Wan

Wan是什麼？

Wan 是阿里巴巴集團通義實驗室開發的開源 AI 影片生成模型系列。Wan 家族代表了阿里巴巴在多模態 AI 領域的旗艦技術，能將文字提示、圖片甚至參考影片轉換為高品質、動作自然且視覺一致的影片內容。

目前版本：Wan 2.6（2025 年 12 月）

Wan 2.6 — 最新更新

最後更新日期：2025 年 12 月

Wan 2.6 在 2.5 版推出不久後就登場，重點加強多模態整合及創作自由度。這個版本改善了之前的關鍵問題，也新增了能應對更複雜內容製作的功能。

Wan 2.6 主要升級亮點：

• 原生音訊生成升級：音質大幅提升，聽起來更自然，但在語音逼真度方面仍略遜於 Veo 3 和 Sora 2 這類高階模型

• 影片長度延長：支援最長 15 秒 1080P 片段，還能串接多個片段打造長片

• 人物參考系統：可上傳最多三個角色參考影片，確保多次生成時人物一致 （注意：此功能尚未於 Somake 平台開放）

• 個人化頭像製作：可錄製自己臉部多角度畫面及語音，建立專屬 AI 人物 （注意：此功能尚未於 Somake 平台開放）

• 多角色對話：多角色間對話處理乾淨，不會語音重疊

• 場景與服裝控制：可透過提示詞自由換角色服裝與場景環境

• 流暢運鏡：影片生成時呈現逼真的鏡頭效果，如縮放、模糊及順暢運動

目前需注意的限制：

• 角色外貌與語音匹配有時不夠穩定——生成的臉或聲音偶爾會和參考素材有落差

• 多角色動作場景（像打鬥畫面）容易出現畫面異常或扭曲

• 動畫風格的影片生成品質比寫實風格弱

• 偶爾會遇到部分功能不一致，例如生成內容的語言出現錯誤

• 有機會產生意外元素或超現實風格，這是目前文字生成影片 AI 的常見挑戰

版本歷程 & 規格

應用場景

Wan 2.6 進階提示詞教學

多鏡頭故事範本

電影感的 [類型] 場景。

鏡頭 1：[遠景/中景/近景]，描述畫面、角色、動作。

鏡頭 2：相機角度、描述轉場及新焦點。

鏡頭 3：相機角度、描述解決或結尾畫面。

風格：[寫實/電影感/特效]。光線：[自然/戲劇/柔和]。

角色參考最佳做法

• 角色參考請使用正面清晰、光線充足的素材

• 製作個人化頭像建議錄製多角度參考影片

• 最多只建議提供 3 個角色參考，一致性最佳

• 若要匹配語音，請提供無背景雜音的清晰語音樣本

• 臉部和聲音可能有些微差異，多次生成時請預先規劃

場景複雜度指引

• 表現佳：對話場景、訪談分鏡、單角色聚焦、簡單互動、多角色閒聊

• 需留意：多角色動作、打鬥、激烈移動分鏡

• 建議避免或可能有異常：複雜動畫風格、高動態群體場景

提示詞延伸

當你的提示很簡單或想要更豐富細節時，可以啟用提示詞延伸。系統將自動補充描述、細節與風格，讓畫面更協調且一致。

常見問題排解

問題：語音聽起來機械或不自然 → 解決方式：Wan 2.6 目前技術限制。需要高逼真語音的項目，建議影片生成後，另行錄製或合成音訊。

問題：生成內容出現奇怪角色或超現實元素 → 解決方式：目前 AI 文字轉影片容易有雜訊。建議簡化提示詞、減少角色數量，重新生成並仔細挑選成果。

問題：動作場景畫面扭曲 → 解決方式：多角色動作複雜確實是弱項，建議把分鏡切成簡單的片段，每段聚焦一到兩個角色，避免安排打鬥場景。

問題：動畫風格效果差 → 解決方式：Wan 2.6 動漫生成特別弱，建議需要動畫內容可考慮其他模型，或改用寫實提示詞。

問題：內容語言不符 → 解決方式：偶爾會有語言錯誤，請在提示詞明確指定語言，再遇到落差時重新產生即可。