Análisis de Wan 2.5: la vía barata para tener sonido en tu clip

La galería reúne ejemplos publicados y aptos para el trabajo de la página del modelo Wan 2.5.

Un salto al amanecer. Una nadadora en el muro de piedra de un puerto sacude los brazos, se lanza limpiamente y emerge riendo; el chapoteo y el rizo de sonido que sigue caen justo donde el agua rompe.

Un giro en satén. Desde un retrato fijo, diez segundos en 1080p: gira los hombros, da dos pasos, y el prompt negativo evita que joyas o gente extra se cuelen en cuadro.

Un solo de saxofón de diez segundos. Un único plano continuo en un bar de jazz; los jueces elogiaron el detalle facial en primer plano aquí mismo, mientras marcaban el trabajo de manos en un prompt de guitarra distinto como su punto débil.

Fuera de cámara, en nuestra última tanda de arena con el mismo prompt, los prompts centrados en sonido que lanzamos (una conversación de cafetería, una confesión entre lágrimas, una copa de vino que se hace añicos, un fuego de wok) mostraron siempre la misma división: el diálogo y la emoción salen bien, y cuanto más exige el prompt precisión en manos u objetos físicos, más empieza a adivinar.

Nombra la fuente del sonido en la misma frase que la acción, y Wan 2.5 suele sincronizar las dos cosas sin instrucciones extra.

1. Sincroniza el sonido con una fuente visible.

A wine glass slides off the edge of a wooden table and shatters on a stone floor, with a sharp crash and the tinkle of scattering shards, in a quiet kitchen.

Ejecutar este prompt en Wan 2.5 →

2. Mantén la cara de un retrato durante un giro (imagen a vídeo).

She shifts her weight, turns her shoulders toward the lens and takes two slow steps forward, the satin of the dress catching the light as it moves. She tucks her hair behind one ear and holds the look. Locked camera, clean grey studio, soft light.

Ejecutar este prompt en imagen a vídeo de Wan 2.5 →

Débil: «A woman dances in a room». Sin señal de sonido, sin acción nombrada que la pista de audio pueda seguir. Fuerte: nombra el objeto o la voz que produce el sonido, y en qué punto del plano ocurre, como en el prompt 1.

Wan 2.5 renderizó cada nivel que probamos con entrada de texto e imagen, desde L1 Sugerente pasando por L3 Fuerte, L4 Intenso hasta prompts de L5 Extremo (L5a restricción consensuada y juego de impacto entre adultos, L5b gore cinematográfico). La única excepción: dos de cinco prompts de L5a enviados como texto plano volvieron suavizados en vez de mostrados tal como se escribieron; la misma escena desde una imagen fija se generó por completo cada vez que lo intentamos. La etiqueta de la página es Sin censura: no añadimos ningún filtro de contenido por nuestra parte. Las tasas de acierto completas, por nivel y por tipo de entrada, están en el informe de pruebas de este modelo.

Solo adultos, en cada prompt, imagen fija y resultado. Una persona real e identificable tiene que haber dado su consentimiento, y necesitas los derechos de cualquier foto que uses como fotograma inicial.

Wan 2.5 fue el lanzamiento que sacó la línea Wan de Alibaba de los pesos abiertos, y la comunidad lo notó el mismo día. En GitHub se abrió un issue contra el repositorio, aún de código abierto, de Wan 2.2 titulado "Gracias, Alibaba, por engañar y usar a la comunidad de código abierto", donde se argumentaba que los lanzamientos abiertos anteriores habían servido principalmente como marketing para los modelos cerrados que vinieron después, entre ellos 2.5. El issue sigue abierto.

Nuestras propias pruebas no aportan nada sobre el debate de los pesos abiertos, pero sí confirman el intercambio que molestó a la comunidad: 2.5 es solo API, y también es la versión que añadió audio nativo, algo que la anterior Wan 2.2 abierta nunca tuvo.

• ¿La misma idea con cortes de varios planos? Wan 2.6 añade listas de planos numeradas y casting por vídeo de referencia en una sola llamada, al doble de precio por segundo.
• ¿Aún más barato, sin sonido? Wan 2.6 Flash prescinde del audio y del texto a vídeo pero cuesta cerca de una cuarta parte de la tarifa de Wan 2.6. Nuestro análisis de Wan 2.6 Flash.
• ¿Pesos abiertos que puedas ejecutar tú mismo? Wan 2.2 es la última versión de Alibaba publicada de forma abierta; no tiene audio nativo y se queda corta en los niveles más duros frente a 2.5.
• ¿Una familia completamente distinta? MiniMax H3 también genera sonido y cada nivel de contenido que probamos, con una curva de precio diferente. Nuestro análisis de H3.