Wan 2.6 的技術規格
| Item | Wan 2.6 Video Suite |
|---|---|
| Provider | Alibaba / Tongyi Lab |
| Model family | Wan 2.6 |
| Release timeframe | 2025 年 12 月版本 |
| Input types | 文字、圖像、參考影片、音訊輸入 |
| Output type | 影片,並可選擇同步音訊 |
| Core modes | 文字轉影片 (T2V)、影像轉影片 (I2V)、參考轉影片 (R2V) |
| Flash variants | I2V Flash, R2V Flash |
| Resolution support | 720P 與 1080P |
| Duration support | 2–15 秒(依工作流程而定) |
| Audio capabilities | 原生音訊生成、語音參考、唇形同步 |
| Multi-shot support | 單一工作流程中支援 2–8 個場景片段 |
| Reference support | 最多 5 個參考(視工作流程可混合圖像/影片) |
| API workflow | 非同步建立任務 + 輪詢 |
什麼是 Wan 2.6?
Wan 2.6 是 Alibaba 的多模態影片生成系統,聚焦於可控的短片製作。它並非純粹由提示詞驅動,而是結合文字提示、圖像參考、參考影片、音訊條件控制,以及場景串接,服務創作者的工作流程。相較於此前的 Wan 版本,主要升級在於更強的參考驅動一致性與更長的敘事生成能力。
Wan 2.6 的主要功能
- 參考轉影片工作流程: 使用者可提供圖像或影片參考,以在多次生成中維持角色身份、風格與聲音的延續性。
- 多鏡頭敘事生成: 支援在單次生成流程中串接多個提示詞,以實現場景轉場與故事推進。
- 原生音訊同步: 內建支援生成音訊、自訂音訊上傳與唇形同步工作流程。
- 彈性輸入模式: 支援僅提示生成、首幀動畫與參考驅動的工作流程。
- 用於迭代的 Flash 變體: 更快速的版本可在最終高品質渲染前進行快速測試。
- 更長片段: 相較早期版本延長了片段時長,支援敘事內容創作。
Wan 2.6 的基準表現
Wan 2.6 在正式基準方面的透明度仍有限;與文字 LLM 供應商相比,Alibaba 公布的標準化基準數據較少。大多數評估來自工作流程測試與生態系比較,而非公開排行榜。社群測試一致指出:
- 相較舊版 Wan,角色一致性有所提升。
- 音訊與影像同步性更佳。
- 多鏡頭連貫性更強。
- 參考條件控制更可靠。
由於基準發布稀少,上線前的實際生產測試仍然重要。
Wan 2.6 與其他影片模型對比
| Feature | Wan 2.6 | Wan 2.7 | Veo-family models |
|---|---|---|---|
| Native audio generation | 強 | 更強 | 強 |
| Multi-shot workflow | 是 | 改進 | 中等 |
| Reference-to-video | 強調 | 更強的控制 | 中等 |
| Clip duration | 最長 15 秒 | 相近 / 取決於工作流程 | 視情況而定 |
| Multi-reference support | 最多 5 個參考 | 擴展的工作流程 | 中等 |
| Editing workflows | 中等 | 更好的編輯支援 | 強 |
Wan 2.6 的限制
- 片段時長較短,仍然限制長篇製作。
- 高運動場景可能仍出現時序不穩定。
- 依賴大量參考的流程會增加設定複雜度。
- 公開基準報告仍然有限。
- 非同步生成管線增加整合複雜度。
代表性使用場景
- 角色一致性的行銷影片。
- 多場景社群媒體短片。
- 創作者化身動畫。
- 參考驅動的產品影片。
- 含同步音訊的 AI 敘事。
- 需要形象一致性維護的品牌內容。