適用情境
讓肖像配合自己的錄音說話或唱歌，或探索由音訊驅動的人物表演。
最新
Wan 2.2 S2V
以說話或歌聲音訊驅動靜態圖片，再透過描述引導動作。
用 Wan 2.2 S2V 製作什麼
創作者為何選擇 Wan 2.2 S2V
創作方式
圖片、動作描述和 1–30 秒 WAV 或 MP3 音訊均為必填。圖片不超過 20 MB，音訊不超過 32 MB。
輸出限制
影片時長跟隨音訊，無手動時長與解析度選擇；可選擇補幀至 25 fps。
系列比較
Wan
Wan 3
阿里巴巴電影級文生影片與圖生影片模型，支援自適應畫幅、1080p 輸出，片段最長 30 秒。
Wan 3 Prime
透過文字、首尾影格或圖片、影片和音訊參考生成 2–30 秒影片。Prime 提供比標準版 Wan 3 更快的生成速度。
Wan 2.2 Turbo
文字生成影片 / 首尾影格 · 480p / 720p
Wan 2.2 Animate
動作轉移 / 替換角色 · 角色圖片 + 來源影片 · ≤15 s · 480p / 720p
Wan 2.7 Edit
透過指令和選填參考圖片編輯 2–10 秒影片。以 720p 或 1080p 改變風格或畫面細節，並控制是否保留原音。
Wan 2.7
把文字場景、首尾影格或視覺參考變成 720p 或 1080p 短片。
Wan 2.7 Image
從描述生成圖片，或用最多 4 張參考圖調整畫面。
Wan 2.7 Image Pro
從文字生成最高 4K 圖片，或用最多 4 張參考圖進行最高 2K 編輯。
Wan 2.7 Extend
讓短片繼續發展下一段動作，可搭配音訊輸出 720p 或 1080p 影片。
提升效果的技巧
1
描述預期效果
使用清晰人臉與乾淨音訊，在描述中說明表情和身體動作，並檢查生成後的同步效果。
2
檢查生成結果
分享前檢查主體細節、動作與音訊效果。
Wan 2.2 S2V — 常見問題
瞭解 Wan 2.2 S2V 支援的輸入素材、生成參數與輸出說明。
