Review do Wan 2.5: o jeito barato de ter som no seu clipe

A galeria traz exemplos publicados e seguros para o trabalho da página do modelo Wan 2.5.

Um mergulho ao amanhecer. Uma nadadora num muro de pedra do porto alonga os braços, mergulha limpo e emerge rindo; o respingo e o som da ondulação seguinte caem quase exatamente onde a água se abre.

Um giro em cetim. A partir de um retrato parado, dez segundos em 1080p: ela vira os ombros, dá dois passos, e o prompt negativo mantém joias e pessoas extras fora do quadro.

Um solo de sax de dez segundos. Uma única tomada contínua num bar de jazz; os jurados elogiaram o detalhe facial em close aqui, mesmo marcando o trabalho de mão no estilo de dedilhado num prompt separado de violão como seu ponto fraco.

Fora das câmeras, no nosso último lote de arena com o mesmo prompt, os prompts centrados em som que rodamos (uma conversa de café, uma confissão em lágrimas, uma taça de vinho se estilhaçando, um fogo de wok) mostraram a mesma divisão toda vez: diálogo e emoção saem bem, e quanto mais o prompt pede para ele se apoiar em física precisa de mão ou objeto, mais ele começa a chutar.

Nomeie a fonte do som na mesma frase da ação, e o Wan 2.5 costuma sincronizar os dois sem instrução extra.

1. Sincronize o som a uma fonte visível.

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.

Rodar este prompt no Wan 2.5 →

2. Mantenha o rosto de um retrato durante um giro (imagem para 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.

Rodar este prompt na imagem para vídeo do Wan 2.5 →

Fraco: "A woman dances in a room." Sem pista sonora, sem ação nomeada para a trilha seguir. Forte: nomeie o objeto ou a voz que produz o som, e onde isso acontece no plano, como no prompt 1.

O Wan 2.5 renderizou cada nível que rodamos tanto por texto quanto por imagem, de L1 Sugestivo passando por L3 Forte, L4 Intenso (uma cena íntima entre dois adultos) e prompts de L5 Extremo (L5a contenção consensual e jogo de impacto entre adultos, L5b gore cinematográfico). A única exceção: dois dos cinco prompts de L5a enviados como texto puro voltaram suavizados em vez de mostrados como escritos; o mesmo cenário a partir de uma imagem parada renderizou por completo em todas as vezes que tentamos. O rótulo da página é Sem censura: não adicionamos nenhum filtro de conteúdo do nosso lado. As taxas de acerto completas, por nível e por tipo de entrada, estão no relatório de teste deste modelo.

Só adultos, em cada prompt, imagem e resultado. Uma pessoa real e identificável precisa ter consentido, e você precisa dos direitos de qualquer foto usada como quadro inicial.

O Wan 2.5 foi o lançamento que tirou a linha Wan da Alibaba dos pesos abertos, e a comunidade percebeu no mesmo dia. No GitHub, uma issue foi aberta contra o repositório ainda de código aberto do Wan 2.2 intitulada "Obrigado, Alibaba, por enganar e usar a comunidade open source", argumentando que os lançamentos abertos anteriores tinham servido principalmente como marketing para os modelos fechados que vieram depois — o 2.5 entre eles. A issue continua aberta.

Nossos próprios testes não respondem à questão dos pesos abertos, mas confirmam a troca que a comunidade estava reagindo: o 2.5 é só por API, e também é a versão que trouxe áudio nativo, algo que o antigo Wan 2.2 aberto nunca teve.

• A mesma ideia com cortes em vários planos? Wan 2.6 acrescenta listas de planos numeradas e elenco por vídeo de referência numa única chamada, pelo dobro do preço por segundo.
• Ainda mais barato, sem som? Wan 2.6 Flash tira o áudio e o texto para vídeo, mas custa cerca de um quarto da taxa do Wan 2.6. Nossa review do Wan 2.6 Flash.
• Pesos abertos que você mesmo pode rodar? O Wan 2.2 é a última versão da Alibaba lançada abertamente; não tem áudio nativo e segura os níveis mais difíceis de conteúdo em comparação com o 2.5.
• Uma família totalmente diferente? MiniMax H3 também renderiza som e cada nível de conteúdo que testamos, com uma curva de preço diferente. Nossa review do MiniMax H3.