阿里 Wan 2.6 开源视频

• 1. 概要 （共 340 字）

  万相2.6是阿里巴巴在2025年12月16日发布的新一代视觉生成模型系列，涵盖文生视频、图生视频、参考生视频、图像生成、文生图五个模型，主打「影视级」专业创作能力。它最大的亮点是国内首个支持「角色扮演」的视频模型：上传一段参考视频，模型能学习其中人物的长相和音色，再按提示词生成这个人的全新表演，还能做单人、多人乃至人与物的合拍。此外它把单次视频时长拉到15秒，支持多镜头智能分镜、声画同步和音频驱动，对标的正是OpenAI的Sora2。需要提醒的是，尽管万相家族以「开源」闻名，但公开可下载的权重实际上停在2.1/2.2版本（Apache 2.0），而带音频、带1080P的2.5/2.6版本目前主要以API和App形式提供，「Wan 2.6开源」这个说法存在争议，下文会专门说明。

• 2. 产品背景 （共 566 字）

  万相（英文Wan，通义万相）是阿里云旗下的视觉生成模型家族，团队在杭州，隶属阿里巴巴集团。这个家族从2025年2月开始走开源路线，万相2.1把14B和1.3B两个规格的推理代码和权重按Apache 2.0协议全部开源，一度成为社区里最受欢迎的开源视频模型之一。到2025年8月，Wan系列在GitHub上拿到超过1.3万star，模型累计下载超过350万次；官方口径里，整个万相家族已支持文生图、文生视频、图生视频、人声生视频、动作生成等十多种能力，累计生成约3.9亿张图片、7000万个视频，自2月以来连续开源二十多款模型，第三方平台下载量超过3000万。   万相2.6的发布节奏卡在一个关键时点上。2025年9月云栖大会阿里发了万相2.5 preview，首次实现音画同步，视频从5秒拉到10秒、支持24帧1080P。11月17日阿里把「通义」App正式改名「千问」App，全力进军面向消费者的市场。12月16日万相2.6随千问App一起上线，并向所有用户免费开放。千问App的势头很猛：公测一周下载破千万，23天月活（含App、Web、PC端）突破3000万，被称为全球增长最快的AI应用之一；一个月内更新18个版本。阿里还专门成立了千问C端事业群，目标是把千问做成AI时代用户的「第一入口」。万相2.6就是这场豪赌里的重要一块拼图。

• 3. 产品功能与使用体验 （共 808 字）

  核心卖点是角色扮演（对应模型Wan2.6-R2V，参考生视频）。用户丢进去一段2到30秒、主体清晰、有声音的参考视频，模型会把里面角色的外观和音色都学下来，再按提示词让这个角色去演你写的剧本，可以是单人表演，也可以最多三个角色合拍对话。这项能力被官方称作「国内首个」，而且据称是Sora2尚未完全实现的方向。千问App基于它上线了「AI小剧场」，国内首次实现「角色合拍」——你能和苏轼、和美国队长同框演一段短视频，生成后一键分享到微信、朋友圈、QQ。   第二个亮点是智能分镜叙事。你只要写一句大致描述，模型会自动把它拆成多镜头脚本，特写管眼神、中景管动作、全景管环境，并在镜头切换时保持角色、服装、情绪、场景一致。想更精细控制的话，可以用「总体描述+镜头序号+时间戳+分镜内容」的公式化写法，逐个镜头指定内容，还支持数十种基础运镜和组合运镜。   第三是15秒长视频加声画同步。相比前代碎片化的动作片段，2.6能生成有入场、互动、离场的完整叙事结构，角色不只是动嘴，还能带情绪说话，口型精准匹配，支持多人自然对话，音效和音乐质感也做了提升。它甚至支持音频驱动生成——你给一段文本和音频，模型据此驱动画面和多镜头演绎，这一点被认为走在了Sora2前面。   图像侧同样做了升级：多图融合与创意重组、商用级主体一致性、美学要素迁移、镜头与光线精准控制，以及图文混排输出（一次生成多张图配文字，具备一定逻辑推理，适合绘本、说明、信息图）。文生图则强调艺术风格的可控性、真实人像质感和中英文长文本的文字生成能力，能做海报、图表、插画。   实际体验上口碑分化。第三方托管平台形容其画质出色、指令遵循强、运动质量接近Google Veo 3.1；但也有媒体实测发现，遇到复杂或超现实的提示词（比如「孙悟空和财神拥抱」）模型理解会跑偏，给出前后不搭的画面。生成速度方面，千问App里翻拍一段10秒视频大约要2到5分钟，API方式生成通常也要等5分钟以上。

• 4. 定价与商业模式 （共 341 字）

  万相2.6走的是「App免费引流+云端API变现」的双轨模式。普通用户在千问App里可以免费用，这是拉新和留存的入口。开发者和企业则通过阿里云百炼平台调API付费。价格按视频时长和分辨率计费：文生视频、图生视频、参考生视频都是720P每秒0.6元、1080P每秒1元，固定30fps、MP4（H.264）输出。开通阿里云百炼后有50秒免费额度，有效期90天。文生视频和图生视频支持5/10/15秒，参考生视频目前支持5/10秒。值得注意的是，参考生视频（R2V）在百炼上还不支持网页体验，只能通过API调用。   第三方海外聚合平台给出的报价大致是每秒0.10美元、或每条视频约1美元的标准档，和国内官方定价基本对得上。整体定价在同级模型里偏中等偏实惠，尤其考虑到它自带音频和1080P。

• 5. 用户评价 （共 422 字）

  正面评价集中在几点：一是角色一致性和「Replace/替换」能力被社区认为是同类里的标杆，能在保留原片运镜和光线的前提下换角色，这是过去只有高端特效公司才做得到的；二是性价比高，自带音频、1080P、15秒时长，价格却不贵；三是对开源生态友好，愿意自建GPU的团队可以基于开源权重做微调和LoRA，避免被单一厂商锁定。有第三方评测把2.6的VBench分数标到84.7%，在开源DiT视频模型里属于第一梯队。   负面反馈也不少：一是文档在中英文之间比较割裂，最深入的技术细节往往只在中文论坛里，海外开发者要花额外精力翻译；二是自建门槛高，14B模型自托管建议24GB以上显存，全套权重加VAE要预留100GB磁盘；三是海外API延迟偏高，国际开发者容易碰到连接超时，需要正确设置endpoint和API Key；四是复杂提示词下的指令理解仍有短板。还有独立评测直言，目前所有「质量很好」的说法都来自托管平台自己，缺少独立的ELO排名和第三方基准验证。

• 6. 行业评价 （共 483 字）

  媒体和机构普遍把万相2.6放在中美AI视频生成竞赛的框架里看。招商证券统计业内已有15个以上被广泛认可的视频模型，竞争白热化。华泰证券认为Sora2的突破更多在于配套的AI社交平台，通过双边网络效应自我强化。工信部专家盘和林对每日经济新闻表示，中国在算法能力上相对较强，阿里有丰富的数据和算力储备，性能上能无限接近Sora2，当前差距主要在生成细节；他同时认为千问、即梦、可灵基本处在同一起跑线。   竞争格局确实拥挤：同在12月16日，字节即梦AI网页版升级成「AI片场」，主打视频3.5 Pro的音视频同出；快手可灵AI推出2.6模型，具备「音画同出」，最长10秒。海外方面，Seedance 2.0、Minimax海螺02、Google Veo 3.1、OpenAI Sora2都是强劲对手——某2026年榜单里Seedance 2.0以4.70分居首，万相2.6以4.41分排在中游，评价是「开源可自托管是它区别于闭源对手的核心武器」。市场空间很大：Grand View Horizon预计2025年全球AI视频生成市场约8亿美元，长期可触达市场接近400亿美元，其中B端占九成。

• 7. 争议与风险 （共 533 字）

  最需要说清楚的是「开源」这个标签。万相家族确实以开源著称，但公开可下载、可商用的权重实际停在2.1/2.2版本（Apache 2.0）；而带原生音频、1080P的2.5及以后版本，多个独立来源指出是「闭源/仅API」提供。也就是说，「Wan 2.6开源视频」这个叫法并不完全准确——你能免费自托管的是2.2，能用到2.6全部能力（音频、15秒、角色扮演）主要得走API或千问App。不过也有部分聚合站点声称2.6权重已上HuggingFace（Wan-AI组织）和GitHub（Wan-Video），信息互相矛盾，采用前务必到官方仓库核实当前实际放出的版本和授权条款。   其他风险包括：一是同质化竞争激烈，即梦、可灵、海螺、Veo、Sora2各有所长，模型能力差距正在被抹平，长期比拼的是生态和用户洞察，不只是参数；二是留存隐忧，a16z合伙人爆料Sora这类AI视频社交应用早期留存很弱（1天10%、30天1%、60天0%），说明「好玩」能拉新但未必留得住人，千问的AI小剧场同样要面对这个问题；三是生成可控性，复杂提示词下理解跑偏、生成需等待数分钟，离「一键出片」还有距离；四是合规与版权，角色扮演能把真人或名人放进AI视频，肖像权、深度伪造、内容审核都是绕不开的问题。

• 8. 适用人群与使用建议 （共 332 字）

  适合三类人。一是短剧和短视频创作者，角色扮演加多镜头叙事能大幅压缩拍摄和后期成本，尤其适合需要角色一致性的连续剧情；二是电商和营销团队，图生视频加商用级主体一致性适合快速产出产品展示和广告素材，价格也扛得住高频使用；三是有GPU基础、追求可控和成本效率的工程团队，可以基于开源的2.2权重自托管、微调，搭建定制化的视频生成管线。   不太适合两类人：一是没有GPU集群、又想要纯「电影级」氛围叙事的用户，这方面Sora2在质感和氛围深度上仍占优；二是对稳定性和延迟要求极高的海外生产环境，需要提前测试endpoint和延迟。想尝鲜的普通用户，最省事的路径是直接下载千问App用「AI小剧场」，免费且门槛最低；开发者则从阿里云百炼申请API Key，先用免费额度跑通再上量。

• 9. 总结 （共 255 字）

  万相2.6是阿里在AI视频赛道对标Sora2的一次全面发力，角色扮演、多镜头叙事、声画同步、音频驱动这套组合拳让它成为目前功能最全的视频生成模型之一，加上千问App三千万月活的分发能力，短期声量和用户增长都很猛。它真正的护城河其实是开源生态（2.1/2.2权重）带来的可自托管、可微调，这是闭源对手给不了的。但要理性看待：一方面「2.6开源」的说法需要打个问号，全部能力目前主要在API和App里；另一方面视频生成已是红海，模型差距在收窄，能不能留住用户、把「好玩」变成「常用」，才是阿里这场豪赌真正的胜负手。

暂无深度报告

• 

  LLong

  —

  角色扮演这个功能是真的强，上传自己一段视频，模型把长相和音色都学下来，再让我去演另一个剧本，口型跟台词严丝合缝，声音也没什么塑料AI味，这在以前得靠专业特效团队花好几天才做得到，现在几分钟就出来了，短剧和虚拟人直播这类商用场景实用性直接拉满。

---

• 

  蔡哲玉

  —

  导演型模型，不是剪辑型模型这句话总结得太到位了。你得自己把镜头1镜头2镜头3设计清楚，它才能发挥多机位优势，只想一键出片的还是别来。

---

• 

  HAcha_fi

  —

  免费用户最难受的就是等，五秒视频排队加生成感觉等了小半天，氪金应该会好很多吧。

---

• 

  LisaJames_Max828

  —

  音频驱动生视频这点确实是Sora2还没有的，我给一张正面图加一段自己录的快语速音频，一个提示词都不写，它自动就把口型、情绪节奏还有镜头切换全给我对上了，两个角色的音色区分度也很清楚，连贯性比我之前试过的同类方案稳太多，基本属于拿来就能直接发的水平。

---

• 

  KyleHill_Max

  —

  文生图这条线真没啥竞争力，AI感挺重的，相同提示词还不如豆包，视频倒是不错，主次分明吧。

---

• 

  AltSeason170_eth

  —

  15秒还是太短了，可灵都能60秒了。做长叙事只能分段生成再剪，全长15秒跑满的时候脸和物体还容易变形。

---

• 

  BrittanyBanks

  —

  实测了一圈，人脸变形的问题还在，我上传一段自己的短视频当角色参考，让他穿摄影马甲去泰山顶拍日出，结果视频里拍摄的方向直接反了，没按提示词来；第二次身份倒是保留住了，能认出是同一个人，但原本光滑的下巴莫名其妙长出一脸胡须，细节失真挺明显，离宣传里人人皆可做导演还有相当长一段路。

---

• 

  熊洁海

  —

  电影感是真的强，光影构图情绪表达明显比那些纯短视频感的模型高一档，做品牌片和叙事IP很合适。

---

• 

  djc_edwx

  —

  开源这块真得说清楚，能免费下下来自托管的其实是2.1和2.2，走的是Apache 2.0协议，但带音频、带1080P的2.5和2.6版本目前主要还是走API和千问App，网上好几个地方说2.6权重上了HuggingFace，信息互相打架，想自己部署的建议先去官方仓库确认实际放出的到底是哪个版本，别被开源俩字直接骗进去。

---

• 

  林晨月

  —

  千问App里的AI小剧场太好玩了，和苏轼合拍还能和美国队长同框，生成完一键甩微信群，朋友都问我怎么弄的。

---

• 

  Sean611_fi

  —

  价格算厚道的，720P六毛一秒、1080P一块一秒，自带音频和高清，比Sora2便宜多了。

---

• 

  DrTorGranås_2024

  —

  多人对话场景还是有点机械，角色扮演贴合原角色没问题，但多人同框偶尔会角色替换错配，两个人的脸串了。

---

• 

  冬雪_15

  —

  自托管门槛不低啊，14B模型建议24G显存起步，全套权重加VAE得留100G硬盘，我3060的12G只能最低画质将就跑，想舒服用至少得16G，追求满血画质就得24G，这配置要求跟2.5基本没差。

---

• 

  فاطمه زهرامحمدخان

  —

  现有的ComfyUI工作流基本无缝迁移，改个模型路径就行，节点和参数全都能用，这点很省心。

---

• 

  Anthony_JohnsonX

  —

  说实话2.6相比2.5更像是打磨了一下边角，运动连贯性和手部有改善，但不是那种脱胎换骨的大升级，稳步进步吧。

---

• 

  blackfish154

  —

  中文语义理解是真的顶，成语、古诗词还有那些中国特有的文化元素它都能拿捏，不用像用国外模型那样费劲去搞一长串英文提示词工程，我随手写句古风的描述它就能懂个八九不离十，这方面Runway那些国外竞品确实比不了，本土化优势太明显了。

---

• 

  MCastilloX

  —

  复杂互动还是会翻车，我让两个人打斗配合，偶尔就肢体纠缠缠一起了，简单场景没问题。

---

• 

  ChainChaserJimenez

  —

  参考生视频在百炼上还不支持网页体验，只能API调，想在控制台点点点体验一下的先别急。

---

• 

  DRped

  —

  文字生成依然是弱项，视频里的字别指望它，还是后期加吧，这个毛病从上一代就有。

---

• 

  StephanieFoster_77

  —

  跨片段的角色一致性还是老大难，同一个角色放到不同视频里就对不上了，只能靠训LoRA或者别的工具补救；单条片段内部的时序一致性这次倒是改善了不少，15秒跑下来主体不会糊成一团，算是有进步的地方。

---

• 

  MichelleBarnes

  —

  Pro订阅五美元一个月起，价格是同类里的地板了，就是那个credit积分体系有点绕，每条视频到底扣多少不够直观。

---

• 

  St_akeWave

  —

  英文文档比以前好了，但最深的技术细节还是得翻中文论坛，海外开发者用起来得费点翻译功夫。

---

• 

  JSanchezZ

  —

  智能分镜是真惊艳，按总体描述加镜头序号加时间戳加分镜内容那套公式写，模型会自动拆成远景、中景、特写，多镜头切换的时候主体、服装、场景都能保持一致，剪辑出来的成片很连贯，短视频剧情号和IP衍生内容用这个简直是降维打击。

---

• 

  85mkkv0r40

  —

  抽卡成本不低，出片也慢，不适合高频大批量带货测试，更像是做精品内容用的，追求量的还是选别的。

---

• 

  菊花750

  —

  五秒视频标准画质大概45秒出，速度在国产里算快的，连续跑二十次没崩没卡队列，稳定性可以。

---

• 

  0wgfv6

  —

  刚发布就冲去试了，音画同步已经是标配，分镜控制惊艳，就是多人互动还带点机械感，整体比想象中能打。

暂无评论