Wan 2.6

От отдельного AI-ролика к последовательной истории с героями и звуком

Wan 2.6 развивает генерацию видео сразу в нескольких направлениях: создание роликов по тексту, анимация изображений и генерация новых сцен на основе видео-референсов. В поколение входят отдельные модели Text-to-Video, Image-to-Video и Reference-to-Video, поэтому пользователь может выбирать исходные данные в зависимости от задачи.

Одной из главных особенностей Wan 2.6 стала работа с повествованием и персонажами. Модель поддерживает multi-shot-сцены, синхронизированное аудио, а в режиме Reference-to-Video позволяет использовать человека, животное или объект из исходного материала как героя новых роликов.

Генерация видео по текстовому сценарию

Wan 2.6 Text-to-Video создаёт видеоряд на основе текстового промта. Пользователь может описать персонажей, место действия, последовательность событий, визуальную атмосферу и характер съёмки, а нейросеть формирует сцену по инструкции.

В отличие от более простого запроса на один кадр, поколение 2.6 поддерживает многоэпизодное повествование. Это позволяет строить ролик из нескольких связанных планов и сменять композицию внутри одной генерации.

Multi-shot — несколько кадров внутри одного ролика

Для Wan 2.6 предусмотрено управление типом повествования: single-shot для непрерывного кадра и multi-shot для видео с несколькими сменяющимися сценами. Такой режим особенно полезен, когда ролик должен иметь небольшую драматургию, а не состоять из одного непрерывного движения камеры.

Например, можно сначала показать общий план, затем перейти к герою крупнее и продолжить действие с другого ракурса. Это приближает AI-генерацию к привычной структуре рекламных, сюжетных и презентационных роликов.

Создание видео из изображения

Wan 2.6 поддерживает Image-to-Video. В этом режиме исходное изображение определяет внешний вид персонажа, объекта или всей начальной композиции, а текстовая инструкция задаёт дальнейшее действие и развитие сцены.

Такой способ особенно удобен, когда визуальная основа уже подготовлена: фотография товара, персонаж, иллюстрация или заранее созданный AI-кадр. Модель позволяет использовать существующий образ вместо повторного создания его только по тексту.

Reference-to-Video с сохранением внешности героя

Одним из наиболее заметных нововведений Wan 2.6 стала отдельная модель Reference-to-Video. Пользователь может передать референсное видео с человеком, животным или объектом и затем поместить этого героя в совершенно новую сцену с помощью текстового промта.

Модель ориентирована на сохранение характерных визуальных признаков исходного персонажа. Это позволяет использовать одного героя в разных сюжетах и окружениях без необходимости заново описывать его внешность для каждой генерации.

Сохранение голоса из референсного видео

Reference-to-Video работает не только с внешностью. Wan 2.6 способна учитывать голос персонажа из исходного ролика и использовать его при создании нового видео. В документации Alibaba также предусмотрено использование отдельного голосового референса.

Это особенно важно для серийного контента, где герой должен оставаться узнаваемым не только визуально. Внешность и голос можно использовать как части единой идентичности персонажа при создании новых сюжетов.

Несколько персонажей в одной сцене

Wan 2.6 Reference-to-Video поддерживает работу с несколькими героями. В качестве референсов могут использоваться разные изображения и видеоролики, а текстовый запрос определяет, как персонажи должны взаимодействовать в новой сцене.

Такой сценарий подходит для диалогов, коротких историй и рекламных сюжетов, где в кадре участвует больше одного героя. Модель может использовать разные референсы для отдельных персонажей и связывать их в общей последовательности действий.

Звук создаётся вместе с видеорядом

Wan 2.6 продолжает развитие нативной аудиовизуальной генерации. Модели поколения поддерживают видео со звуком и синхронизацию аудио с изображением. Для Text-to-Video и Image-to-Video звук становится частью общего процесса создания сцены.

В результате пользователь может проектировать не только визуальную сторону ролика, но и его аудиальную составляющую. Это делает модель подходящей для сюжетов с речью, атмосферными звуками и другими элементами, которые должны соответствовать происходящему в кадре.

Для каких задач подходит Wan 2.6

Поколение особенно полезно там, где одного короткого генеративного кадра уже недостаточно. Поддержка нескольких сцен, референсов и аудио позволяет использовать модель для более законченных видеопроектов.

• рекламные и продуктовые ролики;
• сюжетные AI-видео с несколькими сценами;
• серийный контент с одним и тем же персонажем;
• видео с сохранением внешности и голоса героя;
• анимация фотографий и иллюстраций;
• ролики с несколькими взаимодействующими персонажами;
• контент для социальных сетей и визуализация сценариев.

Чем Wan 2.6 отличается от Wan 2.5

Wan 2.5 уже поддерживал создание видео со звуком, однако поколение 2.6 расширило работу с повествованием и референсами. Для моделей 2.6 официально заявлены multi-shot narrative и отдельный режим Reference-to-Video, позволяющий переносить персонажей и их голос в новые сцены.

Поэтому Wan 2.6 имеет смысл выбирать, когда задача выходит за рамки обычной генерации ролика из текста или изображения. Её сильная сторона — создание более последовательных историй с управляемыми сценами, узнаваемыми героями и связанной аудиовизуальной составляющей.