Генерирует короткие ролики со звуком по тексту, картинке или исходному видео, чтобы быстро оживить идею или сделать мини-сцену. Стоимость от 70 до 300 рублей за видео в зависимости от длительности и разрешения.
Wan 2.6 — нейросеть Alibaba для видео со звуком: снимает ролик на 5, 10 или 15 секунд по описанию, оживляет картинку или переносит героя из вашего видео в новую сцену. Умеет делить ролик на несколько планов со склейками, реплики говорит по-русски.
Почтальонша в трёх планах
Видео из изображения, 720p, 10 секунд, включён переключатель «Несколько шотов».
Промпт: Три плана подряд. План 1: общий план, почтальонша у забора достаёт белый конверт из кожаной сумки. План 2: крупный план, её рука опускает конверт в синий почтовый ящик. План 3: она садится на зелёный велосипед и уезжает по улице с жёлтыми клёнами, листья кружатся в воздухе.
Героиня из ролика в новой сцене в кафе
Режим «Видео из видео»: героиню из вертикального ролика с прогулкой поставили в кафе у окна, 5 с, 720p.
Промпт: Женщина из видео сидит за столиком в уютном кафе у окна, держит чашку кофе, смотрит в окно и улыбается. Тёплый вечерний свет.
На каждый режим Wan 2.6 у нас есть по ролику. Пекаря мы сняли для этой статьи, почтальоншу для обзора линейки Wan, а героиню в тренче для статьи о нейросетях, которые делают новый ролик из готового. Все люди в роликах выдуманные, их нарисовала нейросеть. Все задания на русском, а ролики мы только пересжали для страницы, без монтажа.
Картинка здесь не нужна. В поле Тип генерации выберите «Видео из текста» и опишите сцену словами: кто в кадре, что делает и говорит, что слышно, как движется камера. Мы взяли 5 секунд в 720p и запустили один раз.
Утро в маленькой пекарне. Пекарь с рыжей бородой, в белом фартуке и льняной кепке, достаёт из печи противень с круассанами, ставит его на деревянный прилавок, смотрит в камеру и говорит по-русски: «Свежие, только из печи!» Слышно, как потрескивают дрова в печи и звенит колокольчик над дверью. Камера медленно подъезжает к прилавку. Тёплый утренний свет из окна, мука в воздухе, реалистичное кино.
Видео из текста · 720p, 5 с
Ролик был готов за 44 секунды. Фразу «Свежие, только из печи!» распознавание речи записало целиком. Борода, кепка, фартук, огонь в печи и круассаны на месте, к концу камера подходит к прилавку почти вплотную. Кое-что модель додумала сама: колокольчик повесила у окна, а не над дверью, вместо муки в воздухе клубится пар, а горячий противень пекарь берёт голыми руками. Кадр пришёл горизонтальным, 1280×720.
Шот, или план, это отрезок ролика между двумя склейками, со своей камерой. Включите переключатель Несколько шотов и распишите планы в задании по порядку. Картинку с почтальоншей нарисовала Wan 2.7 Image.
Три плана подряд. План 1: общий план, почтальонша у забора достаёт белый конверт из кожаной сумки. План 2: крупный план, её рука опускает конверт в синий почтовый ящик. План 3: она садится на зелёный велосипед и уезжает по улице с жёлтыми клёнами, листья кружатся в воздухе.
Видео из изображений · Несколько шотов, 720p, 10 с
Склейки пришлись на 3,5 и 6 секунд, порядок планов тот, что в задании. Рыжие косы, жёлтый шарф и синяя куртка одинаковые во всех трёх. Уехала почтальонша, правда, не вдаль по улице, а прямо на камеру. Удивил звук. Реплик мы не писали, а героиня трижды заговорила по-английски, начиная с «Just one more letter to deliver». Ролик считался 2 минуты 43 секунды.
Этот режим не перерисовывает исходник и не повторяет его движение. Модель берёт из ролика героя и снимает с ним новую сцену по заданию. По словам Alibaba, из ролика-образца переносятся и внешность, и голос. Мы дали ей пятисекундную вертикальную прогулку женщины в тренче (её мы тоже сгенерировали сами) и отправили героиню в кафе.
исходник, 5 с, вертикальный
Видео из видео · 720p, 5 с
Женщина из видео сидит за столиком в уютном кафе у окна, держит чашку кофе, смотрит в окно и улыбается. Тёплый вечерний свет.
Тренч и тёмная кофта перешли в новую сцену, а светлое каре стало тёмным, и лицо уже другое. Голос сравнить не вышло: в исходнике героиня молчит. В кафе она сама сказала по-русски «Какой спокойный вечер!», хотя реплики в задании не было. Вертикальный исходник 704×1280 превратился в горизонтальный ролик 1280×720. Одежду и общий образ режим переносит, а за точное лицо мы бы не поручились.
В поле Тип генерации три варианта. «Видео из изображений» стоит сразу: загружаете одну картинку (JPEG, PNG или WebP до 10 МБ) и пишете в поле Задание, что в кадре должно произойти. «Видео из текста» обходится без файлов, сцену целиком рисует нейросеть по описанию. В «Видео из видео» загружаете ролик в MP4, MOV или MKV до 10 МБ, и модель снимает его героя в новой сцене. Задание обязательно во всех режимах, до 5000 символов.
Потом выбираете длительность и разрешение, а для смены планов включаете Несколько шотов. Звук в ролике будет при любых настройках. Цену видно на кнопке Отправить до запуска. Готовое видео появится в ленте под формой и пролежит 7 дней в разделе Мои результаты: заберите его кнопкой Скачать или сохраните в библиотеку. Повторить сразу снимет то же задание ещё раз, а Изменить вернёт его в форму, чтобы поправить текст или настройки. Как устроен сайт в целом, объясняет инструкция по сайту.
Отдельных полей для пропорций, звука и негативного промпта (списка того, чего в кадре быть не должно) в форме нет. Чего в ролике быть не должно, перечислите прямо в задании.
Задание модель понимает по-русски, все промпты на этой странице русские. Для ролика из текста опишите всё, чего нейросеть не увидит на картинке: место и свет, героя с возрастом и одеждой, одно-два действия, движение камеры, звуки. Для картинки и видео пишите только то, что должно случиться, внешность модель возьмёт из файла.
[Место и время суток]. [Герой: возраст, внешность, одежда] [делает одно-два действия] и говорит по-русски: «[реплика]». Слышно [звуки]. Камера [стоит / медленно подъезжает / идёт за героем]. [Свет], реалистичное кино.
В руководстве Alibaba по промптам планы подписывают секундами и крупностью. Мы обходились без секунд, и модель сама поделила 10 секунд на отрезки 3,5, 2,5 и 4 секунды. Если нужен точный монтаж, попробуйте такой вариант:
План 1 [0–3 с], общий план: [где герой и что делает]. План 2 [3–6 с], крупный план: [деталь, руки, предмет]. План 3 [6–10 с], средний план: [финальное действие и куда уходит герой, например «уезжает от камеры вглубь улицы»].
Для героя из ролика хватает короткой фразы. В английских примерах Alibaba героя из ролика называют Character1, нам по-русски хватило «женщина из видео».
[Герой] из видео [что делает] в [новом месте]. [Свет, время суток, настроение].
Где мы ошибались сами:
Больше приёмов для камеры и звука собрано в статье о промптах для видео.
Платите за ролик целиком. Цена зависит только от длительности и разрешения, режим и переключатель шотов её не меняют. В «Видео из видео» строк на 15 секунд нет.
| Разрешение | Длина | Цена |
|---|---|---|
| 720p | 5 с | 70 ₽ |
| 720p | 10 с | 140 ₽ |
| 720p | 15 с | 210 ₽ |
| 1080p | 5 с | 100 ₽ |
| 1080p | 10 с | 200 ₽ |
| 1080p | 15 с | 300 ₽ |
Для проб хватает 5 секунд в 720p: по ним видно, поняла ли модель сцену и реплику. Если запуск сорвётся или задание отклонит модерация, деньги вернутся на баланс.
Ближе всего к ней Flash-версия, облегчённый вариант той же серии, и различаются они прежде всего формой. Обычная версия снимает из текста, картинки и видео, длина у неё 5, 10 или 15 секунд, звук есть всегда. У Flash нет видео из текста и из видео, зато есть режим по референсам (до пяти файлов-образцов), переключатель звука, а в режиме из картинки длина от 2 до 15 секунд с шагом в секунду. Несколько планов умеют обе: здесь это Несколько шотов, во Flash — «Несколько кадров» в поле Тип кадров.
Три плана с почтальоншей мы снимали в обеих. Обычная версия поделила 10 секунд ровнее и озвучила ролик сама. Flash уложила первые два плана в 5 секунд, отдала третьему половину ролика и ответила примерно на минуту быстрее (звук там был выключен). Если нужен ролик из одного описания или герой из своего видео, берите обычную версию. Если важны точная длина, тишина или вертикаль по образцам, берите Flash.
| Нейросеть | Цена | Что делает | Когда брать |
|---|---|---|---|
| Wan 2.6 | от 70 ₽ | видео из текста, картинки и видео; 5, 10 или 15 с; звук всегда, пропорции не выбираются | несколько шотов, герой из своего ролика в новой сцене |
| Wan 2.6 Flash | от 50 ₽ | видео из картинки и по референсам; из картинки 2–15 с, по референсам 5 или 10 с; звук по выбору | точная длина, ролик без звука, 9:16 по референсам |
| Wan 2.5 | от 50 ₽ | видео из текста и картинки; 5 или 10 с; звук всегда | из текста 16:9, 9:16 или 1:1, негативный промпт |
| Wan 2.7 Video | от 90 ₽ | видео из текста, картинки и референсов, правка и продление; 2–15 с | ролик под свой аудиофайл, продлить или переделать готовое видео |
| Wan 3.0 Video | от 5 ₽/сек. | видео из текста, кадров, образцов и документа; 2–30 с; звук по выбору | длинная сцена одним дублем до 30 секунд |
| Kling 3.0 | от 11 ₽/сек. | видео из текста, картинки и референсов; 3–15 с | свои сцены с длиной каждой, 4K, выбор пропорций |
Всю линейку на одной сцене сравнивает обзор моделей Wan, а другие нейросети для этих задач собраны в разделах «Видео из текста» и «Видео из видео».
Описание обновлено 2 октября 2026 г.