Wan 2.5

Коротко

Разработчик

Alibaba, модель показана в сентябре 2025 года

Режимы

видео из изображения, видео из текста

На выходе

MP4 на 5 или 10 секунд, 720p или 1080p

Пропорции

из текста 16:9, 9:16 или 1:1; из картинки как у исходника

Звук

создаётся вместе с видео в каждом ролике, переключателя в форме нет

Русский язык

задание понимает, реплики по-русски в наших роликах прозвучали слово в слово

Цена

от 50 ₽

Пекарь, ёжик и песец: что умеет модель

В сентябре 2025 года Alibaba добавила в Wan то, чего не было у открытой Wan 2.2: модель стала сама озвучивать ролик. Голос, шаги и ветер появляются вместе с картинкой за один запуск (по словам разработчиков, и музыка), отдельно ничего накладывать не нужно. Мы сняли два ролика по 5 секунд в 720p и взяли один готовый пример со страницы. Все задания написаны по-русски, ролики показаны без монтажа, только сжаты для страницы.

Фото оживает и говорит

Исходник мы нарисовали в Nano Banana 2 Lite: пекарь у дровяной печи, вертикальный кадр. Эта женщина выдумана, такого человека нет.

Пекарь поднимает лопату с хлебом чуть выше, поворачивается к камере и весело говорит по-русски: «Хлеб только из печи! Берите, пока горячий!» В печи потрескивают дрова, от хлеба идёт лёгкий пар. Камера медленно приближается. Звук: треск дров, её голос, тихий утренний шум пекарни.

Фразу распознавание речи записало без единой ошибки, камера подъехала к лицу, у печи пошёл пар. Ролик остался вертикальным, как картинка. Но «чуть выше» модель поняла по-своему: пекарь вскинула лопату над головой, и на второй секунде каравай с неё просто исчез. Это обычная беда видеомоделей с предметами в руках: в сравнении из обзора всех Wan эта же модель к середине ролика перекрасила почтальонше сумку. Если предмет важен, просите держать его неподвижно: «держит лопату с хлебом на месте».

Мультфильм из одного описания

Второй ролик мы сняли без картинки, в горизонтальном формате 16:9. Персонаж, место, реплика и звуки заданы в одном абзаце.

3D-мультфильм. Осенний деревенский рынок, деревянный прилавок с корзинами красных яблок. За прилавком стоит ёжик в клетчатом фартуке, поднимает яблоко лапой и громко зазывает покупателей по-русски: «Яблоки! Свежие яблоки, прямо из сада!» Ветер гонит жёлтые листья, на заднем плане качаются фонарики. Камера стоит, ёжик в центре кадра. Звук: голос ёжика, шелест листьев, весёлая гармошка вдали.

Получилось с первого раза. Реплика снова прозвучала слово в слово, ёжик машет лапой и держит яблоко, листья летят через кадр. Камера стоит, как и просили. Ролик пришёл меньше чем через две минуты. Мультяшный стиль модель держит ровно: шерсть, корзины и фонари за пять секунд не поплыли.

Вертикальный ролик и негативный промпт

Этот пример уже был на странице нейросети: песец бежит по зимнему лесу. Его автор включил Улучшить промпт и вписал в Негативный промпт одно условие, «проходит сквозь деревья».

Белая лиса бежит по зимнему лесу, камера движется параллельно на уровне тела животного, снежная пыль разлетается, холодное утро, реалистичное движение, четкая кинодинамика

Камера идёт низко, вровень со зверем, стволы сосен проплывают за ним, из-под лап летит снег. Сквозь деревья песец не прошёл. Реплики в задании нет, и голоса в ролике тоже нет, только тихий фон.

Как это работает

Сначала выберите Тип генерации. Сразу стоит «Видео из изображений»: загрузите одну картинку (JPEG, PNG, WebP, HEIC или HEIF до 10 МБ) и опишите в поле Задание, что в кадре должно произойти. Картинка станет первым кадром, поэтому лицо, одежда и место сохраняются. Для «Видео из текста» картинка не нужна: сцену целиком придумывает модель по описанию, а формат кадра вы выбираете сами.

Звук включён всегда. Нейросеть сама подбирает шумы и фон, а реплику в кавычках произносит герой. Задание вмещает до 800 символов, этого хватает на сцену с одной-двумя фразами.

Затем выберите длину и разрешение. Цена появится на кнопке Отправить ещё до запуска. Готовый ролик придёт в ленту под формой, в разделе Мои результаты он хранится 7 дней: скачайте его или сохраните в библиотеку. Кнопка Изменить вернёт задание и настройки в форму, чтобы поправить реплику или движение. Как устроен сайт в целом, показывает инструкция по сайту.

Настройки: что выбрать для проб и для финала

• Есть готовый кадр с героем — в поле Тип генерации оставьте «Видео из изображений», так внешность не изменится. Сцену с нуля или квадратный ролик даст «Видео из текста».
• В списке Длительность два варианта, 5 и 10 секунд. За пять успевает одно действие и короткая фраза. Десять нужны, когда героев двое или реплика подлиннее, и такой ролик стоит дороже.
• Для телефона и первых проб в поле Разрешение хватает 720p. 1080p ставьте для финального ролика на большой экран.
• Поле Соотношение сторон появляется только в режиме по тексту: 16:9 для горизонтального ролика, 9:16 для сторис и Reels, 1:1 для квадрата в ленту. Из картинки формат берётся с исходника, так что вертикаль делайте из вертикального кадра.
• Переключатель Улучшить промпт сразу выключен. По подсказке формы, он переписывает задание, чтобы модель поняла его точнее. Включайте, когда написали пару слов, а расписанную сцену с репликой отправляйте как есть: при переписывании детали могут потеряться.
• Галочка Негативный промпт открывает поле до 500 символов для того, чего в ролике быть не должно. Пишите перечнем, без слова «без»: «титры, водяной знак, лишние пальцы, мерцание».

Как писать задание с репликой и звуком

Все наши задания русские, и модель их поняла. Хорошо работает такой порядок: кто в кадре, одно действие, что делает камера, что слышно. Реплику ставьте в кавычки и укажите язык, а звуки перечислите после слова «Звук».

Если картинки нет, добавьте место, время суток и стиль: «3D-мультфильм», «реалистично, 35 мм», «как реклама».

Модель строго проверяет задания: откровенные сцены она отклоняет, а деньги за отказ возвращаются на баланс. Если отказ пришёл на безобидную сцену, поищите слова, которые можно прочесть как наготу или насилие, и замените их нейтральными: «в купальнике на пляже» вместо «раздетая», «падает на траву» вместо «бьёт».

Частые ошибки:

• Просят «поднять повыше», и движение выходит размашистым. У нас лопата взлетела над головой, а хлеб пропал. Пишите, что должно остаться на месте.
• Пишут реплику на полминуты. В наших пятисекундных роликах фраза из шести-семи слов прозвучала целиком, монолог в такой ролик не поместится.
• В режиме из картинки заново описывают внешность. Модель видит кадр, пишите о том, что меняется.

Готовые задания для этой нейросети собраны на странице готовых промптов, а общие приёмы для камеры и звука — в инструкции про промпты для видео.

Сколько стоит

Платите за секунды ролика. Цена зависит от разрешения, режим на неё не влияет: ролик из картинки и из текста стоят одинаково.

Для проб берите 5 секунд в 720p: так мы сняли все ролики этой страницы. Удачное задание потом повторите в 1080p или на 10 секунд.

Для чего подойдёт

• Говорящий герой для сторис: продавец, мастер или талисман бренда произносит одну фразу (см. пекаря выше).
• Мультяшная заставка со звуком для детского канала или открытки, как ролик с ёжиком.
• Вертикальный или квадратный ролик из одного описания, когда готовой картинки нет.
• Оживить фото или иллюстрацию: ветер, дым, поворот головы, наезд камеры, а заодно звуки места.
• Природная сцена с животным для фона или подложки к посту, как песец в лесу.
• Черновик рекламной идеи: проверить настроение и реплику в 720p, прежде чем снимать дорогую версию.

Ограничения и что с ними делать

• Длина только 5 или 10 секунд. Продлить готовый ролик можно в Wan 2.5 Video-Extend, а сцену до 30 секунд одним дублем снимает Wan 3.0 Video.
• Звук не выключается. Если поверх ляжет своя музыка, приглушите дорожку в монтаже. Ролик под свой аудиофайл снимает Wan 2.7 Video.
• Предметы в движении теряются и меняют цвет: каравай с лопаты, сумка почтальонши. Крупные размашистые жесты описывайте осторожно.
• Одна сцена без склеек. Несколько планов в одном ролике снимает Wan 2.6.
• Пропорции выбираются только в режиме из текста. Картинку для ролика кадрируйте заранее.
• Откровенные сцены модель отклоняет. Если под фильтр попала безобидная сцена, перепишите задание, как в разделе о промпте выше.

Соседние версии Wan: когда брать 2.5

Ближайший сосед — Wan 2.6. Она тоже говорит и озвучивает сама, умеет ролик на 15 секунд, несколько шотов и новую сцену на основе вашего ролика. Но в её форме нет выбора пропорций и негативного промпта. Поэтому версию 2.5 берите, когда из одного описания нужен вертикальный 9:16 или квадратный 1:1 ролик, когда хочется сразу запретить лишнее негативным промптом и когда хватает одной сцены на 5–10 секунд. Wan 2.6 Flash пригодится, если звук нужно выключить или нужна длина от 2 секунд, а Wan 2.7 Video — для правки и продления готового видео. Всю линейку на одной сцене сравнивает обзор моделей Wan.

Другие модели со звуком собраны в категориях видео из текста и видео из изображений.

Вопросы и ответы