阿里 Wan 2.6 開源影片

• 1. 概要 （共 340 字）

  萬相2.6是阿里巴巴在2025年12月16日釋出的新一代視覺生成模型系列，涵蓋文生影片、圖生影片、參考生影片、影象生成、文生圖五個模型，主打「影視級」專業創作能力。它最大的亮點是國內首個支援「角色扮演」的影片模型：上傳一段參考影片，模型能學習其中人物的長相和音色，再按提示詞生成這個人的全新表演，還能做單人、多人乃至人與物的合拍。此外它把單次影片時長拉到15秒，支援多鏡頭智慧分鏡、聲畫同步和音訊驅動，對標的正是OpenAI的Sora2。需要提醒的是，儘管萬相家族以「開源」聞名，但公開可下載的權重實際上停在2.1/2.2版本（Apache 2.0），而帶音訊、帶1080P的2.5/2.6版本目前主要以API和App形式提供，「Wan 2.6開源」這個說法存在爭議，下文會專門說明。

• 2. 產品背景 （共 566 字）

  萬相（英文Wan，通義萬相）是阿里雲旗下的視覺生成模型家族，團隊在杭州，隸屬阿里巴巴集團。這個家族從2025年2月開始走開源路線，萬相2.1把14B和1.3B兩個規格的推理程式碼和權重按Apache 2.0協議全部開源，一度成為社群裡最受歡迎的開源影片模型之一。到2025年8月，Wan系列在GitHub上拿到超過1.3萬star，模型累計下載超過350萬次；官方口徑裡，整個萬相家族已支援文生圖、文生影片、圖生影片、人聲生影片、動作生成等十多種能力，累計生成約3.9億張圖片、7000萬個影片，自2月以來連續開源二十多款模型，第三方平臺下載量超過3000萬。   萬相2.6的釋出節奏卡在一個關鍵時點上。2025年9月雲棲大會阿里發了萬相2.5 preview，首次實現音畫同步，影片從5秒拉到10秒、支援24幀1080P。11月17日阿里把「通義」App正式改名「千問」App，全力進軍面向消費者的市場。12月16日萬相2.6隨千問App一起上線，並向所有使用者免費開放。千問App的勢頭很猛：公測一週下載破千萬，23天月活（含App、Web、PC端）突破3000萬，被稱為全球增長最快的AI應用之一；一個月內更新18個版本。阿里還專門成立了千問C端事業群，目標是把千問做成AI時代使用者的「第一入口」。萬相2.6就是這場豪賭裡的重要一塊拼圖。

• 3. 產品功能與使用體驗 （共 808 字）

  核心賣點是角色扮演（對應模型Wan2.6-R2V，參考生影片）。使用者丟進去一段2到30秒、主體清晰、有聲音的參考影片，模型會把裡面角色的外觀和音色都學下來，再按提示詞讓這個角色去演你寫的劇本，可以是單人表演，也可以最多三個角色合拍對話。這項能力被官方稱作「國內首個」，而且據稱是Sora2尚未完全實現的方向。千問App基於它上線了「AI小劇場」，國內首次實現「角色合拍」——你能和蘇軾、和美國隊長同框演一段短影片，生成後一鍵分享到微信、朋友圈、QQ。   第二個亮點是智慧分鏡敘事。你只要寫一句大致描述，模型會自動把它拆成多鏡頭指令碼，特寫管眼神、中景管動作、全景管環境，並在鏡頭切換時保持角色、服裝、情緒、場景一致。想更精細控制的話，可以用「總體描述+鏡頭序號+時間戳+分鏡內容」的公式化寫法，逐個鏡頭指定內容，還支援數十種基礎運鏡和組合運鏡。   第三是15秒長影片加聲畫同步。相比前代碎片化的動作片段，2.6能生成有入場、互動、離場的完整敘事結構，角色不只是動嘴，還能帶情緒說話，口型精準匹配，支援多人自然對話，音效和音樂質感也做了提升。它甚至支援音訊驅動生成——你給一段文字和音訊，模型據此驅動畫面和多鏡頭演繹，這一點被認為走在了Sora2前面。   影象側同樣做了升級：多圖融合與創意重組、商用級主體一致性、美學要素遷移、鏡頭與光線精準控制，以及圖文混排輸出（一次生成多張圖配文字，具備一定邏輯推理，適合繪本、說明、資訊圖）。文生圖則強調藝術風格的可控性、真實人像質感和中英文長文字的文字生成能力，能做海報、圖表、插畫。   實際體驗上口碑分化。第三方託管平臺形容其畫質出色、指令遵循強、運動質量接近Google Veo 3.1；但也有媒體實測發現，遇到複雜或超現實的提示詞（比如「孫悟空和財神擁抱」）模型理解會跑偏，給出前後不搭的畫面。生成速度方面，千問App裡翻拍一段10秒影片大約要2到5分鐘，API方式生成通常也要等5分鐘以上。

• 4. 定價與商業模式 （共 341 字）

  萬相2.6走的是「App免費引流+雲端API變現」的雙軌模式。普通使用者在千問App裡可以免費用，這是拉新和留存的入口。開發者和企業則透過阿里雲百鍊平臺調API付費。價格按影片時長和解析度計費：文生影片、圖生影片、參考生影片都是720P每秒0.6元、1080P每秒1元，固定30fps、MP4（H.264）輸出。開通阿里雲百鍊後有50秒免費額度，有效期90天。文生影片和圖生影片支援5/10/15秒，參考生影片目前支援5/10秒。值得注意的是，參考生影片（R2V）在百鍊上還不支援網頁體驗，只能透過API呼叫。   第三方海外聚合平臺給出的報價大致是每秒0.10美元、或每條影片約1美元的標準檔，和國內官方定價基本對得上。整體定價在同級模型裡偏中等偏實惠，尤其考慮到它自帶音訊和1080P。

• 5. 使用者評價 （共 422 字）

  正面評價集中在幾點：一是角色一致性和「Replace/替換」能力被社群認為是同類裡的標杆，能在保留原片運鏡和光線的前提下換角色，這是過去只有高階特效公司才做得到的；二是價效比高，自帶音訊、1080P、15秒時長，價格卻不貴；三是對開源生態友好，願意自建GPU的團隊可以基於開源權重做微調和LoRA，避免被單一廠商鎖定。有第三方評測把2.6的VBench分數標到84.7%，在開源DiT影片模型裡屬於第一梯隊。   負面反饋也不少：一是文件在中英文之間比較割裂，最深入的技術細節往往只在中文論壇裡，海外開發者要花額外精力翻譯；二是自建門檻高，14B模型自託管建議24GB以上視訊記憶體，全套權重加VAE要預留100GB磁碟；三是海外API延遲偏高，國際開發者容易碰到連線超時，需要正確設定endpoint和API Key；四是複雜提示詞下的指令理解仍有短板。還有獨立評測直言，目前所有「質量很好」的說法都來自託管平臺自己，缺少獨立的ELO排名和第三方基準驗證。

• 6. 行業評價 （共 483 字）

  媒體和機構普遍把萬相2.6放在中美AI影片生成競賽的框架裡看。招商證券統計業內已有15個以上被廣泛認可的影片模型，競爭白熱化。華泰證券認為Sora2的突破更多在於配套的AI社交平臺，透過雙邊網路效應自我強化。工信部專家盤和林對每日經濟新聞表示，中國在演算法能力上相對較強，阿里有豐富的資料和算力儲備，效能上能無限接近Sora2，當前差距主要在生成細節；他同時認為千問、即夢、可靈基本處在同一起跑線。   競爭格局確實擁擠：同在12月16日，位元組即夢AI網頁版升級成「AI片場」，主打影片3.5 Pro的音影片同出；快手可靈AI推出2.6模型，具備「音畫同出」，最長10秒。海外方面，Seedance 2.0、Minimax海螺02、Google Veo 3.1、OpenAI Sora2都是強勁對手——某2026年榜單裡Seedance 2.0以4.70分居首，萬相2.6以4.41分排在中游，評價是「開源可自託管是它區別於閉源對手的核心武器」。市場空間很大：Grand View Horizon預計2025年全球AI影片生成市場約8億美元，長期可觸達市場接近400億美元，其中B端佔九成。

• 7. 爭議與風險 （共 533 字）

  最需要說清楚的是「開源」這個標籤。萬相家族確實以開源著稱，但公開可下載、可商用的權重實際停在2.1/2.2版本（Apache 2.0）；而帶原生音訊、1080P的2.5及以後版本，多個獨立來源指出是「閉源/僅API」提供。也就是說，「Wan 2.6開源影片」這個叫法並不完全準確——你能免費自託管的是2.2，能用到2.6全部能力（音訊、15秒、角色扮演）主要得走API或千問App。不過也有部分聚合站點聲稱2.6權重已上HuggingFace（Wan-AI組織）和GitHub（Wan-Video），資訊互相矛盾，採用前務必到官方倉庫核實當前實際放出的版本和授權條款。   其他風險包括：一是同質化競爭激烈，即夢、可靈、海螺、Veo、Sora2各有所長，模型能力差距正在被抹平，長期比拼的是生態和使用者洞察，不只是引數；二是留存隱憂，a16z合夥人爆料Sora這類AI影片社交應用早期留存很弱（1天10%、30天1%、60天0%），說明「好玩」能拉新但未必留得住人，千問的AI小劇場同樣要面對這個問題；三是生成可控性，複雜提示詞下理解跑偏、生成需等待數分鐘，離「一鍵出片」還有距離；四是合規與版權，角色扮演能把真人或名人放進AI影片，肖像權、深度偽造、內容稽核都是繞不開的問題。

• 8. 適用人群與使用建議 （共 332 字）

  適合三類人。一是短劇和短影片創作者，角色扮演加多鏡頭敘事能大幅壓縮拍攝和後期成本，尤其適合需要角色一致性的連續劇情；二是電商和營銷團隊，圖生影片加商用級主體一致性適合快速產出產品展示和廣告素材，價格也扛得住高頻使用；三是有GPU基礎、追求可控和成本效率的工程團隊，可以基於開源的2.2權重自託管、微調，搭建定製化的影片生成管線。   不太適合兩類人：一是沒有GPU叢集、又想要純「電影級」氛圍敘事的使用者，這方面Sora2在質感和氛圍深度上仍佔優；二是對穩定性和延遲要求極高的海外生產環境，需要提前測試endpoint和延遲。想嚐鮮的普通使用者，最省事的路徑是直接下載千問App用「AI小劇場」，免費且門檻最低；開發者則從阿里雲百鍊申請API Key，先用免費額度跑通再上量。

• 9. 總結 （共 255 字）

  萬相2.6是阿里在AI影片賽道對標Sora2的一次全面發力，角色扮演、多鏡頭敘事、聲畫同步、音訊驅動這套組合拳讓它成為目前功能最全的影片生成模型之一，加上千問App三千萬月活的分發能力，短期聲量和使用者增長都很猛。它真正的護城河其實是開源生態（2.1/2.2權重）帶來的可自託管、可微調，這是閉源對手給不了的。但要理性看待：一方面「2.6開源」的說法需要打個問號，全部能力目前主要在API和App裡；另一方面影片生成已是紅海，模型差距在收窄，能不能留住使用者、把「好玩」變成「常用」，才是阿里這場豪賭真正的勝負手。

暫無深度報告

• 

  LLong

  —

  角色扮演這個功能是真的強，上傳自己一段影片，模型把長相和音色都學下來，再讓我去演另一個劇本，口型跟臺詞嚴絲合縫，聲音也沒什麼塑膠AI味，這在以前得靠專業特效團隊花好幾天才做得到，現在幾分鐘就出來了，短劇和虛擬人直播這類商用場景實用性直接拉滿。

---

• 

  蔡哲玉

  —

  導演型模型，不是剪輯型模型這句話總結得太到位了。你得自己把鏡頭1鏡頭2鏡頭3設計清楚，它才能發揮多機位優勢，只想一鍵出片的還是別來。

---

• 

  HAcha_fi

  —

  免費使用者最難受的就是等，五秒影片排隊加生成感覺等了小半天，氪金應該會好很多吧。

---

• 

  LisaJames_Max828

  —

  音訊驅動生影片這點確實是Sora2還沒有的，我給一張正面圖加一段自己錄的快語速音訊，一個提示詞都不寫，它自動就把口型、情緒節奏還有鏡頭切換全給我對上了，兩個角色的音色區分度也很清楚，連貫性比我之前試過的同類方案穩太多，基本屬於拿來就能直接發的水平。

---

• 

  KyleHill_Max

  —

  文生圖這條線真沒啥競爭力，AI感挺重的，相同提示詞還不如豆包，影片倒是不錯，主次分明吧。

---

• 

  AltSeason170_eth

  —

  15秒還是太短了，可靈都能60秒了。做長敘事只能分段生成再剪，全長15秒跑滿的時候臉和物體還容易變形。

---

• 

  BrittanyBanks

  —

  實測了一圈，人臉變形的問題還在，我上傳一段自己的短影片當角色參考，讓他穿攝影馬甲去泰山頂拍日出，結果影片裡拍攝的方向直接反了，沒按提示詞來；第二次身份倒是保留住了，能認出是同一個人，但原本光滑的下巴莫名其妙長出一臉鬍鬚，細節失真挺明顯，離宣傳里人人皆可做導演還有相當長一段路。

---

• 

  熊潔海

  —

  電影感是真的強，光影構圖情緒表達明顯比那些純短影片感的模型高一檔，做品牌片和敘事IP很合適。

---

• 

  djc_edwx

  —

  開源這塊真得說清楚，能免費下下來自託管的其實是2.1和2.2，走的是Apache 2.0協議，但帶音訊、帶1080P的2.5和2.6版本目前主要還是走API和千問App，網上好幾個地方說2.6權重上了HuggingFace，資訊互相打架，想自己部署的建議先去官方倉庫確認實際放出的到底是哪個版本，別被開源倆字直接騙進去。

---

• 

  林晨月

  —

  千問App裡的AI小劇場太好玩了，和蘇軾合拍還能和美國隊長同框，生成完一鍵甩微信群，朋友都問我怎麼弄的。

---

• 

  Sean611_fi

  —

  價格算厚道的，720P六毛一秒、1080P一塊一秒，自帶音訊和高畫質，比Sora2便宜多了。

---

• 

  DrTorGranås_2024

  —

  多人對話場景還是有點機械，角色扮演貼合原角色沒問題，但多人同框偶爾會角色替換錯配，兩個人的臉串了。

---

• 

  冬雪_15

  —

  自託管門檻不低啊，14B模型建議24G視訊記憶體起步，全套權重加VAE得留100G硬碟，我3060的12G只能最低畫質將就跑，想舒服用至少得16G，追求滿血畫質就得24G，這配置要求跟2.5基本沒差。

---

• 

  فاطمه زهرامحمدخان

  —

  現有的ComfyUI工作流基本無縫遷移，改個模型路徑就行，節點和引數全都能用，這點很省心。

---

• 

  Anthony_JohnsonX

  —

  說實話2.6相比2.5更像是打磨了一下邊角，運動連貫性和手部有改善，但不是那種脫胎換骨的大升級，穩步進步吧。

---

• 

  blackfish154

  —

  中文語義理解是真的頂，成語、古詩詞還有那些中國特有的文化元素它都能拿捏，不用像用國外模型那樣費勁去搞一長串英文提示詞工程，我隨手寫句古風的描述它就能懂個八九不離十，這方面Runway那些國外競品確實比不了，本土化優勢太明顯了。

---

• 

  MCastilloX

  —

  複雜互動還是會翻車，我讓兩個人打鬥配合，偶爾就肢體糾纏纏一起了，簡單場景沒問題。

---

• 

  ChainChaserJimenez

  —

  參考生影片在百鍊上還不支援網頁體驗，只能API調，想在控制檯點點點體驗一下的先別急。

---

• 

  DRped

  —

  文字生成依然是弱項，影片裡的字別指望它，還是後期加吧，這個毛病從上一代就有。

---

• 

  StephanieFoster_77

  —

  跨片段的角色一致性還是老大難，同一個角色放到不同影片裡就對不上了，只能靠訓LoRA或者別的工具補救；單條片段內部的時序一致性這次倒是改善了不少，15秒跑下來主體不會糊成一團，算是有進步的地方。

---

• 

  MichelleBarnes

  —

  Pro訂閱五美元一個月起，價格是同類裡的地板了，就是那個credit積分體系有點繞，每條影片到底扣多少不夠直觀。

---

• 

  St_akeWave

  —

  英文文件比以前好了，但最深的技術細節還是得翻中文論壇，海外開發者用起來得費點翻譯功夫。

---

• 

  JSanchezZ

  —

  智慧分鏡是真驚豔，按總體描述加鏡頭序號加時間戳加分鏡內容那套公式寫，模型會自動拆成遠景、中景、特寫，多鏡頭切換的時候主體、服裝、場景都能保持一致，剪輯出來的成片很連貫，短影片劇情號和IP衍生內容用這個簡直是降維打擊。

---

• 

  85mkkv0r40

  —

  抽卡成本不低，出片也慢，不適合高頻大批次帶貨測試，更像是做精品內容用的，追求量的還是選別的。

---

• 

  菊花750

  —

  五秒影片標準畫質大概45秒出，速度在國產裡算快的，連續跑二十次沒崩沒卡佇列，穩定性可以。

---

• 

  0wgfv6

  —

  剛釋出就衝去試了，音畫同步已經是標配，分鏡控制驚豔，就是多人互動還帶點機械感，整體比想象中能打。

暫無評論