Wan 2.5 (preview) API nodes are now live in ComfyUI! A big leap forward for image & video generation 🎵 Audio-Visual Sync (voices, ASMR, music, effects) 🎬 10s Videos (richer storytelling) ✨ 1080P cinematic quality 🔊 Audio conditioning as input Examples 👇
無限萬象2.5 影片圖像生成器 - 支援音訊同步的多模態AI
阿里巴巴研發的先進多模態AI生成模型，支援文生影片、圖生影片與文生圖，提供高質量1080p輸出、同步音訊合成，可彈性調整生成時長為5到10秒，並完整支援多語言提示詞，適合各類多元的創意應用需求。
公開
萬象 2.5 YouTube 影片
觀看社區演示和評測，了解萬象 2.5 的強大影片生成能力
Wan 2.5 在 X 上的熱門評價
看看大家在 X (Twitter) 上對 Wan 2.5 的評價
Wan 2.5 / Kling 2.5 Turbo ... Esto no se detiene. Ya da un poco de miedo. El pangolín espectacular. Que opinas de mi caracol hecho con Kling 2.5 Turbo?
💥🤯 the new Wan 2.5 and it is insane now it has audio, sound effects and... voices! check these amazing examples below🧵
Wan 2.5 is so interesting. It solves the inverse problem of audio to video. In essence, it uses audio + prompt to infer video. This means you can design your audio track to tell a story which can be very efficient. Here I did a quick mock up first with drawing, then I fed in an Show more
With creative WAN product placement style that feel catchy + meme-worthy + launch-ready With @higgsfield_ai WAN 2.5 is here a fundamental update where every feature is powered by WAN. #HiggsfieldWAN
🚨 WAKE UP!! WAN 2.5 SPEAKS!🚨 You read that right, just released tonight, Wan 2.5 has native audio just like VEO3! Capable of 1080p and 10 seconds and Image To Video at launch. Text To Video Prompt: camera natural light, 8K. cinematic realistic dramatic zoom in on a a Show more
Wan 2.5 vs Kling 2.5 - the difference of physics is massive! 😱
Wan 2.5 Hits Real Off! I'm quite impressed how fluid the camera movement and sound design is. And of course with unlimited generation on Higgsfield AI I'm more than happy to experiment 🧩 Show more
什麼是 Wan 2.5
阿里巴巴先進的多模態AI生成模型，具有強大的文本生成影片、圖片生成影片與文本生成圖片能力
3種格式文本/圖片生成影片 & 文本生成圖片
1080p最高解析度
5-10秒影片時長
多語言提示詞理解
Wan 2.5 是前沿的多模態AI模型，能夠跨文本生成影片、圖片生成影片與文本生成圖片格式提供多樣化的內容生成。
3種格式文本/圖片生成影片 & 文本生成圖片
1080p最高解析度
5-10秒影片時長
多語言提示詞理解
什麼是 Wan 2.5
阿里巴巴先進的多模態AI生成模型，具有強大的文本生成影片、圖片生成影片與文本生成圖片能力
Wan 2.5 是前沿的多模態AI模型，能夠跨文本生成影片、圖片生成影片與文本生成圖片格式提供多樣化的內容生成。
萬象 2.5 領先業界的強大功能
一起認識讓萬象 2.5 在影片與影像生成領域脫穎而出的先進多模態技術
多模態生成
單一整合模型就涵蓋文生影片、圖生影片和文生圖需求，實現跨媒體類型無縫接軌的創意工作流程
高解析度輸出
可輸出最高1080p解析度的影片，同時提供480p和720p彈性選項，為各種應用場景帶來專業級品質的視覺內容
靈活時長控制
可打造自訂時長的影片，範圍從5秒到10秒自由調整，完美對應不同內容規劃與創意構想的彈性需求
音訊同步
內建一次性完成的音影片同步功能，支援自定義音訊整合，還具備角色動畫自動唇形同步的實用能力
多種寬高比
在所有解析度下都支援橫向（16:9）和縱向（9:16）格式，完美適配社交媒體、演示文稿和各種顯示場景
多語言提示詞
可處理多種語言的輸入提示詞，內建翻譯支援，能滿足全球各地創作者與多元受眾的使用需求
提示詞擴展
搭載先進的提示詞最佳化功能，自動強化用戶輸入的描述，幫助你獲得更豐富、細節更完整的生成結果
負面提示詞
讓你透過指定不需要出現的元素最佳化輸出，精準控制最終成品的內容與整體品質
種子控制
可透過自定義種子值獲得可重現的生成結果，方便維持輸出一致性，也利於創意作品的迭代最佳化
快速生成模式
專為文生影片和圖生影片任務最佳化的快速變體，能大幅縮短整體處理時間，同時維持同等水準的輸出品質
自定義圖片尺寸
文生圖支援從256×256到1536×1536像素的靈活尺寸設定，提供多個預設寬高比與自定義尺寸選項
先進架構
建構在阿里巴巴前沿的影片生成技術之上，對於運動、物理規則與視覺連貫性有極深刻的掌握
Wan 2.5 常見問答集
還有其他問題嗎？
Wan 2.5 是阿里巴巴推出的先進多模態AI生成模型，具備三大強大功能：文本生成影片、圖片生成影片和文本生成圖片。不同於僅能處理單一任務的模型，Wan 2.5 可跨多種內容格式提供多元生成能力，支援1080p解析度、彈性的5-10秒影片時長，以及實用的音訊同步功能。
Wan 2.5 支援多種影片解析度，包括480p（832×480）、720p（1280×720）和1080p（1920×1080），橫向（16:9）和豎向（9:16）方向都能正常使用。影片時長提供5秒與10秒兩種彈性選項，讓創作者可以依自身專案需求挑選合適長度。
Wan 2.5 搭載先進的音訊同步功能，開放使用者在生成影片時導入自定義音訊URL。模型會自動對齊音訊與影片內容，產出完整同步的多媒體輸出，開放使用者上傳最大50MB、格式為MP3、WAV或M4A的音訊檔案。
Wan 2.5 提供三種核心生成模式：文本生成影片可從文字提示創建動態影片，並開放自定義解析度與時長；圖片生成影片將靜態圖片轉換為流暢的動畫影片；文本生成圖片則產出高品質的藝術化圖片，支援彈性調整寬高比，範圍從256×256到1536×1536像素都可設定。
是的，Wan 2.5 原生支援多語言提示詞理解。模型內建翻譯選項，會自動將提示詞轉換為英文以達到最佳處理效果，另外還具備提示詞擴展功能，可強化你的輸入提示來獲得更好的生成成果，讓全球各地的創作者都能輕鬆使用。
Wan 2.5 針對影片生成提供兩種不同速度的選項。標準模式平衡了生成品質與處理時間，快速模式則加快生成速度、縮短等待時間，非常適合快速原型開發與反覆迭代的工作流程。兩種模式都能維持高品質輸出，也同樣開放所有解析度與時長選項。
Wan 2.5 的文本生成圖片模式支援多種常見寬高比，包括1:1（1024×1024）、3:4、4:3和16:9格式，高清選項最高可達1536×1536像素。這個模型擁有出色的提示詞理解能力、優異的藝術創作表現，支援負面提示詞過濾不需要的元素，也開放自定義比例控制，尺寸範圍從256到1536像素，以64像素為增量調整。
當然可以！Wan 2.5 在所有支援的解析度下都開放橫向（16:9）和豎向（9:16）兩種寬高比。這項彈性讓它非常適合各種平台與應用場景，不論是傳統的寬屏內容，還是針對TikTok和Instagram Reels等社群平台優化的行動裝置豎屏影片都能製作。