Saya baru-baru ini menguji Wan 2.5 , model video AI terbaru dari Alibaba. Setelah semua antusiasme seputar peluncurannya, saya penasaran untuk melihat bagaimana kinerjanya—dan jelas model ini menghadirkan beberapa peningkatan yang signifikan.
Wan 2.5 dikembangkan dari Wan 2.2 dengan fitur pembangkitan audio bawaan, memungkinkan produksi suara langsung bersamaan dengan video—suara latar, musik latar, atau bahkan narasi suara yang dirancang agar sesuai dengan adegan.
Hal ini menempatkannya dalam kategori yang sama dengan Google Veo 3 , yang sudah menawarkan integrasi audio yang kuat. Di atas kertas, Wan 2.5 juga menjanjikan gerakan yang lebih halus, visual yang lebih tajam, pemahaman perintah yang lebih baik, dan frame yang lebih konsisten dari awal hingga akhir.
Saya menjalankan empat pengujian di dunia nyata untuk melihat seberapa baik perpaduan audio dan visualnya, karena sinergi inilah yang membedakan video AI yang bagus dari video yang hebat.
Kesimpulan Singkat: Wan 2.5 Menunjukkan Kemajuan
Wan 2.5 menunjukkan kemampuan menghasilkan audio yang mengesankan dalam beberapa skenario, dengan suasana realistis dan efek suara yang sesuai. Kualitas video, terutama untuk subjek manusia, kurang konsisten—menunjukkan momen-momen yang kuat tetapi juga masih perlu ditingkatkan dalam hal realisme dan sinkronisasi bibir. Dalam satu kasus, audio sama sekali tidak dihasilkan, yang menunjukkan bahwa model tersebut masih dalam tahap pengembangan menuju keandalan penuh.
Contoh Nyata Wan 2.5
Untuk menguji keserbagunaannya, saya menyiapkan empat prompt berbeda, yang menggabungkan adegan realistis dan bergaya, dan memberi skor pada masing-masing prompt berdasarkan:
- Akurasi audio dan kesesuaian adegan
- Realistis secara visual dan gerakan yang halus.
- Ketepatan dalam gerakan dan ekspresi wajah.
1. Pemandangan Mendaki Gunung Bersama Teman — Tenang & Alami
Prompt : Dua pemuda dan satu perempuan muda mendaki jalur pegunungan yang indah, tertawa sambil mengobrol santai. Angin sepoi-sepoi menggerakkan dedaunan, sinar matahari menembus pepohonan, dan masing-masing membawa ransel. Percakapan dan senyum riang mereka menangkap momen santai di luar ruangan.
Hasil : Suasana hutan, semilir angin, dan tawa semuanya berpadu secara alami dengan visualnya. Gerakan halus dan tanpa gangguan yang terlihat.
Skor : 8/10 — Hasil yang kuat dan bermanfaat untuk konten kasual.
2. Wanita di Stasiun Kereta Bawah Tanah — Audio Bagus, Tapi Perlu Lebih Banyak Nuansa Menarik
Prompt : Seorang wanita muda Asia berdiri di tangga stasiun kereta bawah tanah, tersenyum ramah dengan ponsel pintar di tangan. Cahaya matahari menyaring masuk, bayangan lembut jatuh di atas penampilannya yang bergaya streetwear perkotaan.
Hasil : Suara latar kereta bawah tanah yang realistis membantu menciptakan suasana, meskipun ekspresi wajah dan gerakannya bisa terasa lebih alami dan dinamis.
Skor : 8/10 — Suara solid, masih ada ruang untuk perbaikan pada pergerakan.
3. Rubah Licik Berjas — Konsep Visual yang Memukau
Prompt : Seekor rubah terhormat dengan setelan jas rapi membawa setumpuk kertas, mendekati kamera dengan langkah percaya diri dan senyum licik.
Hasil : Karakter animasi tampak bergaya dan ekspresif. Namun, pengujian ini tidak menghasilkan audio, menunjukkan adanya jeda sesekali dalam pembangkitan suara.
Skor : Tidak Tersedia — Audio hilang, visual bagus.
4. Jurnalis Siaran Langsung di Jalanan — Ucapan Jelas, Perlu Sinkronisasi yang Lebih Baik
Prompt : Seorang jurnalis berambut pendek melaporkan langsung dari jalanan yang ramai, berbicara di tengah suara lalu lintas dan obrolan.
Hasil : Ucapan tersebut akurat dan jelas, tetapi gerakan bibir tidak sepenuhnya selaras dengan audio, sehingga sinkronisasinya kurang meyakinkan.
Skor : 5/10 — Berfungsi, tetapi sinkronisasi perlu disempurnakan.
Kesimpulan Akhir: Pembaruan yang Menjanjikan dengan Potensi yang Baik
Wan 2.5 memperkenalkan fitur audio-visual yang berharga dan dapat memberikan hasil yang bagus dalam konteks tertentu. Meskipun performanya bervariasi di setiap perintah, momen-momen yang baik menunjukkan potensi untuk peningkatan di masa mendatang dan kegunaan yang lebih luas.
Lebih baik dari Veo 3? Belum sepenuhnya, karena Veo 3 tetap lebih konsisten secara keseluruhan. Tetapi integrasi audio Wan 2.5 dan visual berkualitas tinggi yang kadang-kadang ditampilkannya mengisyaratkan masa depan yang cerah seiring perkembangan teknologinya.
Siapa yang mungkin menyukainya: Para eksperimen, proyek kreatif dengan alam atau pemandangan bergaya, dan mereka yang terbuka terhadap ketidaksempurnaan sesekali.
Siapa yang harus menunggu: Para profesional yang membutuhkan realisme yang tepat dan sinkronisasi sempurna dalam video yang berpusat pada manusia.
Mengapa Mencoba Wan 2.5 di Pollo AI?
Wan 2.5 adalah salah satu dari beberapa alat video AI canggih yang tersedia di Pollo AI. Platform ini memudahkan pembuatan visual berkualitas tinggi dalam berbagai gaya, termasuk konversi teks ke video , gambar ke video , dan generator canggih lainnya.
Anda juga dapat mengakses model-model terkemuka seperti Runway , Veo 3 , Seedance , Hailuo AI , Kling AI , dan PixVerse AI , sehingga Anda tidak pernah terbatas hanya pada satu pilihan.
Salah satu fitur unggulan adalah generator video avatar AI , yang mengubah satu foto menjadi avatar yang tampak hidup dengan gerakan alami, ekspresi wajah realistis, dan sinkronisasi bibir yang akurat.
Untuk menghasilkan karya kreatif dengan cepat, Pollo AI Shorts langsung menghasilkan video pendek—bergaya anime, hewan, atau menenangkan—serta pembuatan multi-adegan dalam satu kali proses.
Dengan beragam efek AI, alat yang dapat disesuaikan, dan LoRA, Pollo AI dapat mengubah konsep menjadi video yang berkualitas hanya dalam beberapa klik.
Jika Anda ingin menjelajahi pembuatan video AI tanpa kurva pembelajaran yang curam, coba Pollo AI secara gratis dan lihat ke mana ide-ide Anda dapat berkembang.