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 👇
无限 万象 2.5 视频与图像生成器 - 支持音频同步的多模态AI
阿里巴巴先进的多模态AI生成模型，支援文生视频、图生视频和文生图。具备高质量1080p输出、同步音频合成、灵活时长选项（5-10秒）以及全面的多语言提示词支援，适用于多样化创意应用。
公开
万象 2.5 YouTube 视频
观看社区演示和评测，了解万象 2.5 的强大视频生成能力
- Finally a real VEO-3 competitor - Prompt Engineering
- WAN 2.5 Just Dropped! VEO 3 Killer? - Yang
- WAN 2.5-Preview Model Release | Multi-Sensory Storytelling, Unleash Your Creativity. - Tongyi Lab
万象 2.5 YouTube 视频
观看社区演示和评测，了解万象 2.5 的强大视频生成能力
Wan 2.5 在 X 上的热门评价
看看大家在 X (Twitter) 上对 Wan 2.5 的评价
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
什么是 Wan 2.5
阿里巴巴先进的多模态AI生成模型，具有强大的文本生成视频、图片生成视频和文本生成图片能力
3种格式文本/图片生成视频 & 文本生成图片
1080p最高解析度
5-10秒视频时长
多语言提示词理解
Wan 2.5 是前沿的多模态AI模型，能够跨文本生成视频、图片生成视频和文本生成图片格式提供多样化的内容生成。
3种格式文本/图片生成视频 & 文本生成图片
1080p最高解析度
5-10秒视频时长
多语言提示词理解
什么是 Wan 2.5
阿里巴巴先进的多模态AI生成模型，具有强大的文本生成视频、图片生成视频和文本生成图片能力
Wan 2.5 是前沿的多模态AI模型，能够跨文本生成视频、图片生成视频和文本生成图片格式提供多样化的内容生成。
万象 2.5 的强大功能
探索使万象 2.5 在视频和图像生成方面表现卓越的先进多模态能力
多模态生成
在统一模型中支援文生视频、图生视频和文生图，实现跨媒体类型的无缝创意工作流。
高解析度输出
生成高达1080p解析度的视频，支援480p和720p选项，为各种应用提供专业品质的视觉内容。
灵活时长控制
创建可定制时长的视频，从5秒到10秒，为不同内容需求和创意要求提供灵活性。
音频同步
具备一次性音视频同步功能，支援自定义音频集成和角色动画的自动唇形同步能力。
多种宽高比
在所有解析度下支援横向（16:9）和纵向（9:16）格式，完美适配社交媒体、演示文稿和各种显示格式。
多语言提示词
处理多种语言的提示词，内置翻译支援，使模型能够服务全球创作者和多样化受众。
提示词扩展
先进的提示词优化功能，自动增强用户描述，获得更丰富、更详细的生成结果。
负面提示词
通过指定不需要的元素来优化输出，精确控制最终生成的质量和内容。
种子控制
可自定义种子值实现可复现的结果，实现一致的生成和创意输出的迭代优化。
快速生成模式
为文生视频和图生视频任务优化的快速变体，在显著缩短处理时间的同时提供可比的质量。
自定义图片尺寸
文生图支援从256×256到1536×1536像素的灵活尺寸，具有多个预设宽高比和自定义尺寸选项。
先进架构
基于阿里巴巴前沿的视频生成技术，对运动、物理和视觉连贯性有深刻理解。
Wan 2.5 常见问题
Wan 2.5 是阿里巴巴先进的多模态AI生成模型，支援三种强大功能：文本生成视频、图片生成视频和文本生成图片。与单一用途模型不同，Wan 2.5 提供跨多种内容格式的多功能性，支援1080p解析度、灵活的5-10秒视频时长以及音频同步功能。
Wan 2.5 支援多种视频解析度，包括480p（832×480）、720p（1280×720）和1080p（1920×1080），横向（16:9）和竖向（9:16）方向均支援。视频时长灵活，提供5秒和10秒选项，让创作者根据具体需求进行选择。
Wan 2.5 具有先进的音频同步功能，允许您在视频生成中集成自定义音频URL。该模型可以将音频与视频内容对齐，创建同步的多媒体输出。您可以提供最大50MB的MP3、WAV或M4A格式音频文件。
Wan 2.5 提供三种主要生成模式：文本生成视频可从文本提示词创建动态视频，具有可自定义的解析度和时长；图片生成视频将静态图片转换为动画视频；文本生成图片生成具有艺术能力的高质量图片，支援从256×256到1536×1536像素的灵活宽高比。
是的，Wan 2.5 支援多语言提示词理解。该模型包含内置翻译选项，可将提示词转换为英语以实现最佳处理。此外，它还具有提示词扩展功能，可以增强您的输入提示词以获得更好的生成结果，使全球创作者都能轻松使用。
Wan 2.5 为视频创建提供两种生成速度选项。标准模式提供平衡的质量和处理时间，而快速模式加速生成速度以实现更快的周转，非常适合快速原型制作和迭代工作流程。两种模式都保持高质量输出，具有相同的解析度和时长选项。
Wan 2.5 的文本生成图片模式支援多种宽高比，包括1:1（1024×1024）、3:4、4:3和16:9格式，高清选项最高可达1536×1536像素。该模型具有出色的提示词理解能力、艺术创作能力、负面提示词支援以避免不需要的元素，以及自定义比例控制，尺寸范围从256到1536像素，以64像素为增量。
当然可以！Wan 2.5 在所有支援的解析度下都支援横向（16:9）和竖向（9:16）宽高比。这种灵活性使其非常适合各种平台和应用场景，从传统的宽屏内容到为TikTok和Instagram Reels等社交媒体平台优化的移动端竖屏视频。