我最近測試了阿里巴巴最新的AI影片模型 「Wan 2.5」 。在它發布後引起了廣泛的討論，我很好奇它的表現如何——很明顯，這個模型帶來了一些顯著的升級。
Wan 2.5在Wan 2.2 的基礎上，增加了原生音訊生成功能，讓它能夠直接在影片旁邊生成聲音——像是環境音、背景音樂，甚至是為了搭配場景而設計的語音旁白。
這讓它和Google的Veo 3一樣，都提供了強大的音訊整合功能。從規格來看， Wan 2.5也承諾能提供更流暢的動作、更清晰的畫面、更精準的指令理解，以及從頭到尾更穩定的畫面幀數。
我實際測試了四種情境，來看看音訊和視覺效果的融合程度，因為這種協同作用是區分一個好的AI影片和一個優秀的AI影片的關鍵。
快速總結： Wan 2.5展現了進步
Wan 2.5在多種情境下展現了令人印象深刻的音訊生成能力，包括逼真的環境音和恰當的音效。然而，影片品質，特別是針對人物的呈現，則較為不穩定——雖然有許多精彩的時刻，但在真實感和嘴型同步方面仍有進步的空間。在其中一個案例中，甚至完全沒有生成音訊，這表示該模型仍在發展中，距離完全可靠還有待努力。
Wan 2.5的實際應用案例
為了測試它的多功能性，我準備了四個不同的提示，混合了寫實和風格化的場景，並對每個提示進行評分：
- 音訊精準度與場景匹配度
- 畫面寫實，動作流暢
- 動作和臉部表情都很精準
1. 和朋友一起爬山 — 輕鬆又自然
提示：兩位年輕男子和一位年輕女子沿著風景優美的山路健行，他們邊走邊聊天，開心地說笑著。微風輕拂，樹葉沙沙作響，陽光穿過樹林灑落下來，每個人都背著一個背包。他們輕鬆愉快的對話和笑容，捕捉了一個戶外休閒的時刻。
結果：森林的氛圍、微風和笑聲都跟畫面很搭。動作流暢，沒有明顯的卡頓。
分數：8/10 — 對於一般內容來說，這是一個不錯且實用的結果。
2. 地鐵站的女人 — 音質不錯，但需要更多活力
提示：一位年輕的亞洲女性站在地鐵站的樓梯上，臉上帶著溫暖的笑容，手中拿著一支智慧型手機。日光從上方灑落，柔和的陰影落在她時尚的都會街頭穿搭上。
結果：逼真的捷運背景音效有助於營造氛圍，但她的臉部表情和動作可以再更自然、更有活力一些。
評分：8/10 — 音質不錯，但動作流暢度還有進步空間。
3. 西裝革履的狡猾狐狸——引人入勝的視覺概念
提示：一隻穿著時髦西裝的狐狸，自信地走近鏡頭，手上拿著一疊文件，臉上帶著狡黠的笑容。
結果：動畫角色看起來很時尚，表情也很豐富。不過，這次測試沒有聲音，這表示聲音生成偶爾會有斷斷續續的狀況。
分數：不適用 — 沒聲音，但畫面很棒。
4. 記者在街頭直播 — 聲音清晰，但需要更好的畫面同步
提示：一位短髮記者在繁忙的街道上進行現場報導，她必須蓋過車聲和人聲的喧囂。
結果：語音很準確、清晰，但嘴唇的動作沒有完全跟上音訊，讓同步效果沒那麼令人信服。
分數：5/10 — 功能正常，但同步功能需要改進。
總結：一個很有潛力、值得期待的更新
Wan 2.5導入了許多實用的影音功能，在某些情況下能產生很棒的結果。雖然表現會因提示詞而異，但好的部分展現了未來改進和更廣泛使用的潛力。
比Veo 3還好嗎？還沒，因為Veo 3整體來說還是比較穩定。不過Wan 2.5的音訊整合和偶爾出現的高畫質畫面，都預示著隨著技術的成熟，未來發展潛力無窮。
適合對象：喜歡嘗試新事物的人、想用自然或風格化的場景來做創意發想的人，以及能接受偶爾出現小瑕疵的人。
誰應該等待：需要精準寫實和完美同步的專業人士，適用於以人為本的影片。
為什麼要在Pollo AI上試用Wan 2.5？
Wan 2.5是Pollo AI上眾多強大 AI 影片工具之一。這個平台讓您輕鬆製作各種風格的高品質視覺內容，包括文字轉影片、圖片轉影片以及其他進階生成器。
您也可以使用領先的AI模型，像是Runway 、 Veo 3 、 Seedance 、 Hailuo AI 、 Kling AI和PixVerse AI ，讓您永遠不會只有一個選擇。
其中一個特別值得一提的是AI虛擬人像影片生成器，它能將一張照片變成栩栩如生的虛擬人像，擁有自然的肢體動作、逼真的臉部表情和精準的唇形同步。
想要快速產出創意內容嗎？ Pollo AI Shorts可以瞬間製作短影片，像是動漫、動物或是療癒風格的影片，還能一次生成多個場景喔。
Pollo AI擁有各種 AI 效果、可自訂工具和 LoRA 模型，只需點擊幾下，就能將您的概念轉化為精美的影片。
如果你想探索AI影片製作，又不想花太多時間學習，那就來試試Pollo AI吧，免費的喔！看看你的創意能發揮到什麼程度。