是原生聲音多鏡頭短片領域最接近的對手。
| Wan 2.6 | Wan 3.0 | Kling 3.0 | |
|---|---|---|---|
| 最適合 | 角色扮演連載、電商短片、短劇橋段 | 較長的一鏡到底、文件或網頁輸入 | 帶聲音的多鏡頭場景 |
| 最長影片 | 15 秒 | 最長 30 秒 | 最長 15 秒 |
| 開放權重 | 否 | 否 | 否 |
創作者怎麼說
來自中國短影音創作者和海外測試者的早期回饋,呈現出清楚的趨勢。好評集中在角色跨鏡頭依然穩定,以及中文對白的對嘴效果,而這正是過去國外工具的弱項。商品賣家則很喜歡主持人能親口說出台詞,不必事後配音。
抱怨也同樣一致:跳舞或打鬥這類複雜動作仍可能讓四肢扭曲,15 秒影片的最後幾秒有時會偏離參考,而且官方審核嚴格到連看似無害的泳裝或戀愛提示詞都會被拒絕。多數使用者會把每個動作控制在一個鏡頭內,來避開前兩個問題。
開源、下載與 ComfyUI:老實說
阿里巴巴並未釋出 Wan 2.6 的權重。你只能透過萬相網站或 Model Studio API 使用它,任何標著這個版本的 ComfyUI 節點,其實都只是呼叫雲端 API,而不是在你自己的 GPU 上跑模型。標榜可下載或「無審查」版本的檔案,通常只是舊版開源模型換了名字。
目前真正能下載的最新 Wan 影片模型是 Wan 2.2,以 Apache-2.0 授權發布在 GitHub 和 Hugging Face,提供文生影片、圖生影片和較小的 5B 模型,還有龐大的微調與 LoRA 社群。
Wan 2.6 無審查影片生成器
在阿里巴巴自家平台上,每一條提示詞和每一次上傳都要經過內容審核,裸露和露骨畫面都會被擋下。Spicy AI 為成人(18+)虛構創作提供限制更少的 Wan 2.6 圖生影片:上傳一張起始照片,描述動作和台詞,再選 5、10 或 15 秒就好。熱門玩法包括比基尼泳池畔造型短片、內衣風格棚拍,以及和虛構成人角色一起拍的海灘度假 Vlog。

所有角色都必須是成年人。未經本人同意,請勿上傳真實人物。
開啟 Wan 2.6 圖生影片官方 Wan 2.6 與在 Spicy AI 上生成的比較
| 官方服務 | Spicy AI 線上版 | |
|---|---|---|
| 內容過濾 | 阿里雲與萬相平台會審核 | 允許成人(18+)內容 |
| 開放權重 | 否,封閉服務 | 不適用,線上執行 |
| 實際使用的模型 | 文字、圖片與參考模式 | 以起始照片進行 Wan 2.6 圖生影片 |
| 價格 | 在 Model Studio 按影片秒數計費 | 免費開始,更多用量使用點數 |
- 官方:在萬相網站與 API 上提供參考影片角色扮演與文生影片。
- Spicy AI:上傳你自己的照片,直接在瀏覽器裡讓它動起來。
常見問題
Wan 2.6 是誰做的?什麼時候推出?
由阿里巴巴通義萬相團隊於 2025 年 12 月 16 日推出,上架於阿里雲 Model Studio 和萬相網站。
影片最長可以多長?
每段影片為 5、10 或 15 秒,解析度 720P 或 1080P,每秒 24 格。
什麼是參考生影片角色扮演?
上傳一段簡短的參考影片,模型會複製那個人的外貌與聲音,依照你的提示詞演出新場景。支援獨角戲、雙人對話,以及人物搭配物品或寵物同框。
可以做有對白的影片嗎?
可以。聲音會和畫面一起生成,包括對嘴的說話聲、音效和環境音。
它開源嗎?可以下載嗎?
官方沒有公開權重,所以只能在阿里巴巴的服務上執行。可在本機運行的最新開放權重 Wan 影片模型是 Wan 2.2。
該選 Wan 2.6 還是 Wan 3.0?
需要長達 30 秒的一鏡到底或文件、網頁輸入,就選 Wan 3.0。若是 15 秒以內的影片,尤其是角色扮演連載和商品影片,舊版本依然很合用。
有無審查版本嗎?
由於權重從未釋出,既沒有官方的、也沒有可信的社群無審查版本。用這個名稱流傳的下載檔,通常是舊版開源模型。
資料來源
更多 AI 影片模型
- 無審查 Wan
- 無審查 Wan 3.0
- 無審查 Kling
- 無審查 Kling 2.6
- 無審查 Kling O1
- 無審查 Sora
- 無審查 Veo
- 無審查 Hailuo AI
- 無審查 MiniMax H3 Max
- 無審查 Seedance
- 無審查 Seedance 2.5
- 無審查 Seedance 2.0
- 無審查 Seedance 2.0 Mini
- 無審查 HunyuanVideo
- 無審查 LTX Video
- 無審查 Runway
- 無審查 Pika
- 無審查 Luma Dream Machine
- 無審查 Vidu
- 無審查 PixVerse
- 無審查 EdenLive
- 無審查 Grok Imagine
- 無審查 AI Avatars
- 無審查 HappyHorse 1.0
- 無審查 MiniMax H3 FL2VA Ref2VA
- 無審查 Kling 4.0
- 無審查 Kling 3.0
- 無審查 MiniMax H3 RefMods
- 無審查 Kandinsky 6.0
- 無審查 Looking Ahead
- 無審查 Kandinsky S2V 1.0 Pro
- 無審查 TaoMate-H3
- 無審查 SANA-Video 2.0
- 無審查 MiniMax H3 Remix
- 無審查 Sora 2
- 無審查 LTX-2.5 Slow Motion
- 無審查 VDN MiniMax H3
Wan 與通義萬相為阿里巴巴集團的商標。所有內容皆須描繪成年人(18+)。
