跳转至正文

hermoso

登录注册

模型 › 视频模型

Wan 2.5

声音与清晰的动作

Alibaba · 视频模型

旧版

5–10s片段长度

1080p三种分辨率中最好的

原生声音语音和环境音效直接在生成结果中

最多 1 张参考图

Wan 2.5 是 Hermoso 可用于生成视频广告、产品视频或 UGC 片段的 39 个视频模型之一。可以指定它，也可以不填，由路由自动选择一个合适的默认模型。同一套目录可通过应用、MCP 服务器和 CLI 使用，共用一个账户和一个积分余额；每次生成的确切价格都会在运行前显示在应用中。

常见用途

上述链接的格式即创意配方，由 Hermoso 为你的品牌规划并生成。

关于 Alibaba

Alibaba 开发 Wan 视频模型和 Qwen 系列，开源且迭代迅速。

规格

时长	5s10s
最长单镜头	一个不间断镜头，最长 10 秒
分辨率	720p1080p480p
宽高比	9:1616:91:1
声音	原生音频
模式	文生视频、图生视频、参考图生视频
参考图	Hermoso 中每次最多 1 个（我们的保真上限，依据付费生成测得；模型本身支持更多）
编辑已有视频	否
模型 ID	`wan-2.5`

适用场景

Wan 2.5 生成的每种宽高比都对应一个投放位置：

9:16 适用于 Reels、TikTok、Shorts 和 Stories
16:9 适用于 YouTube、插播广告和展示广告
1:1 适用于信息流帖子和轮播图

Wan 2.5 与其他视频模型的对比

模型	时长	最高分辨率	声音	参考图
Wan 2.5	5–10s	1080p	原生	最多 1 张
HappyHorse 1.1	5–15s	1080p	原生	最多 1 张
Wan 3.0 Prime	3–30s	1080p	原生	最多 10 张
Wan 3.0	3–30s	1080p	原生	最多 10 张
Hailuo 2.3	6–10s	n/a	无声	n/a
Seedance Lite	4–12s	1080p	无声	n/a
PixVerse V6	5–15s	1080p	原生	最多 1 张

查看全部 39 个视频模型并排对比。

直接说出来即可

在 Claude、ChatGPT、Cursor 或任何已连接 Hermoso 的助手中，用大白话说出模型名。也可以在应用的模型菜单中选择。

用 Wan 2.5 为我们的橄榄油制作一条 15 秒的 UGC 广告：厨房，黄金时段，9:16。

在 Wan 2.5 上生成产品包装的旋转画面，并发布到 TikTok 和 Reels。

用新标签在 Wan 2.5 上重做昨天的广告。

用好 Wan 2.5 的建议

描述一个连续的镜头运动及其终点。模型生成的是动作，而不是分镜清单。
附上真实产品照片作为参考，并要求完全一致。不要描述相似的替代品。
用文字描述颜色。十六进制色码会在画面上变成文字。
台词要短。一个片段大约能清楚承载每秒两个词。
一开始就指定投放位置的比例（TikTok 和 Reels 用 9:16），而不是事后裁切。

用 Wan 2.5 制作视频广告。免费开始，每个套餐都包含全部功能。

免费开始 → 查看定价

常见问题

Wan 2.5 能生成多长的视频？

Wan 2.5 可生成 5 到 10 秒的片段。更长的广告由多个片段组成。

Wan 2.5 有声音吗？

有。Wan 2.5 会随画面生成原生音频，因此真人创作者或旁白就在同一个镜头里。

Wan 2.5 能使用我的产品照片吗？

有。附上产品的参考图，Hermoso 会在生成中保留真实产品。

Wan 2.5 多少钱？

每次生成前，应用中都会显示确切的积分价格，并按实际成本结算。积分的价值请见定价页。

相关视频模型

先列出其他 Alibaba 模型，再列出目录中与 Wan 2.5 最接近的视频模型。

Video Arena 排名第一 · 原生音频 + 多语言口型同步 · 最长 15 秒

5–15 秒 · 720p / 1080p · 原生声音

阿里巴巴最新模型：1080p，单镜头最长 30 秒，带声音，最多 10 张参考图

3–30 秒 · 1080p / 720p / 480p · 原生声音

阿里巴巴的 Wan 3.0：单镜头最长 30 秒，带声音，1080p，最多 10 张参考图，价格低于 Prime

3–30 秒 · 1080p / 720p / 480p · 原生声音

人物动作表现力强 · 性价比高

6–10 秒 · 无声

最快、最便宜的视频

4–12 秒 · 720p / 480p / 1080p · 无声

适合社交平台的短小片段 · 有音频

5–15 秒 · 720p / 1080p / 540p · 原生声音

可靠的电影感运动

5–10 秒 · 无声

Grok Imagine 1.5

根据提示词或起始图像生成，带声音和口型同步

6–15 秒 · 720p / 480p / 1080p · 原生声音

查看全部 39 个视频模型，或 Hermoso 提供的全部模型。