Wan AI（通義萬相）：Alibaba 的 Wan 3.0 影片模型

Wan AI 是什麼？

Wan 是 Alibaba（阿里巴巴）的 AI 影片生成模型系列，中文名稱是通義萬相（Tongyi Wanxiang）。它能把你描述的場景或上傳的照片變成短影片，從 2.5 版開始還會和畫面一起生成聲音。

這個系列分成兩部分。2.1 和 2.2 版以 Apache-2.0 授權開源，可以從 GitHub 和 Hugging Face 下載模型檔案，在自己的電腦上執行。2.5、2.6、2.7 和 3.0 的權重沒有公開：這些版本只能透過 Alibaba Cloud 的 API、Alibaba 自己的網站 wan.video 和 API 供應商使用。

最新版本是 Wan 3.0。根據 Alibaba 的新聞網站 Alizila，它在 2026 年 8 月 6 日開放公測；根據 Alibaba Cloud 的公告，它在 2026 年 8 月 24 日正式推出。Alibaba 表示，它能做出 480p、720p 和 1080p、30 fps、長度 2 到 30 秒的影片，並附有對話、音樂和音效。

Wan 各版本：從 2.1 到 3.0

表格依據 Alibaba 的 GitHub 儲存庫和 Alibaba Cloud 公告，於 2026 年 9 月查核。長度和解析度是原廠在自家平台提供的選項；Klakix 上能用的選項在下一節。

• 資料來源：2.1 儲存庫、2.2 儲存庫、2.5 公告、2.6 公告、2.7 公告、3.0 正式推出。
• GitHub 上的 3.0 官方儲存庫只有一份 README 和一個 Apache-2.0 授權檔。README 提到「open-source」，但沒有可以下載的模型檔案。
• 2026 年 Alibaba 持續另外發布開放模型：Alibaba 的 Hugging Face 帳號列出能依音樂做出跳舞影片的 Wan-Dancer-14B（2026 年 7 月）和 Wan-Animate-2（2026 年 8 月 7 日），兩者都採用 Apache-2.0 授權。

Wan 2.5 是什麼？

Wan 2.5 是 Alibaba 在 2025 年 9 月 24 日的 Apsara 2025 大會上以 Preview 形式發表的版本。根據 Alibaba Cloud 的文章，它是系列中第一個和畫面一起生成聲音的版本，影片長度也從 5 秒提高到 10 秒。根據 Model Studio 說明文件，它能做 480p、720p 和 1080p、5 或 10 秒的影片。

它的模型檔案沒有發布在 Hugging Face 上，只能透過 API 和 Alibaba 自己的平台使用。所以和 2.2 不同，它不能在你自己的電腦上執行。

Klakix 沒有提供 Wan 2.5，我們提供的是最新的 3.0。它保留了 2.5 首次加入的內建聲音，並把一次生成延長到 30 秒。

在 Klakix 使用 Wan 3.0

文字生成影片和圖片轉影片都有這個模型。用平常的話描述場景就好；開啟「優化提示詞」後，你的文字會被改寫成模型能理解的詳細描述，並保留你的意圖和細節。提示詞最多 2,000 個字元。

寫出鏡頭怎麼動、想聽到什麼聲音會有幫助。我們有一支 Wan 範例影片就是用這段提示詞做的（英文原文）：「Sunset on the Galata Bridge: anglers casting their lines, the New Mosque and ferries behind, the camera moving slowly along the bridge. Seagulls and waves.」（夕陽下的加拉達橋：釣客甩竿，背後是新清真寺和渡輪，鏡頭沿著橋緩緩移動。海鷗和海浪聲。）

• 長度：5、10、15、20 或 30 秒；預設 10 秒。這裡沒有 2 秒、25 秒這類中間長度。
• 解析度：480p、720p 或 1080p；預設 720p。Full HD 也能做到 30 秒。
• 畫面比例：16:9、9:16、1:1、4:3、3:4。沒有 21:9 寬螢幕選項。
• 聲音：預設開啟，可以關閉。無聲影片不會比較便宜，價格只取決於長度和解析度。
• 圖片轉影片時，開頭照片必填，結尾畫面可選：給兩張畫面，模型就會做出兩者之間的轉場。預設的畫面比例跟著照片，影片會照你照片的形狀生成，不會裁切。圖片轉影片的提示詞可以不寫。
• Seedance 系列的真人臉孔規定不適用於這個模型，但供應商的一般安全過濾仍然有效；生成被擋下時，點數會自動退回。
• 生成會在背景執行，我們估計大約 3 分鐘。你可以關掉頁面，完成的影片會以 MP4 存在作品庫裡等你。

Wan 3.0 要多少點？

價格只取決於長度和解析度，文字生成影片和圖片轉影片、有聲或無聲都一樣。表中的數字來自我們的模型目錄；開始前，確切點數會顯示在「生成」按鈕上方。

• 預設設定（720p、10 秒）要 100 點，依你購買的點數包約 $125.79–$226.67。
• 最長、最清晰的設定（1080p、30 秒）要 600 點。先用 480p、5 秒試想法（25 點），滿意後再延長，可以省點數。
• 最小的點數包是 Mini：$170，含 75 點。所有點數包請看價格方案頁面。

Wan AI 可以免費用嗎？

Alibaba 自己的網站 wan.video 有免費方案。根據它的價格頁面，免費方案每日簽到可以領點數，一次可以生成一支影片和一張圖片；無浮水印下載列為 Pro 功能。Pro 年繳每月 5 美元（原價 10 美元），每月 300 點，頁面表示最多可以做 60 支影片，並開放 1080p 和 10 到 30 秒的影片。Premium 年繳每月 20 美元。API 用量另外計費。這些價格是我們在 2026 年 9 月查核的，之後可能改變。

老實說，使用這些模型還有更便宜或免費的方式：Alibaba 官網的免費方案和低價 Pro 方案，或者如果你有夠力的顯示卡，也可以用開源的 2.1 和 2.2 版本。Klakix 提供的不是模型本身，而是一個帳號裡的多種影片模型、用多少付多少的點數，而且不必訂閱。

Klakix 沒有免費的影片：每一次生成，我們都要付費給 AI 供應商。驗證電子郵件後送你的 20 點免費點數只能用在配音。Wan 3.0 會在你第一次購買點數後開放，最便宜的設定（480p、5 秒）要 25 點。購買前，你可以先到範例頁看我們用 Wan 做出、未經修改的影片。

在自己的電腦上執行開源版本

2.1 和 2.2 的模型檔案以 Apache-2.0 授權公開；程式碼和安裝步驟寫在 2.1 和 2.2 儲存庫的 README 裡。你需要一張高效能的顯示卡（GPU）。根據 2.1 的 README，在 RTX 4090 上做一支 480p 5 秒影片大約要 4 分鐘；2.2 的 50 億參數 TI2V 模型能在 4090 上以 720p、24 fps 執行。

2.5 以後的版本（包括 3.0）都不能下載，所以無法在本機執行。而且你能自己執行的模型都是無聲的：內建聲音是從 2.5 才開始有的。

Wan、Seedance、Hailuo 和 Veo 比較

• Full HD 的長鏡頭：Wan 3.0 即使在 1080p 也能做到 30 秒。Seedance 2.5 也能做到 30 秒，但 Full HD 最長 25 秒，而且不接受有真人臉孔的照片。
• 便宜又快的短片：Hailuo AI（MiniMax H3 Max Turbo），5 到 15 秒。
• 最便宜的試用影片：Google Veo 頁面上的 Veo 3.1 Lite，4 秒、720p 無聲影片 12 點；Gemini Omni Flash 也在同一頁。
• 動畫、定格動畫或微縮模型風格：在提示詞中描述風格試試看；效果依模型而不同。

資料來源

wan.video 和它的價格頁面、GitHub 上的 2.1 和 2.2 儲存庫、Alibaba Cloud 的 2.5、2.6、2.7 和 3.0 發布文章，以及 Hugging Face 上的 Wan-AI 帳號。

Klakix 與 Alibaba 沒有合作關係；我們透過 API 供應商提供這個模型。資訊以 2026 年 9 月 24 日為準。