Nano Banana

Wan 2.6 — 原生音频的多镜头 AI 视频

Wan 2.6 由阿里巴巴万相团队于 2025 年 12 月发布，可生成最长 15 秒、带原生音频的视频，并能把一段提示词拆成多个镜头。还能把参考图片或视频里的角色放进新场景。

  • 阿里巴巴万相 Wan 2.6
  • 最长 15 秒，原生音频
  • 多镜头叙事
  • 参考生视频（R2V）
打开完整工作台

更多模型

为什么用 Wan 2.6 生成视频

Wan 2.6 让 15 秒、多镜头、带声音的短片变得很日常。适合短剧情场景，也适合把固定角色放到新场景里。

  • 一段提示词多个镜头

    描述一段情节，Wan 2.6 会切成连贯的几个镜头。

  • 15 秒带声音

    更长的视频，对白和环境声原生生成。

  • 参考生视频

    用最多 5 张参考图或参考视频，把人物或物体放进新视频。

  • 文字、图片、参考三种起点

    一个模型三种用法。

Wan 2.6 能做什么

  • 文生视频

    写清场景、镜头和想要的声音。

  • 图生视频

    把静图作为视频的开场画面。

  • 参考生视频

    混合参考图和短视频，保持主体一致。

  • 5–15 秒视频

    时长可选 5–15 秒，声音与画面一次生成。

  • 720p、1080p 输出

    可选 720p、1080p，画幅为 16:9。

  • 参考素材输入

    除了文字提示词，还可以加入首帧、最多 5 个参考素材。

使用场景

复制示例提示词，粘贴到上面的生成器里就能用。

场景适合做什么示例提示词
短剧几个剪切镜头加对白的一场戏。

镜头 1：女人在厨房桌边拆开一封信。镜头 2：她眼眶湿润的特写。镜头 3：她笑着说"他要回家了。" 安静的钢琴

固定吉祥物把你的角色放进新场景。

参考图里的角色在阳光公园里玩滑板，朝镜头挥手，欢快的音乐

知识讲解带讲解的短场景。

老师在黑板前画水循环，一边讲"水蒸发，形成云，再变成雨落下。" 教室环境声

社媒故事竖屏信息流短片。

竖屏：夜市小摊老板在熊熊火焰上颠勺炒面，滋滋声和人群嘈杂声

3 步用好 Wan 2.6

  1. 1

    描述镜头或上传画面

    写清发生什么、镜头怎么运动、需要什么声音。上传首帧或参考素材可以锁定画面风格。

  2. 2

    选择时长、分辨率和画幅

    设置时长、分辨率和画幅，提交前会显示所需积分。

  3. 3

    生成并保存结果

    视频会出现在生成器里，并自动保存到「我的作品」。失败的会自动退还积分。

关于 Wan 2.6 — 原生音频的多镜头 AI 视频 的 X 帖子

关于 Wan 2.6 — 原生音频的多镜头 AI 视频 的 YouTube 视频

常见问题

更长的 15 秒、原生音频、一段提示词生成多镜头叙事，以及从图片或视频里提取主体的参考生视频。

准备好用万相 2.6 做视频了吗？

文生视频、首帧生视频、参考图生视频都支持，1080p，最长 15 秒，带音频。

浏览全部模型
  • 单段最长 15 秒
  • 原生音频
  • 失败自动退还积分