Wan 2.6 — 多镜头 AI 视频与原生音频
阿里通义实验室万相 2.6 视频模型。支持文本或图片生成叙事短片，强调多镜头连贯、角色/参考一致性与音画同步；时长与清晰度视配置而定（常见约最长 15 秒、最高 1080p）。
由阿里通义万相驱动
阿里通义万相 2.6 视频模型
Wan 2.6（通义万相 2.6）是阿里通义实验室的 AI 视频生成模型，侧重多镜头叙事、参考引导的角色一致性，以及原生音画同步，同时覆盖常见的文生视频与图生视频流程。具体时长与分辨率以生成器可用选项与服务商配置为准。
多镜头叙事
用脚本式提示生成更连贯的分镜序列，相对单镜头模型，更强调主体、场景与氛围在镜头切换间的一致性。
原生音画同步
在开启音频时，可一并生成与画面匹配的声音（含偏口型同步的对白向表现与环境/效果线索），减少很多草稿阶段的后期配音拼接。
参考引导一致性
借助参考图或片段，帮助角色外观（部分模式下含声音）在新场景中更稳定，适合短叙事与 IP 向草稿。
文本与图片输入
可从详细文本提示开始，或用静帧图做图生视频。常用比例如 16:9、9:16、1:1，具体以生成设置为准。
为什么关注 Wan 2.6
Wan 2.6 面向短叙事与营销草稿：多镜头结构与同步音频，往往和单镜头画面质量同样重要。
不必手工硬拼多段无关单镜头；用自然语言描述镜头流，让模型生成更稳定主体与情绪的多镜头序列。
Wan 2.6 能力概览
通义万相 2.6 视频生成常见能力一览。
文生视频
用自然语言描述场景、动作、运镜与风格，生成短视频片段。
图生视频
为静帧赋予运动，并尽量保持源图主体与构图特征。
多镜头控制
可提示多分镜或分镜脚本式段落，让成片更像短叙事而非单一长镜头。
原生音频选项
可选与画面同步的音频生成；提示中含对白时，可获得更偏口型同步的表现。
参考输入
用参考引导角色外观或风格连续（具体取决于生成模式是否开放）。
灵活画幅
横版、竖版、方形等常用比例，便于适配信息流、故事与站点嵌入。
常见问题
关于 Wan 2.6 以及在 SeedDance 使用 AI 视频工具的常见问题。