Alibabas videomodell for scener med flere klipp og dialog
Regisser en hel scene med én prompt: flere opptak, replikker og et komplett lydspor i én 1080p-video.
WAN 2.6 er Alibabas videomodell for tekst til video og bilde til video, med innebygd lyd. Skriv en replikk i anførselstegn, så sier karakteren den. Nummerer opptakene, så klipper modellen mellom dem. Damptoget på denne siden går fra et luftopptak over en viadukt til en konduktør som sjekker klokka, og videre til dundrende hjul, alt på 15 sekunder. Vi laget alle eksemplene på denne siden i Pixel Dojo, og hvert av dem viser nøyaktig hvilken prompt vi brukte. Alle toppmodellene, seks studioer og AI-regissøren Sensei er samlet i ett abonnement på Pixel Dojo. Ubrukte kreditter overføres så lenge abonnementet er aktivt, og kommersiell bruk er inkludert i alle abonnementer.
10 credits ($0.63) Inkludert i alle abonnement, fra 10 USD i måneden.
Allerede medlem? Logg inn
Av Brian Lovett · Oppdatert
Sju videoer vi laget med WAN 2.6 Standard, fire av dem i 1080p. Hver video har sitt eget lydspor. Slå på lyden for å høre, og trykk på Bruk denne prompten for å ta utgangspunkt i den.
Scene med tre klipp i 1080p, 15 sekunder. Luftopptak, dialog og nærbilde av hjul fra én prompt, med konduktøren som sier «Akkurat i rute» over lokomotivets tøffing.
Cinematic multi shot sequence. Shot 1: Aerial wide shot, a black steam locomotive with a glowing headlamp crosses a curved stone viaduct over a snowy pine valley at dusk, white steam trailing behind. Shot 2: Medium close-up inside a warm wood paneled dining car, a conductor in his sixties with a gray mustache and a navy cap checks a brass pocket watch and says, "Right on time." Shot 3: Low close-up of the iron wheels and pistons pounding through falling snow, sparks flying. 35mm lens, amber and teal grade. Sound: chugging engine, a long whistle, clinking glasses, wind.
Dialog i 1080p, 5 sekunder. Et hevet øyenbryn og en tørr replikk, «Kaffen er fersk. Paien, ikke fullt så fersk», over regn og et summende kjøleskap.
Medium close-up, slow push in. A tired diner waitress in her fifties with silver streaked red curls pinned up and a mint green uniform leans on the counter late at night, coffee pot in hand, a pink neon sign glowing through the rain streaked window behind her. She raises an eyebrow and says with a wry smile, "Coffee's fresh. The pie, not so much." Warm tungsten practicals against cold blue street light, 50mm lens, soft film grain. Sound: rain on glass, a humming refrigerator, her low raspy voice.
Produktopptak i 1080p, 5 sekunder. Kameraet går sakte rundt flasken, vannet danner en sprutkrone, og gyllent lys sveiper over fasettslipt glass.
Macro product shot, slow orbit. An invented faceted amber glass perfume bottle with a brass cap stands on wet black slate as a single drop falls from above and bursts into a crown of water around its base, a slow sweep of golden light gliding across the glass. Pure black background, 100mm macro lens, crisp reflections, no text. Sound: a deep drip, a soft shimmer, a warm synth pad.
Dans i 1080p, 9:16, 5 sekunder. Et gyllent bånd buer gjennom morgentåken, i stående format for Reels og Shorts.
Vertical full body shot, slow handheld orbit. A dancer in her thirties with a sleek black bun and a flowing white linen outfit spins on a misty lakeside dock at sunrise, swirling two long saffron silk ribbons into wide spirals that ripple through the air, mist rising off the water behind her. Soft golden backlight, 35mm lens. Sound: the swish of silk, bare feet on wood, a slow solo erhu melody.
Action i 720p, 5 sekunder. Gjørme, vannsprut og en lang sladd gjennom hårnålssvingen, med motorbrøl på lydsporet.
Low tracking shot at bumper height, the camera racing alongside. A mud splattered white rally car with no logos slides sideways through a hairpin bend on a rain soaked forest track, the rear tires flinging a thick rooster tail of mud and water toward the lens, headlights blazing through drifting mist between tall pines. 24mm lens, motion blur, desaturated green grade. Sound: engine scream, gravel and mud spray, rain.
Luftopptak i 720p, 5 sekunder. Lavt og raskt inn mot en klippestaur mens Atlanterhavet bryter mot den.
Aerial drone shot flying low and fast over a black sand beach toward a towering basalt sea stack as huge Atlantic waves explode white against the rocks, seabirds wheeling through the spray, low silver sunrise light breaking through storm clouds. 24mm wide lens, epic scale, crisp detail. Sound: thundering surf, howling wind, distant gull cries.
Ekstremsport i 720p, 5 sekunder. En crossykkel letter fra sanddynetoppen og lander i en sky av gyllen sand.
Low tracking shot from the sand, the camera racing alongside. A rider in a white and orange helmet and a sand colored jersey launches a red dirt bike off the crest of a tall desert dune, hangs in the air against a deep blue sky, and lands in a spray of golden sand that blasts toward the lens, low afternoon sun raking across the ripples. 24mm lens, motion blur, warm high contrast grade. Sound: a screaming two stroke engine, the thump of the landing, sand hissing.
De fleste AI-videomodeller gir deg ett opptak, og så må du sette sammen historien selv. WAN 2.6 tar hele scenen. Skriv «Opptak 1», «Opptak 2», «Opptak 3» i prompten, så klipper modellen mellom dem i én video. Karakteren, lyset og lydsporet holder seg konsistente gjennom klippene.
I damptogprompten ba vi om et luftopptak over en viadukt, en konduktør i spisevognen og et nærbilde av hjulene. WAN 2.6 leverte alle tre på 15 sekunder i 1080p. I det midterste opptaket sier konduktøren «Akkurat i rute», med bevegelser som følger replikken.
Lyden følger med. Vi sjekket dialogklippene våre med tale til tekst, og hver replikk kom tilbake nøyaktig slik den var skrevet. Motorlyd, regn, bølger og vind genereres for å passe til bildet.
Enkeltopptak imponerer også, fra en sprutkrone rundt en parfymeflaske til en crossykkel som letter fra en sanddyne.
Vi hentet et stillbilde av konduktøren fra togscenen og animerte det med begge versjonene. Prompten var den samme: Han smekker igjen lommeuret, ser opp og sier «Neste stopp, toppen.» Begge sa replikken ordrett, med skinneskrammel i bakgrunnen. Standard kostet 10 kreditter for 5 sekunder i 720p, og Flash kostet 7,5 kreditter.
WAN 2.6 Standard, bilde til video, 720p, 5 sekunder, 10 kreditter.
Slow push in. The conductor snaps the brass pocket watch shut, looks up toward the lens with a warm grin and says, "Next stop, the summit." Snow streams past the windows behind him. Sound: the rhythmic clatter of the rails, the click of the watch, his deep friendly voice.
WAN 2.6 Flash, bilde til video, 720p, 5 sekunder, 7,5 kreditter.
Slow push in. The conductor snaps the brass pocket watch shut, looks up toward the lens with a warm grin and says, "Next stop, the summit." Snow streams past the windows behind him. Sound: the rhythmic clatter of the rails, the click of the watch, his deep friendly voice.
Nummerer opptakene, skriv replikkene i anførselstegn og få en ferdig klippet scene med lyd som passer, som togreisen vår med tre klipp.
Servitører, konduktører, verter og fortellere som leverer replikken med riktig uttrykk og timing.
Vannsprut, kamera som går rundt produktet og lys som sveiper over det i 1080p, klart for annonser og produktsider.
Rallysladder, sanddynehopp og kameraopptak som holder følge med raske bevegelser.
Lave droneflygninger over kystlinjer, daler og byer, med vind og bølgesus på lydsporet.
Velg formatet 9:16 for Reels, TikTok og Shorts, som i videoen av bånddanseren vår.
WAN 2.6 er inkludert i alle Pixel Dojo-abonnementer, fra $10/måned. Ubrukte kreditter overføres så lenge abonnementet er aktivt. Du betaler per sekund, med lyd inkludert. WAN 2.6 Standard koster 2 kreditter per sekund i 720p og 3 kreditter per sekund i 1080p. WAN 2.6 Flash koster 1,5 kreditter per sekund i 720p og 2,25 kreditter per sekund i 1080p.
Videoene varer fra 5 til 15 sekunder. En Standard-video på 5 sekunder koster 10 kreditter i 720p og 15 kreditter i 1080p. Togscenen vår på 15 sekunder i 1080p kostet 45 kreditter.
WAN 2.6 er Alibabas AI-videomodell for tekst til video og bilde til video. Den genererer lyd sammen med bildet, sier dialogen du skriver i anførselstegn, og klipper sammen flere opptak i én video på opptil 1080p og 15 sekunder.
Ja. Alle videoene på denne siden har et generert lydspor. Sett replikker i anførselstegn, og list opp lyder på en linje merket «Lyd». Servitøren, konduktøren og togscenen vår leverer alle replikkene ordrett.
Skriv opptakene i rekkefølge i én prompt: «Opptak 1: Vidt luftopptak ...», «Opptak 2: Halvnært bilde ...», «Opptak 3: Nærbilde fra lav vinkel ...». Velg lengre varighet så hvert opptak får plass. Togscenen vår på 15 sekunder brukte tre opptak.
Standard er versjonen med høyere kvalitet for tekst til video, bilde til video og 1080p, til 2 kreditter per sekund i 720p. Flash er det raskere og rimeligere alternativet for bilde til video, til 1,5 kreditter per sekund i 720p. Begge fikk konduktøren vår til å si replikken ordrett.
Ja. Du eier det du lager, uansett abonnement.
Med en gratis konto får du 3 gratis effekter hver dag for å prøve Pixel Dojo. WAN 2.6 er inkludert i alle abonnementer fra $10/måned, og ubrukte kreditter overføres så lenge abonnementet er aktivt. En Standard-video på 5 sekunder i 720p koster 10 kreditter.
Ja. Send en prompt med modus, varighet og oppløsning via POST til /api/v1/models/wan-2.6-standard/run, eller bruk wan-2.6-flash for bilde til video.
Skriv en prompt over eller start fra et eksempel på denne siden. Ett abonnement dekker alle toppmodellene, seks studioer og Sensei, og kredittene dine overføres.
Start med WAN 2.6