Wan

什么是 Wan

Wan 是由阿里巴巴集团通义实验室开发的开源 AI 视频生成模型系列。Wan 系列是阿里巴巴在多模态 AI 领域的旗舰产品，能够将文本提示、图片和参考视频转化为高质量且动作真实、画面一致的视频内容。

当前版本：Wan 2.6（2025年12月）

Wan 2.6 —— 最新更新

最近更新时间：2025年12月

Wan 2.6 在 2.5 版本发布后不久上线，重点提升了多模态融合和创意控制能力。本次更新针对之前版本的关键局限进行了优化，并新增了更适合复杂内容制作的新功能。

Wan 2.6 主要提升：

• 原生音频生成升级：音质较 Wan 2.5 明显提升，发音更自然，但在语音真实感上仍略逊于 Veo 3 和 Sora 2 等高端竞品

• 时长扩展：支持最长 15 秒的 1080P 视频片段，可拼接多个片段生成更长内容

• 角色参考系统：可上传最多三个视频角色参考，保证不同时代视频生成的一致性 (注意：此功能暂未在 Somake 平台开放)

• 个人虚拟人创建：录制多角度人脸和语音样本，生成属于自己的专属 AI 形象 (注意：此功能暂未在 Somake 平台开放)

• 多角色对话：清晰呈现多角色交流，无语音重叠困扰

• 场景与服饰控制：通过提示词即可改变角色服饰和环境场景

• 流畅动作表现：视频输出具备逼真的镜头效果，如缩放和虚化，动作丝滑自然

当前需注意的局限：

• 角色形象和声音有时与参考素材不完全一致——人脸和声音偶尔有差异

• 多角色复杂动作场景（如打斗）易出现画面瑕疵和变形

• 二次元风格视频生成效果较写实风格为弱

• 部分功能偶有不稳定，包括输出语种偶尔出现混乱

• 有时会出现意外或超现实元素，这是当前文本生成视频 AI 的共性挑战

版本历史与参数

应用场景

Wan 2.6 高级提示词技巧

多镜头叙事提示词模板

一个电影感的【类型】场景。

镜头1：【远景/中景/特写】，描述场景、角色及动作。

镜头2：镜头角度，描述转场及新内容。

镜头3：镜头角度，描述结尾或高潮瞬间。

画面风格：【写实/电影感/美术风】。光线：【自然/戏剧/柔光】。

角色参考最佳实践

• 角色参考视频选择正面清晰光线画面

• 创建个人虚拟人时推荐录制多角度素材视频

• 角色参考建议最多上传 3 个，保证一致性最佳

• 匹配语音时请上传无杂音的清晰音频样本

• 人脸和声音复现会有细微差异，建议多次生成比对

场景复杂度建议

• 表现优秀：对白场景、访谈镜头、单角色突出、简单互动、多角色对话

• 谨慎使用：多角色动作、打斗编排、快速运动场面

• 尽量避免或有瑕疵：复杂动漫风、群体动态大场面

提示词自动丰富

当你的输入较简单或希望画面更丰富时，可开启提示词扩充，系统会自动添加描述细节，优化画面内容、风格和整体效果。

常见问题排查

问题：语音听起来生硬或不自然 → 解决方法：这是 Wan 2.6 当前的限制。如果对语音还原要求较高，建议视频生成后单独录制或合成音频。

问题：出现意外角色或超现实画面 → 解决方法：文本生成视频常有 AI 瑕疵，可简化提示词、减少角色或元素数量后再次生成。使用前请仔细检查输出结果。

问题：动作场景容易变形或失真 → 解决方法：多角色复杂动作是已知弱项。建议将动态场景分解为简单镜头，每段聚焦 1-2 个角色，避免编排复杂的打斗。

问题：动漫风格画面效果较差 → 解决方法：Wan 2.6 在二次元画面生成方面较弱。开发动漫内容可尝试其他模型，或优先使用写实类提示词。

问题：输出内容语种出错 → 解决方法：偶有语言不一致情况，请在提示词明确指定目标语种，如有误请重新生成。