Wan

Hva er Wan

Wan er en videoserie med åpen kildekode for AI-videogenerering utviklet av Alibaba Groups Tongyi Lab. Wan-familien representerer Alibabas flaggskipsatsing innen multimodal AI, designet for å forvandle tekstmeldinger, bilder og referansevideoer til videoinnhold av høy kvalitet med realistiske bevegelser og visuell konsistens.

Wan 2.7, som ble utgitt i april 2026, utvider seg betydelig fra en modell fokusert på generering til en bredere verktøykasse for videoproduksjon – med kontroll på bildenivå, instruksjonsbasert videoredigering og et innebygd logikklag. Enten du er en markedsfører som lager prototyper på reklamekonsepter eller en filmskaper som visualiserer scener, introduserer denne versjonen praktiske verktøy som løser reelle produksjonsflaskehalser. Du kan velge mellom nåværende og eldre Wan-versjoner i panelet til venstre på Somake AI.

Nåværende versjon: Wan 2.7 (april 2026)

Rask oversikt

Wan 2.7 — Siste oppdateringer

Wan 2.7 utvider Wan-serien fra en standard genereringsmodell til en mer omfattende videoproduksjonspakke. Denne utgivelsen introduserer presisjon på bildenivå, muligheten til å redigere eksisterende klipp med tekstinstruksjoner, og en intern logikkmotor for mer nøyaktige komposisjoner.

Viktige forbedringer i Wan 2.7:

• Generering fra første til siste bilde: Spesifiser både et startbilde og et sluttbilde. Modellen beregner og genererer den jevne bevegelsen og overgangen som kreves for å koble de to sammen på en logisk måte.

• Video-til-video-redigering: Last opp et eksisterende videoklipp og bruk naturlige tekstinstruksjoner for å endre stil, miljø eller belysning mens den opprinnelige bevegelsesstrukturen bevares.

• 9-ruters bilde-til-video: Forvandle et 3×3 rutenett med storyboard-bilder til en enkelt, sammenhengende videofortelling.

• Logisk resonnering (Thinking Mode): Et innebygd logikklag sikrer mer nøyaktig tolkning av instrukser, sterkere komposisjon og lesbar tekstgjengivelse på 12 språk.

• Forbedret motivreferanse: Bedre identitetslåsing for konsistente karakterer og objekter på tvers av bilder. (Merk: Noen avanserte multireferansefunksjoner er kanskje ikke tilgjengelige på alle tredjepartsplattformer ennå.)

Høydepunkter fra forrige versjon (Wan 2.6):

Følgende funksjoner ble introdusert i Wan 2.6 (desember 2025) og er fortsatt en del av modellens muligheter:

• Dialog mellom flere karakterer med ren taleseparasjon

• Karakterreferansesystem (opptil 3 referanser) – ennå ikke tilgjengelig på Somake

• Oppretting av personlig avatar fra ansikts- og stemmeprøver – ennå ikke tilgjengelig på Somake

• Kontroll over miljø og garderobe gjennom instrukser

• Innebygd audiovisuell synkronisering

Objektive fordeler og ulemper

✅ Styrker (per v2.7):

• Thinking Mode produserer merkbart mer nøyaktige komposisjoner og lesbar tekst

• 9-ruters storyboard-input bygger bro mellom planlegging og produksjon

• Fortsatt åpen kildekode, noe som gir utviklere fleksibilitet til tilpasset bruk

• Innebygd audiovisuell synkronisering videreført fra 2.5/2.6

⚠️ Begrensninger (per v2.7):

• Stimmerealisme og emosjonell lyd ligger fortsatt bak premium-konkurrenter som Veo 3 og Sora 2

• Komplekse handlingssekvenser med flere karakterer kan fortsatt gi visuelle misdannelser

• Anime-stil videogenerering er fortsatt svakere sammenlignet med realistiske stiler – dette har ikke blitt betydelig forbedret siden Wan 2.6

• Noen språklige feil i resultatet kan fortsatt forekomme, selv om det skjer sjeldnere enn i tidligere versjoner

Beste bruksområder

Slik sammenlignes den: Wan 2.7 vs. konkurrenter

Hvem vinner hvor:

• Wan 2.7 er det sterkeste valget for brukere som trenger fleksibiliteten til åpen kildekode, kontroll på bildenivå og videoredigeringsmuligheter til en lavere kostnad.

• Veo 3.1 leder på lydrealisme og oppløsning – det beste alternativet hvis stemmekvalitet er avgjørende og budsjett ikke er en hindring.

• Sora 2 tilbyr lengre klipp og naturlig lyd, egnet for lengre narrative sekvenser.

Du kan sammenligne Wan 2.7 mot disse og andre modeller som Kling og Seedance side om side på Somake AI uten å bytte plattform.

Avansert prompting for Wan 2.6

Malskabel for historiefortelling med flere klipp

En filmatisk [sjanger] scene.
Klipp 1: [Vidvinkel/Medium/Nærbilde] klipp, [beskriv scene, karakter og handling].
Klipp 2: [Kameravinkel], [beskriv overgang og nytt fokus].
Klipp 3: [Kameravinkel], [beskriv løsning eller sluttøyeblikk].
Stil: [realistisk/filmatisk/stilisert]. Belysning: [naturlig/dramatisk/myk].

Malskabel for start/slutt-bilde

En filmatisk [sjanger] scene.
Startbilde: [Beskriv startkomposisjonen, karakter og belysning].
Handling/Overgang: [Beskriv bevegelsen, kamerabevegelse og interaksjon].
Sluttbilde: [Beskriv sluttdestinasjonen].
Stil: [realistisk/filmatisk/stilisert]. Tekstgjengivelse: "[Inkluder spesifikk tekst som skal vises på skjermen i hermetegn]".

Prompt-utvidelse

Aktiver prompt-utvidelse når instruksen din er enkel eller du ønsker rikere visuelle detaljer. Systemet legger til beskrivende elementer for å forbedre komposisjon, stilkonsistens og visuell sammenheng i resultatet.

Feilsøking av vanlige problemer

Problem: Stemmen høres robotaktig eller unaturlig ut
→ Løsning: Dette er fortsatt en begrensning i Wan 2.7. For prosjekter som krever svært realistiske eller emosjonelle stemmer, bør du vurdere å bruke videoen med separat generert eller innspilt lyd.

Problem: Uventede karakterer eller surrealistiske elementer dukker opp
→ Løsning: Selv om Wan 2.7s Thinking Mode reduserer disse misdannelsene, kan de fortsatt forekomme ved for overlastede instrukser. Forenkle instruksen din og generer på nytt.

Problem: Actionscener har visuelle forvrengninger
→ Løsning: Komplekse handlingssekvenser med flere karakterer er en kjent svakhet. Del opp dynamiske scener i enklere klipp og bruk funksjonen for første og siste bilde for å eksplisitt kontrollere start- og sluttpunktet for bevegelsen.

Problem: Tekst på skilt eller klær er uleselig
→ Løsning: Wan 2.7 har forbedret tekstgjengivelse på 12 språk via Thinking Mode. Hvis teksten fortsatt er rotete, sett den ønskede teksten i hermetegn i instruksen din og unngå å blande motstridende referansebilder.