适用场景
让肖像配合自己的录音说话或唱歌，或探索由音频驱动的人物表演。
最新
Wan 2.2 S2V
用 1–30 秒语音或歌声驱动静态图片，并用提示词引导表情与肢体动作。成片时长跟随音频，积分按秒计费并在生成前报价。
用 Wan 2.2 S2V 制作什么
创作者为何选择 Wan 2.2 S2V
创作方式
图片、动作描述和 1–30 秒 WAV 或 MP3 音频均为必填。图片不超过 20 MB，音频不超过 32 MB。
输出限制
视频时长跟随音频，无手动时长和分辨率选择；可选插帧至 25 fps。
系列对比
Wan
Wan 3
阿里巴巴电影级文生视频与图生视频模型，支持自适应画幅、1080p 输出，片段最长 30 秒。
Wan 3 Prime
通过文字、首尾帧或图片、视频和音频参考生成 2–30 秒视频。Prime 提供比标准版 Wan 3 更快的生成速度。
Wan 2.2 Turbo
文生视频 / 首尾帧 · 480p / 720p
Wan 2.2 Animate
动作迁移 / 替换角色 · 角色图片 + 原视频 · ≤15 s · 480p / 720p
Wan 2.7 Edit
通过指令和可选参考图片编辑 2–10 秒的视频。以 720p 或 1080p 改变风格或画面细节，并控制是否保留原声。
Wan 2.7
把文字场景、首尾帧或视觉参考变成 720p 或 1080p 短视频。
Wan 2.7 Image
从描述生成图片，或用最多 4 张参考图调整画面。
Wan 2.7 Image Pro
从文字生成最高 4K 图片，或用最多 4 张参考图进行最高 2K 编辑。
Wan 2.7 Extend
让短视频继续发展下一段动作，可配合音频输出 720p 或 1080p 视频。
提升效果的技巧
1
描述预期效果
使用清晰人脸和干净音频，在描述中说明表情和身体动作，并检查生成后的同步效果。
2
检查生成结果
分享前检查主体细节、运动和音频效果。
Wan 2.2 S2V — 常见问题
了解 Wan 2.2 S2V 支持的输入素材、生成参数与输出说明。
