Wan ist Alibabas Familie von KI-Videomodellen. Sie geben einen Text-Prompt, ein Foto oder Referenzclips vor und erhalten ein fertiges Video. Seit Wan 2.5 entstehen dabei auch Musik, Soundeffekte und lippensynchrone Dialoge, und zwar im selben Durchgang. Das neueste Modell, Wan 3.0, erschien im August 2026 und erzeugt Clips von bis zu 30 Sekunden in 1080p.
Dieser Überblick zeigt, woher Wan kommt, wie sich die Versionen unterscheiden, welche davon Open Source sind, was kostenlos ist und wie Sie noch heute loslegen.
Was ist Wan AI?
Wan ist eine Reihe generativer KI-Modelle von Alibaba. Sie erzeugen Videos und auch Bilder, und zwar aus Text, Bildern, Audio oder Video. Der vollständige chinesische Name lautet Tongyi Wanxiang (通义万相), frei übersetzt „zehntausend Formen“. In frühen englischsprachigen Unterlagen wurde daraus manchmal Wanx. Heute meinen „Wan“, „Wan AI“ und „Wan Video“ dieselbe Modellfamilie.
Drei Dinge unterscheiden Wan von anderen KI-Videogeneratoren:
- Open-Source-Wurzeln. Alibaba hat Wan 2.1 und Wan 2.2 als Open Weights unter der Lizenz Apache 2.0 veröffentlicht. Auf ihnen basiert ein großer Teil der Community-Videotools, ComfyUI-Workflows und Fine-Tunes.
- Ton aus einem Guss. Ab Wan 2.5 entstehen Musik, Soundeffekte und Sprache zusammen mit dem Bild, statt nachträglich vertont zu werden. Setzen Sie einen Satz in Anführungszeichen, und eine Figur spricht ihn vor der Kamera.
- Regie in Alltagssprache. Wan versteht die Sprache des Films: Einstellungsgrößen, Kamerabewegungen, Licht, Objektive und Stimmung. Sie beschreiben eine Szene so, wie es eine Regisseurin tun würde.
Wer steckt hinter Wan?
Entwickelt wird Wan vom Tongyi Lab, der KI-Forschungsabteilung von Alibaba, die auch die Qwen-Sprachmodelle verantwortet. Die neuesten Wan-Modelle bietet Alibaba über Alibaba Cloud Model Studio, die Plattform Qwen Cloud und die eigene Website wan.video an. Die Open-Weight-Versionen liegen auf GitHub und Hugging Face.
Um Wan zu nutzen, müssen Sie aber nicht über Alibaba gehen. Wan Studio ist eine unabhängige Browser-App, die die Wan-Modelle hinter einem einfachen Prompt-Feld bereitstellt. Sie steht in keiner Verbindung zu Alibaba. Standardmodell ist Wan 3.0, im Modellmenü finden Sie außerdem Wan 2.7 und Wan 2.5.
Alle Wan-Versionen von Wan 2.1 bis Wan 3.0
Alibaba hat in 18 Monaten sechs große Wan-Versionen veröffentlicht, von Februar 2025 bis August 2026. Die ersten beiden sind Open Source. Ab Wan 2.5 laufen die Modelle gehostet, erzeugen Ton und werden mit jeder Version länger und besser steuerbar.
| Version | Erschienen | Was neu ist | Längster Clip | Verfügbarkeit |
|---|---|---|---|---|
| Wan 3.0 | August 2026 | 30-Sekunden-Szenen, Dokumente und Webseiten als Eingabe, Videoverlängerung | 30 s, 1080p | Gehostete API und Apps |
| Wan 2.7 | April 2026 | Kontrolle über erstes und letztes Bild, Videobearbeitung per Anweisung, mehrere Referenzen als Eingabe | 15 s, 1080p | Gehostete API und Apps |
| Wan 2.6 | Dezember 2025 | Geschichten über mehrere Einstellungen, Referenz zu Video mit Aussehen und Stimme einer Person | 15 s, 1080p | Gehostete API und Apps |
| Wan 2.5 | September 2025 | Erstes Wan mit eigenem Ton und lippensynchronem Dialog | 10 s, 1080p | Gehostete API und Apps |
| Wan 2.2 | Juli 2025 | Mixture-of-Experts-Architektur, ein 720p-Modell für handelsübliche Grafikkarten | 5 s, 720p | Open Weights (Apache 2.0) |
| Wan 2.1 | Februar 2025 | Erste Open-Source-Veröffentlichung, Modelle mit 14 Mrd. und 1,3 Mrd. Parametern | 5 s, 720p | Open Weights (Apache 2.0) |
Wan 2.1 (Februar 2025): der Open-Source-Durchbruch
Am 25. Februar 2025 veröffentlichte Alibaba Wan 2.1 als Open Source. Das Paket umfasste vier Modelle: Text zu Video mit 14 Milliarden und 1,3 Milliarden Parametern sowie zwei 14B-Modelle für Bild zu Video in 480p und 720p. Das kleine Modell kam für einen 5-Sekunden-Clip in 480p mit rund 8 GB Grafikspeicher aus und lief damit auf gewöhnlichen Gaming-Grafikkarten. Zum Start führte Wan 2.1 den Video-Benchmark VBench mit einer Gesamtwertung von 86,22 % an.
Wan 2.2 (Juli 2025): Mixture of Experts
Wan 2.2 folgte am 28. Juli 2025, wieder unter Apache 2.0. Die Hauptmodelle teilen die Arbeit auf zwei Experten auf: Der eine legt früh in der Generierung Szene und Bewegung an, der andere verfeinert am Ende die Details. Zusammen sind das 27 Milliarden Parameter, von denen jeweils nur 14 Milliarden aktiv sind. Der Rechenaufwand liegt damit etwa auf dem Niveau von Wan 2.1. Das kompakte Modell TI2V-5B verarbeitet Text und Bilder in 720p mit 24 fps auf einer einzelnen Karte wie der RTX 4090. Im August 2025 kam Wan2.2-S2V hinzu, das eine Figur anhand einer Audiodatei animiert.
Wan 2.2 ist bis heute die meistgesuchte Wan-Version, vor allem weil Sie es kostenlos auf eigener Hardware betreiben können.
Wan 2.5 (September 2025): eigener Ton
Wan 2.5 wurde Ende September 2025 auf Alibabas Apsara-Konferenz erstmals gezeigt. Es war das erste Wan, das Bild und Ton gemeinsam erzeugt: Stimmen, Soundeffekte und Musik, synchron zur Handlung. Clips dauern bis zu 10 Sekunden in 1080p, und Sie können auch eine eigene Audiospur vorgeben, die die Szene steuert. Wan 2.5 erschien nicht als Open Weights – damit begann der Wechsel der Familie zu gehosteten Modellen.
Wan 2.6 (Dezember 2025): Geschichten in mehreren Einstellungen
Mitte Dezember 2025 kündigte Alibaba Wan 2.6 an. Das Modell kann einen Prompt auf mehrere Einstellungen verteilen und behält dabei dieselben Figuren bei; Clips wurden bis zu 15 Sekunden lang. Neu war außerdem Referenz zu Video: Sie laden einen kurzen Clip einer Person hoch, und Wan 2.6 besetzt sie in neuen Szenen, mit ihrem Aussehen und ihrer Stimme.
Wan 2.7 (April 2026): Kontrolle und Bearbeitung
Wan 2.7 erschien Anfang April 2026 als Paket für Text zu Video, Bild zu Video, Referenz zu Video und Videobearbeitung. Sie können damit das erste und das letzte Bild festlegen, mehrere Referenzbilder und -clips in einer Generierung kombinieren und ein vorhandenes Video mit einfachen Anweisungen bearbeiten, etwa „Färbe ihre Jacke rot.“ Clips dauern 2 bis 15 Sekunden in 720p oder 1080p.
Wan 3.0 (August 2026): 30-Sekunden-Szenen
Wan 3.0 startete am 6. August 2026 in die öffentliche Beta und erschien offiziell am 24. August. Es verdoppelt die maximale Cliplänge auf 30 Sekunden in bis zu 1080p, und laut Alibaba bleiben Gesichter, Layouts und Ton über mehrere Einstellungen hinweg stabil. Außerdem versteht es ungewöhnliche Eingaben: Geben Sie ihm ein PDF, eine Präsentation, eine Tabelle oder eine Webseite, und es macht aus dem Inhalt ein Video. Auch vorhandene Clips kann es verlängern. Anders als bei Wan 2.1 und 2.2 sind die Gewichte nicht öffentlich.
Was kann Wan?
Die Wan-Familie deckt das meiste ab, was man von einem KI-Videogenerator erwartet. Neuere Versionen ergänzen Funktionen, statt alte zu ersetzen:
- Text zu Video. Sie beschreiben eine Szene, Wan setzt sie um, samt Kamerabewegung und Licht.
- Bild zu Video. Laden Sie ein Foto als erstes Bild hoch, und Wan erweckt es zum Leben. Praktisch für Produktfotos, Porträts und Kunstwerke.
- Erstes und letztes Bild. Sie legen Anfang und Ende des Clips fest, Wan ergänzt die Bewegung dazwischen. Ideal für Loops und Übergänge (Wan 2.7 und 3.0).
- Referenz zu Video. Liefern Sie Bilder oder Clips einer Figur, eines Produkts oder eines Ortes, und Wan hält sie in einer neuen Szene konsistent (ab Wan 2.6).
- Eigener Ton und Dialog. Musik, Soundeffekte und Sprache entstehen zusammen mit dem Bild. Zitierte Sätze werden lippensynchron gesprochen (ab Wan 2.5).
- Szenen mit mehreren Einstellungen. Ein Prompt kann mehrere Einstellungen mit Schnitten abdecken, die Figuren bleiben dabei gleich (ab Wan 2.6).
- Videobearbeitung. Laden Sie einen Clip hoch und beschreiben Sie eine Änderung, etwa ein neues Outfit, anderes Wetter oder einen anderen Stil. Wan rendert ihn neu, die Bewegung bleibt erhalten (Wan 2.7 und 3.0).
- Videoverlängerung. Setzen Sie einen vorhandenen Clip nach vorn oder hinten fort, auf insgesamt bis zu 30 Sekunden (Wan 3.0).
- Bilder. Alibaba bietet auch Wan-Bildmodelle an, und Wan Studio hat neben dem Video- auch einen Bildmodus.
Nicht jede App bietet jede Funktion. In Wan Studio laufen Referenzen und der Bearbeitungsmodus über Wan 2.7, während Wan 3.0 einen Text-Prompt oder ein erstes Bild verarbeitet und bis zu 30 Sekunden schafft.
Ist Wan Open Source?
Teilweise. Wan 2.1 und Wan 2.2 sowie Ableger wie Wan2.2-S2V sind Open Weights unter der Lizenz Apache 2.0, die auch kommerzielle Nutzung erlaubt. Sie können sie von GitHub, Hugging Face oder ModelScope herunterladen und in ComfyUI oder Hugging Face Diffusers ausführen.
Wan 2.5, 2.6, 2.7 und 3.0 gibt es als gehostete Modelle über APIs und Apps. Die Gewichte von Wan 3.0 hat Alibaba zum Start nicht veröffentlicht. Wer die neuesten Funktionen, eigenen Ton oder Clips von mehr als ein paar Sekunden braucht, kommt an einer gehosteten Version nicht vorbei.
Ist Wan AI kostenlos?
Das kann es sein, je nachdem, wie Sie es nutzen:
- Open Weights. Wan 2.1 und 2.2 laden Sie kostenlos herunter. Bezahlen müssen Sie mit Hardware und Einrichtungszeit. Das 1.3B-Modell läuft mit rund 8 GB Grafikspeicher, das Modell TI2V-5B von Wan 2.2 auf einer 24-GB-Karte, und die 14B-Modelle brauchen mehr Speicher oder Offloading.
- Kostenloser Tarif von Wan Studio. Sie erhalten 160 Credits pro Monat, genug für bis zu zwei Wan-2.5-Videos in 480p, ohne Kreditkarte und ohne Wasserzeichen. Mehr dazu unter Wan kostenlos.
- Bezahltarife. Wan Studio startet bei 14 $ im Monat für 2.800 Credits, das sind rund 39 Videos. Bezahltarife schalten Wan 3.0 und Wan 2.7, 720p und 1080p sowie eine kommerzielle Lizenz frei. Alibaba Cloud rechnet seine API pro Sekunde Video ab. Alle Tarife im Vergleich finden Sie auf der Preisseite.
Wie Sie Wan nutzen können
Es gibt drei Wege. Entscheiden Sie danach, wie viel Einrichtung Sie in Kauf nehmen und welche Funktionen Sie brauchen.
| Zugang | Ideal für | Wan-Modelle | Was Sie brauchen |
|---|---|---|---|
| Browser-App wie Wan Studio | Creator, Marketing-Teams und alle, die schnell Ergebnisse wollen | Wan 3.0, 2.7, 2.5 | Eine E-Mail-Adresse; Start im kostenlosen Tarif |
| API, etwa die Wan API oder Alibaba Cloud Model Studio | Entwickler, die Videogenerierung in ein Produkt einbauen | Neueste gehostete Modelle | Einen API-Schlüssel und einen Bezahltarif oder ein Cloud-Konto |
| Lokale Open Weights in ComfyUI oder Diffusers | Bastler, Forschung, Offline-Arbeit | Wan 2.1, 2.2 | Eine NVIDIA-GPU mit 8 bis 24 GB oder mehr, dazu Zeit für die Einrichtung |
Wie Sie jeden dieser Wege Schritt für Schritt gehen, zeigt unsere Anleitung zu Wan. Entwickler starten am besten mit der Wan API.
Welches Wan-Modell sollten Sie nutzen?
Nehmen Sie Wan 3.0 für alles, was lang ist oder eine Geschichte erzählt, Wan 2.7 für Referenzen und Bearbeitungen und Wan 2.5 für günstige Entwürfe. Die Tabelle ordnet typischen Zielen das passende Modell zu.
| Ihr Ziel | Modell | Warum |
|---|---|---|
| Einen kompletten Werbespot oder eine Geschichte von 15 bis 30 Sekunden in einer Generierung | Wan 3.0 | Längste Clips, stabile Figuren über mehrere Einstellungen |
| Dieselbe Figur oder dasselbe Produkt über mehrere Szenen beibehalten | Wan 2.7 | Referenzbilder, -clips und Audio, im Prompt markiert |
| Etwas an einem vorhandenen Video ändern | Wan 2.7 im Bearbeitungsmodus | Änderungen per Anweisung, die Originalbewegung bleibt |
| Einen nahtlosen Loop oder einen präzisen Übergang erstellen | Wan 2.7 | Kontrolle über erstes und letztes Bild |
| Ideen günstig testen | Wan 2.5 oder Wan 2.5 Fast | Clips mit 5 oder 10 Sekunden, geringster Credit-Verbrauch, im kostenlosen Tarif |
| Alles auf eigener Hardware ausführen | Wan 2.2 lokal | Open Weights und Community-Erweiterungen, aber kein eingebauter Ton |
Wofür Wan genutzt wird
Die meisten Wan-Videos sind kurz, praktisch und für den Feed gemacht. Typische Einsatzzwecke:
- Werbevideos und Produktclips. Ein Produktfoto wird zum ersten Bild, Wan ergänzt Bewegung, Musik und einen gesprochenen Satz. Mehr dazu in unserer Übersicht der KI-Generatoren für Produktvideos (auf Englisch).
- Social-Media-Content. Hochformatige 9:16-Clips für TikTok, Reels und YouTube Shorts. Mehr dazu in unserem Vergleich der KI-Videogeneratoren für TikTok (auf Englisch).
- Sprechende Figuren und Erklärvideos. Zitierte Dialoge werden lippensynchron umgesetzt, so kann ein Porträt einen Satz sprechen. Lesen Sie, wie Sie ein Bild zum Sprechen bringen (auf Englisch).
- Musikvideos. Musik und Soundeffekte entstehen passend zu den Schnitten, so sitzt jeder Cut auf dem Beat.
- Kurzfilme und Storyboards. Mit Szenen aus mehreren Einstellungen und gleichbleibenden Figuren pitchen Sie eine Geschichte oder visualisieren sie vorab.
- Erklärvideos für Unternehmen. Wan 3.0 auf Alibabas Plattform macht aus einer Präsentation oder einem Bericht ein kurzes Video.
Grenzen, die Sie kennen sollten
Wan ist stark, aber keine Zauberei. Planen Sie diese Grenzen ein:
- Artefakte kommen vor. Hände, sehr schnelle Bewegungen und volle Szenen können misslingen. Rechnen Sie mit mehreren Anläufen.
- Text im Bild ist ungenau. Schilder und Beschriftungen kommen oft verstümmelt heraus, fügen Sie exakten Text lieber im Schnittprogramm ein.
- Lip-Sync klappt am besten mit kurzen Sätzen. Ein oder zwei Sätze pro Person werden sauberer synchronisiert als eine lange Rede.
- Länge und Auflösung kosten mehr. Ein 30-Sekunden-Clip in 1080p verbraucht weit mehr Credits als ein 5-Sekunden-Entwurf in 480p.
- Die neuesten Modelle sind geschlossen. Wan 2.5 und neuer können Sie weder feintunen noch selbst hosten.
- Persönlichkeits- und Urheberrechte beachten. Verwenden Sie nur Gesichter, Stimmen, Musik und Marken, für die Sie eine Erlaubnis haben, und rechnen Sie damit, dass Plattformen manche Anfragen blockieren.
Häufige Fragen
Wofür steht Wan?
Wan geht auf Tongyi Wanxiang (通义万相) zurück, den chinesischen Namen von Alibabas Modellen für visuelle Generierung. „Wanxiang“ bedeutet frei übersetzt „zehntausend Formen“. Es ist keine Abkürzung, deshalb schreibt man Wan und nicht WAN.
Wem gehört Wan AI?
Die Wan-Modelle entwickelt Alibabas Tongyi Lab. Apps wie Wan Studio geben Ihnen Zugang dazu; Wan Studio ist unabhängig und steht in keiner Verbindung zu Alibaba.
Was ist das neueste Wan-Modell?
Wan 3.0, erschienen im August 2026. Es erzeugt Clips von bis zu 30 Sekunden in 1080p mit eigenem Ton und stabilen Figuren über mehrere Einstellungen. Für Referenzen und Videobearbeitung bleibt Wan 2.7 die erste Wahl.
Ist Wan AI kostenlos?
Die Open-Source-Modelle Wan 2.1 und 2.2 können Sie kostenlos herunterladen und auf Ihrer eigenen GPU betreiben. Im Browser bekommen Sie mit dem kostenlosen Tarif von Wan Studio bis zu zwei Wan-2.5-Videos pro Monat in 480p, ohne Kreditkarte. Für Wan 3.0 und Wan 2.7 brauchen Sie einen Bezahltarif.
Ist Wan Open Source?
Wan 2.1 und Wan 2.2 sind Open Source unter Apache 2.0. Wan 2.5, 2.6, 2.7 und 3.0 sind gehostete Modelle, die Sie über Apps und APIs nutzen; ihre Gewichte sind nicht öffentlich.
Kann Wan Videos mit Ton erstellen?
Ja, ab Wan 2.5. Musik, Soundeffekte und Dialoge entstehen im selben Durchgang wie das Bild. Setzen Sie den Satz einer Figur in Anführungszeichen, und sie spricht ihn mit passenden Lippenbewegungen. Die Open-Source-Modelle von Wan 2.1 und 2.2 für Text und Bild zu Video sind stumm.
Was ist der Unterschied zwischen Wan 2.2 und Wan 3.0?
Wan 2.2 ist ein Open-Source-Modell für den lokalen Einsatz und erzeugt stumme Clips von etwa 5 Sekunden in bis zu 720p. Wan 3.0 läuft gehostet, schafft bis zu 30 Sekunden in 1080p, erzeugt Ton und Dialog und beherrscht Szenen mit mehreren Einstellungen.
Darf ich Wan-Videos kommerziell nutzen?
Die Lizenz Apache 2.0 von Wan 2.1 und 2.2 erlaubt kommerzielle Nutzung. Bei gehosteten Versionen gelten die Bedingungen Ihrer Plattform. In Wan Studio enthält jeder Bezahltarif eine kommerzielle Lizenz; der kostenlose Tarif ist zum Ausprobieren der Modelle gedacht.
Fazit
Wan hat sich von einem Open-Source-Forschungsprojekt zu einer der leistungsfähigsten KI-Videofamilien entwickelt, die es derzeit gibt: mit Ton, Szenen aus mehreren Einstellungen und 30-Sekunden-Clips. Am besten sehen Sie selbst, was Wan kann: Starten Sie kostenlos mit Wan Studio, schreiben Sie eine kurze Szene und generieren Sie. Wenn Sie bessere Ergebnisse wollen, lesen Sie unseren Prompt-Guide für Wan.
