Wan

Was ist Wan

Wan ist eine Open-Source-Reihe von KI-Videogenerierungsmodellen, entwickelt vom Tongyi Lab der Alibaba Group. Die Wan-Familie steht für Alibabas Vorzeigeprojekt im Bereich multimodale KI und wurde konzipiert, um Text-Prompts, Bilder und Referenzvideos in hochwertige Videoinhalte mit realistischen Bewegungen und konsistenter Optik zu verwandeln.

Aktuelle Version: Wan 2.6 (Dezember 2025)

Wan 2.6 — Neueste Updates

Zuletzt aktualisiert: Dezember 2025

Wan 2.6 kam kurz nach Version 2.5 mit Fokus auf besserer multimodaler Integration und erweiterten kreativen Steuerungsmöglichkeiten. Mit diesem Release wurden zentrale Einschränkungen der Vorgängerversionen adressiert sowie Features eingeführt, die anspruchsvollere Workflows für Content Creation ermöglichen.

Wichtige Verbesserungen in Wan 2.6:

• Verbesserte native Audiogenerierung: Die Audioqualität ist im Vergleich zu Wan 2.5 deutlich natürlicher, liegt aber in Sachen Stimmrealismus noch hinter Premiummodellen wie Veo 3 und Sora 2 zurück

• Längere Clips: Unterstützt jetzt bis zu 15 Sekunden pro Clip in 1080P, mit Option, mehrere Clips für längere Sequenzen zu kombinieren

• Charakter-Referenzsystem: Lade bis zu drei Charakterreferenzen aus Videos hoch, um die Konsistenz über verschiedene Generationen hinweg zu gewährleisten (Hinweis: Funktion aktuell noch nicht auf Somake verfügbar)

• Erstellung persönlicher Avatare: Zeichne dein eigenes Gesicht aus mehreren Winkeln sowie Sprachproben auf, um eine konsistente KI-Persona zu erstellen (Hinweis: Funktion aktuell noch nicht auf Somake verfügbar)

• Mehr-Charakter-Dialoge: Klare Trennung der Gespräche zwischen verschiedenen Charakteren ohne Überschneidungen

• Steuerung von Umgebung und Kleidung: Ändere Kleidung und Szene über Prompts

• Flüssige Bewegungsqualität: Videoausgaben überzeugen durch realistische Kameraeffekte wie Zoom und Unschärfe sowie fließende Bewegungen

Folgende Einschränkungen gibt es aktuell:

• Charakterähnlichkeit und Stimmanpassung sind teilweise noch uneinheitlich – Gesichter und Stimmen können vom Referenzmaterial abweichen

• Komplexe Actionszenen mit mehreren Charakteren (z.B. Kampfszenen) können zu visuellen Artefakten und Verzerrungen führen

• Animeszenen weisen geringere visuelle Qualität auf als realistische Stile

• Bei einigen Features kann es zu Inkonsistenzen kommen, darunter gelegentlich Sprachmischungen im Output

• Unerwartete oder surreale Elemente können auftauchen – das ist derzeit ein typisches Problem bei textbasierter Videogenerierung

Versionsübersicht & Spezifikationen

Anwendungsfälle

Erweiterte Prompts für Wan 2.6

Multi-Shot-Storytelling Prompt-Vorlage

Eine filmische [Genre]-Szene.

Aufnahme 1: [Weit/Medium/Nahaufnahme], [Szene, Charakter und Aktion beschreiben].

Aufnahme 2: [Kameraperspektive], [Übergang und neuen Fokus beschreiben].

Aufnahme 3: [Kameraperspektive], [Auflösung oder finalen Moment beschreiben].

Stil: [realistisch/filmisch/stilisiert]. Beleuchtung: [natürlich/dramatisch/soft].

Best Practices für Charakterreferenzen

• Nutze frontale Aufnahmen mit guter Beleuchtung als Charakterreferenz

• Für persönliche Avatare: Zeichne Referenzvideos aus verschiedenen Winkeln auf

• Maximal 3 Charakterreferenzen nutzen für bestmögliche Konsistenz

• Für Stimmabgleich saubere Audiodateien ohne Hintergrundgeräusche verwenden

• Abweichungen bei Gesicht und Stimme sind möglich – plane mit mehreren Generierungen

Richtlinien zur Szenenkomplexität

• Gut geeignet: Dialogszenen, sprechende Gesichter, Fokus auf einzelne Charaktere, einfache Interaktionen, lockere Gespräche zwischen mehreren Figuren

• Mit Vorsicht nutzen: Actionszenen mit vielen Figuren, ausgefeilte Kampfchoreografien, schnelle Bewegungen

• Meiden oder Artefakte erwarten: Komplexe Anime-Stile, sehr dynamische Gruppenszenen

Prompt-Erweiterung

Aktiviere die Prompt-Erweiterung, wenn deine Eingabe recht einfach gehalten ist oder du reichhaltigere Bilddetails wünschst. Das System fügt dann automatisch beschreibende Elemente hinzu, um Bildkomposition, Stil-Konsistenz und visuelle Klarheit im Ergebnis zu verbessern.

Typische Probleme und Lösungen

Problem: Stimmen klingen roboterhaft oder unnatürlich → Lösung: Das ist eine aktuelle Begrenzung von Wan 2.6. Für Projekte, bei denen besonders realistische Stimmen wichtig sind, nutze das Video-Output und spiele getrennt erzeugtes oder aufgenommenes Audio ein.

Problem: Unerwartete Charaktere oder surreale Elemente tauchen auf → Lösung: Solche KI-Artefakte kommen bei textbasierter Videogenerierung häufig vor. Halte deinen Prompt einfacher, reduziere Figuren und Elemente und generiere erneut. Prüfe die Ergebnisse vor Nutzung sorgfältig.

Problem: Actionszenen wirken verzerrt → Lösung: Komplexe Actionszenen mit vielen Charakteren sind bekannt fehleranfällig. Teile dynamische Szenen in einfachere Einzelaufnahmen auf und lege den Fokus auf ein oder zwei Figuren pro Clip – Choreografien möglichst vermeiden.

Problem: Anime-Output wirkt schwach → Lösung: Animeszenen von Wan 2.6 sind derzeit besonders eingeschränkt. Für Anime-Content nutze besser alternative Modelle oder verwende realistische Stil-Prompts.

Problem: Sprachen im Output stimmen nicht → Lösung: Es kann zu Sprachabweichungen kommen. Gib die gewünschte Sprache klar im Prompt vor und generiere erneut, falls das Ergebnis nicht passt.