Wan 2.5 gera imagem e som de uma só vez. Descreva uma cena ou envie uma imagem inicial e receba um clipe de 5 ou 10 segundos em 720p ou 1080p, com diálogos, efeitos sonoros e música que combinam com a imagem e com os lábios de quem fala.
Som gerado junto com a imagem, linguagem de câmera cinematográfica e melhor compreensão do prompt transformam um prompt ou uma imagem em um clipe pronto.
Wan 2.5 é o primeiro modelo Wan que gera vozes junto com o vídeo. Escreva o que o personagem diz e a fala chega em sincronia com a boca, a expressão e os gestos. Apresentações para a câmera, explicações de produto e cenas de microdrama dispensam uma locução separada.
Som ambiente, efeitos e trilha de fundo nascem do mesmo prompt que a imagem. Chuva no vidro, um saxofone num bar de madrugada ou o trânsito do lado de fora da janela soam no momento certo. Liste os sons no fim do prompt e o modelo ambienta a cena.
Envie uma imagem como primeiro quadro e o modelo a anima com som. Rostos, roupas, produtos e estilo artístico ficam próximos do original enquanto a câmera e o objeto se movem. Funciona muito bem com retratos, fotos de catálogo e ilustrações.
Wan 2.5 segue comandos de câmera como travelling, aproximação e giro sem perder o objeto. A ação rápida continua legível: cavaleiros, carros e dançarinos mantêm a forma durante todo o clipe. Basta descrever o movimento com palavras simples.
Ele segue instruções melhor que as versões anteriores do Wan, então vários acontecimentos ocorrem na ordem certa. Um carro correndo na chuva pode ser atingido por um raio e pegar fogo no mesmo plano. Clima, explosões e transformações fazem parte da cena, sem cara de sobreposição.
Os prompts aceitam linguagem profissional de luz, cor e composição, e o modelo a reproduz com riqueza de detalhes. Movimentos grandes, como uma coreografia em grupo, ficam fluidos e estáveis. O texto para vídeo oferece 16:9, 9:16 ou 1:1 em 720p ou 1080p.
Crie vídeos com IA e som em três passos simples:
Abra o espaço de trabalho com o Wan 2.5 já selecionado. No texto para vídeo, descreva a cena, o diálogo e os sons; na imagem para vídeo, envie uma imagem inicial.
Escolha 5 ou 10 segundos e 720p ou 1080p. No texto para vídeo, escolha também 16:9, 9:16 ou 1:1; a imagem para vídeo segue o formato da sua imagem.
Confirme os créditos e comece. O clipe pronto, com som, aparece nas suas criações para assistir e baixar.
Os dois modos geram som com a imagem; a diferença é de onde vem o primeiro quadro.
Respostas sobre som, duração, imagens e créditos.
Wan 2.5 é um modelo de vídeo com IA da equipe Wan da Alibaba que gera imagem e som juntos. Ele oferece texto para vídeo e imagem para vídeo e cria clipes de 5 ou 10 segundos em 720p ou 1080p.
Sim. Cada clipe vem com uma faixa de áudio que pode ter diálogos, efeitos e música. Descreva os sons no prompt, por exemplo numa última linha que os liste.
Cada vídeo tem 5 ou 10 segundos, em 720p ou 1080p. O texto para vídeo oferece 16:9, 9:16 e 1:1; a imagem para vídeo mantém o formato da sua imagem.
Os prompts aceitam chinês e inglês, com até 800 caracteres. Prompts curtos são ampliados automaticamente para ganhar detalhes.
Envie uma imagem JPG, PNG ou WebP; ela será o primeiro quadro. Um objeto nítido e boa iluminação dão o movimento mais estável.
Nem sempre. Rostos, produtos e estilo se mantêm bem, mas letras pequenas, como preços de um cardápio, podem mudar com o movimento; confira antes de publicar.
Sim. Diga no prompt quem fala e o que diz, e a voz é gerada em sincronia com a boca e a expressão. Falas curtas e claras funcionam melhor.
Siga esta ordem: sujeito, ação, cenário, câmera, luz e som. Diga quem aparece e o que faz, acrescente o movimento de câmera e o clima e termine com uma linha listando as vozes, efeitos e música desejados.
Sim. O texto para vídeo oferece 9:16 para TikTok, Instagram Reels e YouTube Shorts, e uma imagem vertical na imagem para vídeo gera um clipe vertical.
Em 720p custa 37 créditos por 5 segundos e 74 por 10 segundos. Em 1080p custa 62 créditos por 5 segundos e 123 por 10 segundos.
O Wan 2.6 traz narrativa com vários planos e clipes de 15 segundos. O Wan 2.5 é a opção mais econômica para vídeos de plano único de 5 ou 10 segundos com som sincronizado.
Não. Cada geração é um único plano contínuo. Para alternar vários planos num vídeo, use a opção multiplano do Wan 2.6.
Para clipes sociais, apresentações, teasers de produto, momentos musicais e cenas cinematográficas curtas: qualquer peça em que o som importe tanto quanto a imagem.
Escreva uma cena ou envie uma imagem e receba um clipe 1080p com vozes, efeitos e música.
Criar agora
