Wan 2.5 genera imagen y sonido en una sola pasada. Describe una escena o sube una imagen inicial y obtén un clip de 5 o 10 segundos en 720p o 1080p, con diálogos, efectos de sonido y música que encajan con la imagen y con los labios de quien habla.
Sonido generado junto con la imagen, lenguaje de cámara cinematográfico y mejor seguimiento de las instrucciones convierten un prompt o una imagen en un clip terminado.
Wan 2.5 es el primer modelo Wan que genera voces junto con el vídeo. Escribe lo que dice un personaje y la voz llega sincronizada con su boca, su expresión y sus gestos. Presentaciones a cámara, explicaciones de producto y escenas de microdrama ya no necesitan una locución aparte.
El sonido ambiente, los efectos y la música de fondo salen del mismo prompt que la imagen. La lluvia en el cristal, un saxofón en un bar de madrugada o el tráfico al otro lado de la ventana suenan en el momento justo. Enumera los sonidos al final del prompt y el modelo ambienta la escena.
Sube una imagen como primer fotograma y el modelo la anima con sonido. Rostros, ropa, productos y estilo artístico se mantienen cerca del original mientras la cámara y el sujeto se mueven. Funciona muy bien con retratos, fotos de catálogo e ilustraciones.
Wan 2.5 sigue indicaciones de cámara como travellings, acercamientos y giros sin perder al sujeto. La acción rápida se mantiene legible: jinetes, coches y bailarines conservan su forma durante todo el clip. Basta con describir el movimiento con palabras normales.
Sigue las instrucciones mejor que las versiones anteriores de Wan, así que varios sucesos ocurren en orden. Un coche que corre bajo la lluvia puede recibir un rayo y arder en un mismo plano. El clima, las explosiones y las transformaciones forman parte de la escena, no parecen superpuestos.
Los prompts admiten lenguaje profesional de luz, color y composición, y el modelo lo plasma con mucho detalle. Movimientos grandes, como una coreografía en grupo, se ven fluidos y estables. El texto a vídeo ofrece 16:9, 9:16 o 1:1 en 720p o 1080p.
Crea vídeos con IA y sonido en tres pasos sencillos:
Abre el espacio de trabajo con Wan 2.5 ya seleccionado. Para texto a vídeo, describe la escena, el diálogo y los sonidos; para imagen a vídeo, sube una imagen inicial.
Escoge 5 o 10 segundos y 720p o 1080p. En texto a vídeo elige también 16:9, 9:16 o 1:1; la imagen a vídeo respeta la forma de tu imagen.
Confirma los créditos y empieza. El clip terminado, con sonido, aparece en tus creaciones listo para ver y descargar.
Los dos modos generan sonido con la imagen; la diferencia está en de dónde sale el primer fotograma.
Respuestas sobre sonido, duración, imágenes y créditos.
Wan 2.5 es un modelo de vídeo con IA del equipo Wan de Alibaba que genera imagen y sonido a la vez. Admite texto a vídeo e imagen a vídeo y crea clips de 5 o 10 segundos en 720p o 1080p.
Sí. Cada clip incluye una pista de audio que puede llevar diálogos, efectos y música. Describe los sonidos en el prompt, por ejemplo en una última línea que los enumere.
Cada vídeo dura 5 o 10 segundos, en 720p o 1080p. El texto a vídeo ofrece 16:9, 9:16 y 1:1; la imagen a vídeo mantiene la forma de tu imagen.
Los prompts admiten chino e inglés, hasta 800 caracteres. Los prompts cortos se amplían automáticamente para añadir detalle.
Sube una imagen JPG, PNG o WebP; será el primer fotograma. Un sujeto claro y buena luz dan el movimiento más estable.
No siempre. Rostros, productos y estilo se conservan bien, pero letras pequeñas, como los precios de una carta, pueden cambiar con el movimiento; revísalo antes de publicar.
Sí. Indica en el prompt quién habla y qué dice, y la voz se genera sincronizada con su boca y su expresión. Las frases cortas y claras funcionan mejor.
Sigue este orden: sujeto, acción, lugar, cámara, luz y sonido. Di quién aparece y qué hace, añade el movimiento de cámara y el ambiente, y termina con una línea con las voces, efectos y música que quieres.
Sí. El texto a vídeo ofrece 9:16 para TikTok, Instagram Reels y YouTube Shorts, y una imagen vertical en imagen a vídeo da un clip vertical.
En 720p cuesta 37 créditos por 5 segundos y 74 por 10 segundos. En 1080p cuesta 62 créditos por 5 segundos y 123 por 10 segundos.
Wan 2.6 añade narrativa multiplano y clips de 15 segundos. Wan 2.5 es la opción más económica para vídeos de un solo plano de 5 o 10 segundos con sonido sincronizado.
No. Cada generación es un único plano continuo. Para alternar varios planos en un vídeo, usa la opción multiplano de Wan 2.6.
Para clips sociales, presentaciones, avances de producto, momentos musicales y escenas cinematográficas cortas: cualquier pieza en la que el sonido importe tanto como la imagen.
Escribe una escena o sube una imagen y obtén un clip 1080p con voces, efectos y música.
Crear ahora
