Wan 2.6 Flash

Posicionamento

wan2.6-flash/image-to-video é a versão rápida voltada para cenários de geração de vídeo a partir de imagem: basta inserir uma imagem de origem e um prompt de texto para gerar um vídeo curto com movimento, enquadramento e atmosfera. Suporta durações de 5/10/15 segundos, resoluções 720p e 1080p, além de saída de áudio opcional. Ele prioriza velocidade de entrega e custo, sendo adequado para desenvolvedores que precisam de alta frequência de produção e validação rápida de direções criativas, e também para uso como etapa de rascunho, selecionando primeiro tomadas viáveis antes do refinamento posterior.

Destaques principais

• Versão rápida voltada para alta frequência de produção — otimizada para velocidade de inferência e alocação de recursos, ideal para fluxos de geração de alta frequência com testes repetidos de prompts e tomadas.
• Duração e resolução selecionáveis, do rascunho ao primeiro corte — é possível escolher entre 5, 10 e 15 segundos de duração e saída em 720p ou 1080p, equilibrando velocidade e qualidade conforme a necessidade.
• Geração integrada opcional de áudio e vídeo — ao ativar a opção de áudio, é possível produzir áudio sincronizado com a imagem no momento da geração, com a faixa de áudio cobrada separadamente do vídeo.
• Partida a partir de um único quadro inicial, movimento guiado por prompt — usa uma imagem jpeg/png/webp de no mínimo 256×256 como ponto de partida do vídeo, descrevendo movimento, enquadramento e atmosfera por meio do prompt.

Descrição das capacidades

Geração de vídeo a partir de um único quadro inicial: envie uma imagem de origem como ponto de partida do vídeo, acompanhada de um prompt em chinês ou inglês descrevendo movimento e enquadramento, e obtenha diretamente um vídeo curto que começa com essa imagem, reduzindo o custo de redesenho de storyboard.

Duração e resolução controláveis: a duração é limitada a três opções — 5, 10 e 15 segundos — e a resolução pode ser 720p ou 1080p, facilitando a escolha das especificações de saída conforme o canal de veiculação e os requisitos de nitidez.

Áudio sincronizado opcional: a opção de áudio define se o áudio será produzido em sincronia com a geração da imagem; a parte da faixa de áudio é cobrada separadamente, permitindo escolher com flexibilidade se haverá som.

Enquadramento e atmosfera guiados por prompt: o prompt tem no máximo 1500 caracteres, com suporte a chinês ou inglês, e é usado para descrever o movimento do sujeito, o movimento de câmera e a atmosfera geral, controlando a direção do conteúdo gerado.

Cenários de aplicação

• Testes em lote de prompts e direções de tomada por equipes criativas — gerar vários vídeos candidatos com prompts diferentes de uma só vez para avaliação interna de pautas, selecionando direções viáveis antes de entrar na etapa de refinamento.
• Produção frequente de vídeos curtos para redes sociais — usar uma única imagem de produto ou de pessoa como quadro inicial para gerar rapidamente materiais verticais ou horizontais compatíveis com plataformas de vídeo curto, para atualizações diárias de conteúdo.
• Geração rápida de amostras dinâmicas na fase de validação de protótipos — converter imagens de efeito em prévias dinâmicas de alguns segundos durante as fases de produto e design conceitual, para demonstrações de proposta e testes com usuários, encurtando o ciclo de iteração.
• Triagem prévia para a renderização final na etapa de rascunho — produzir primeiro vários rascunhos de tomadas com este modelo a baixo custo e, após confirmar que composição e movimento são viáveis, realizar a renderização final de alta qualidade nas tomadas selecionadas.

Limitações e recomendações de escolha

Esta é a versão de geração de vídeo a partir de imagem com prioridade em velocidade; o limite de refinamento de detalhes e precisão visual é inferior ao da versão padrão, sendo mais adequada como parte de rascunho, exploração criativa e geração em lote de alta frequência, e não como peça final. A entrada aceita apenas uma única imagem como quadro inicial, sem composição de várias imagens ou especificação de quadros inicial e final; a duração tem apenas três opções: 5, 10 e 15 segundos. Se o produto final exigir alta qualidade de detalhes, recomenda-se primeiro filtrar as tomadas com este modelo e depois encaminhar as selecionadas para renderização final na versão padrão da mesma série.