Wan 2.5 Image to Video API

alibaba/wan-2.5/image-to-video

Wan 2.5 Image to Video 将静态图片转为带同步音频的短片,支持自然动作与最高 1080p 画质。它以首帧主体和构图为依据,通过提示词引导人物动作与镜头运动。

输入
694/1500

拖拽文件、粘贴剪贴板素材,或输入 URL。 上传一张 JPG、JPEG、PNG 或 WebP 图片作为首帧,大小不超过 10 MB;也可填写可公开访问的 HTTP(S) 图片链接。

1/1 个素材

示例

Keep the same single raccoon, face mask markings, empty shallow steel bowl and abandoned brick kiln from the reference. In one continuous locked low-angle shot, the raccoon leans forward and gently nudges the near rim of the bowl once with one front paw. The bowl rotates and wobbles a half turn in place on the dusty brick floor with a short metallic clink. The raccoon immediately withdraws the paw and watches the bowl settle. No extra paws, no other animals, no bowl deformation or teleporting. Audio: paw scuff, one metallic clink synchronized with contact and a tiny ringing decay, quiet kiln room tone. No speech or music. One continuous five-second shot. No cuts, subtitles, captions, visible writing, logos, advertising or watermarks.

Preserve the handmade felt stop-motion look, the same tiny human tailor puppet, button, table and sewing-supply house. The tailor lifts the large blue button from its slight lean into an upright position on its edge. The button rocks left and right twice, then the tailor steadies it with both soft felt hands and holds it still. Small deliberate stop-motion increments, believable contact, no morphing or new objects. Very slow camera push-in. Audio: tiny wooden taps synchronized with the button edge, soft fabric rustle, quiet cozy room tone, no speech or music. One continuous five-second shot. No cuts, subtitles, captions, visible writing, logos, advertising or watermarks.

Wan 2.5 Image to Video

Wan 2.5 Image to Video 是阿里巴巴通义团队的图片生成视频模型,以一张首帧图像确定画面起点,再结合文字描述生成主体动作、镜头移动与同步声音。图片提供人物外观、产品形态和构图依据,提示词负责说明接下来发生的变化。你可以将人像、商品照片或故事插画制作成有声动态素材,用于角色展示、产品短片与分镜预演。

为什么选择 Wan 2.5 Image to Video

  • 让首帧成为动作的起点用已有图片确定主体外观和构图,再描述转头、抬手或缓慢推进等动作,让静态素材延续为短片。

  • 画面与声音一起生成让产品展示、人像或插画配上与场景匹配的声音,也可通过 Audio 提供自己的音频文件链接。

  • 按交付需要选择清晰度在 480p、720p 与 1080p 中选择清晰度,并用 5 秒或 10 秒安排动作展开的长度。

参数说明

参数填写要求用途与取值
prompt必填

填写 1–1500 个字符,重点描述图片中的主体如何运动、镜头如何移动,以及需要的声音。

image_urls必填

提供恰好一个可公开访问的 HTTP(S) 图片链接,以该图片作为视频首帧。

resolution可选

选择 480p、720p 或 1080p,默认 720p。费用随清晰度更新。

duration可选

选择 5 或 10,单位为秒;默认 5。费用随时长更新。

audio可选

可选,填入可公开访问的音频文件链接,为视频提供配音或音乐;留空时根据画面生成匹配的声音。

negative_prompt可选

可选,写出希望排除的画面元素,例如模糊、文字或多余人物。

seed可选

可选,填写整数以记录随机种子,便于对照提示词与生成设置。

使用方法

  1. 选好首帧上传一张主体清晰的 JPG、JPEG、PNG 或 WebP 图片,或添加可公开访问的图片链接。

  2. 说明动作与声音在 Prompt 中写出主体动作、运动幅度与镜头方向,再选择 Resolution 和 Duration;有现成音频时填写 Audio。

  3. 运行并检查短片查看 Run 按钮旁的费用后提交,完成后播放视频,检查动作与首帧的衔接,再下载所需素材。

适用场景

  • 产品照片动起来从一张商品照片出发,描述轻微转动或镜头推进,为产品介绍制作带声音的展示片段。

  • 人像表情与动作以清晰的人像作为首帧,用微笑、转头或抬手等单个动作,为角色介绍提供动态画面。

  • 插画与分镜预演以插画或分镜图确定视觉起点,通过镜头运动和环境声探索场景的节奏。

专业提示

  • 先选主体清晰、轮廓完整的首帧,让人物面部或产品细节在图中有足够空间。
  • 提示词优先写变化:谁向哪个方向移动、动作幅度多大、镜头如何跟随;用图片交代已有外观。
  • 先围绕一个主要动作组织短片,再增加背景动态;人物动作与镜头运动分别写清。
  • 让音频与动作服务同一场景,例如轻推镜头配合环境声;使用现成音频时先检查文件链接可访问。

相关模型

Wan 2.5 Image to Video API 常见问题

Wan 2.5 Image to Video API 是什么?

Wan 2.5 Image to Video 是阿里巴巴通义团队用于将静态图片生成视频的模型。它结合一张首帧与动作提示词生成 5 秒或 10 秒短片,支持同步音频、镜头运动与最高 1080p 画质。它以首帧图像作为主体与构图依据,通过文字引导后续动作,让原有画面发展为有声场景。你可以通过 API 进行程序化调用,也可以在上方体验区直接在线试用。

Wan 2.5 Image to Video 如何延续首帧主体?

模型以首帧中的人物或物体作为画面起点,再根据提示词生成运动。选择主体清晰、轮廓完整的图片,并写清面部朝向、服饰或产品特征,以及接下来要发生的动作。

Wan 2.5 Image to Video 能生成同步音频吗?

可以,模型在生成动态画面时一同生成匹配的声音。提示词中可加入风声、脚步或背景音乐等线索,让图片展开的场景有相应的听觉氛围。

Wan 2.5 Image to Video 如何使用自定义音频?

在 Audio 中填写可公开访问的音频文件链接,为视频提供现成配音或音乐。动作提示词应与录音内容配合,例如描述说话人物的动作与镜头方向。

Wan 2.5 Image to Video 适合什么首帧素材?

使用一张主体清晰的人像、产品照片或插画。体验区可上传大小不超过 10 MB 的 JPG、JPEG、PNG 或 WebP 图片,也可添加可公开访问的 HTTP(S) 图片链接。

Wan 2.5 Image to Video 如何描写动作?

围绕首帧已有主体,写出一个主要动作,再交代方向、幅度和镜头运动。例如“人物缓慢转头看向镜头,镜头保持固定”,或“镜头沿产品侧面缓慢推进”。

Wan 2.5 Image to Video 能输出 1080p 吗?

可以,将 Resolution 设为 1080p;也可选择 480p 或 720p,默认值为 720p。先按展示需要选好首帧构图,再确定输出清晰度,费用会随配置更新。

Wan 2.5 Image to Video 能生成 10 秒短片吗?

可以,将 Duration 设为 10;也可选择默认的 5 秒。根据动作需要的展开时间选择长度,例如短促转头用较短片段,缓慢镜头移动可留出更长时间。