Wan è la famiglia di modelli di Alibaba per generare video con l'intelligenza artificiale. Gli dai un prompt testuale, una foto o qualche clip di riferimento e ti restituisce un video finito. Da Wan 2.5 in poi crea nello stesso passaggio anche musica, effetti sonori e dialoghi in sincrono col labiale. Il modello più recente, Wan 3.0, è uscito ad agosto 2026 e genera clip fino a 30 secondi in 1080p.
In questa guida vediamo da dove nasce Wan, cosa cambia da una versione all'altra, quali sono open source, cosa puoi usare gratis e come iniziare già oggi.
Cos'è Wan AI?
Wan è una serie di modelli generativi di Alibaba che creano video, e anche immagini, a partire da testo, immagini, audio e video. Il nome cinese completo è Tongyi Wanxiang (通义万相), che si può rendere più o meno con "diecimila forme". Nei primi materiali in inglese capitava di trovarlo abbreviato in Wanx. Oggi "Wan", "Wan AI" e "Wan video" indicano tutti la stessa famiglia.
Sono tre le cose che distinguono Wan dagli altri generatori di video AI:
- Radici open source. Alibaba ha rilasciato Wan 2.1 e Wan 2.2 a pesi aperti, con licenza Apache 2.0. Sono diventati la base di buona parte degli strumenti video della community, dei workflow di ComfyUI e dei modelli personalizzati con il fine-tuning.
- Audio insieme all'immagine. Da Wan 2.5 in poi musica, effetti sonori e voci nascono insieme al video, invece di essere doppiati in un secondo momento. Metti una battuta tra virgolette e il personaggio la pronuncia in scena.
- Regia a parole. Wan capisce il linguaggio del cinema: piani, movimenti di macchina, luci, obiettivi e atmosfera. Descrivi la scena come farebbe un regista.
Chi ha creato Wan?
Wan è sviluppato da Tongyi Lab, il gruppo di ricerca sull'AI di Alibaba, lo stesso team che c'è dietro i modelli linguistici Qwen. Alibaba distribuisce i modelli Wan più recenti tramite Alibaba Cloud Model Studio, la piattaforma Qwen Cloud e il proprio sito, wan.video. Le versioni a pesi aperti sono pubblicate su GitHub e Hugging Face.
Per usare Wan, però, non devi per forza passare da Alibaba. Wan Studio è un'app indipendente che funziona nel browser e ti dà accesso ai modelli Wan da un semplice campo prompt. Non è affiliata ad Alibaba. Il modello predefinito è Wan 3.0, mentre Wan 2.7 e Wan 2.5 li trovi nel menu dei modelli.
Tutte le versioni di Wan, da Wan 2.1 a Wan 3.0
In 18 mesi, da febbraio 2025 ad agosto 2026, Alibaba ha pubblicato sei versioni principali di Wan. Le prime due sono open source. Da Wan 2.5 in poi i modelli girano in cloud, generano anche l'audio e a ogni nuova uscita producono clip più lunghe e più facili da controllare.
| Versione | Uscita | Novità | Clip più lunga | Come si usa |
|---|---|---|---|---|
| Wan 3.0 | Agosto 2026 | Scene da 30 secondi, documenti e pagine web come input, estensione dei video | 30 s, 1080p | API e app in cloud |
| Wan 2.7 | Aprile 2026 | Controllo del primo e dell'ultimo fotogramma, modifica dei video con istruzioni, input con più riferimenti | 15 s, 1080p | API e app in cloud |
| Wan 2.6 | Dicembre 2025 | Racconti su più inquadrature, video da riferimenti con l'aspetto e la voce di una persona | 15 s, 1080p | API e app in cloud |
| Wan 2.5 | Settembre 2025 | Primo Wan con audio integrato e dialoghi in sincrono col labiale | 10 s, 1080p | API e app in cloud |
| Wan 2.2 | Luglio 2025 | Architettura mixture of experts, un modello 720p per GPU di fascia consumer | 5 s, 720p | Pesi aperti (Apache 2.0) |
| Wan 2.1 | Febbraio 2025 | Primo rilascio open source, modelli da 14B e 1.3B | 5 s, 720p | Pesi aperti (Apache 2.0) |
Wan 2.1 (febbraio 2025): la svolta open source
Il 25 febbraio 2025 Alibaba ha reso open source Wan 2.1. Il rilascio comprendeva quattro modelli: due testo in video, da 14 miliardi e da 1,3 miliardi di parametri, più due modelli immagine in video da 14B, uno per il 480p e uno per il 720p. Al modello piccolo bastavano circa 8 GB di memoria video per una clip di 5 secondi in 480p, quindi girava sulle normali schede da gaming. Al debutto Wan 2.1 si è piazzato in cima al benchmark video VBench, con un punteggio complessivo dell'86,22%.
Wan 2.2 (luglio 2025): arriva la mixture of experts
Wan 2.2 è arrivato il 28 luglio 2025, sempre con licenza Apache 2.0. I modelli principali dividono il lavoro tra due esperti: il primo imposta la scena e il movimento nelle fasi iniziali della generazione, il secondo rifinisce i dettagli alla fine. In tutto fanno 27 miliardi di parametri, ma ne sono attivi solo 14 miliardi alla volta, quindi farlo girare costa più o meno quanto Wan 2.1. Il modello compatto TI2V-5B accetta sia testo sia immagini e genera video in 720p a 24 fps su una sola scheda, per esempio una RTX 4090. Ad agosto 2025 Alibaba ha aggiunto Wan2.2-S2V, che anima un personaggio partendo da un file audio.
Wan 2.2 è ancora la versione di Wan più cercata, soprattutto perché puoi usarlo gratis sul tuo hardware.
Wan 2.5 (settembre 2025): l'audio integrato
Wan 2.5 è stato presentato in anteprima alla conferenza Apsara di Alibaba, a fine settembre 2025. È stato il primo Wan a generare audio e video insieme: voci, effetti sonori e musica, sincronizzati con l'azione. Le clip arrivano a 10 secondi in 1080p, e puoi anche caricare una traccia audio che guidi la scena. Wan 2.5 non è uscito a pesi aperti: è il momento in cui la famiglia passa ai modelli in cloud.
Wan 2.6 (dicembre 2025): storie su più inquadrature
Alibaba ha annunciato Wan 2.6 a metà dicembre 2025. Il modello sa dividere un unico prompt in più inquadrature mantenendo gli stessi personaggi, e ha portato la durata delle clip a 15 secondi. Con lui è arrivato anche il video da riferimenti: carichi una breve clip di una persona e Wan 2.6 la inserisce in scene nuove, con il suo aspetto e la sua voce.
Wan 2.7 (aprile 2026): controllo e modifica
Wan 2.7 è arrivato all'inizio di aprile 2026 come suite completa: testo in video, immagine in video, video da riferimenti e modifica video. Ti permette di fissare sia il primo sia l'ultimo fotogramma, di combinare più immagini e clip di riferimento in una sola generazione e di modificare un video esistente con istruzioni semplici, come "rendi rossa la sua giacca". Le clip vanno da 2 a 15 secondi, in 720p o 1080p.
Wan 3.0 (agosto 2026): scene da 30 secondi
Wan 3.0 è entrato in beta pubblica il 6 agosto 2026 ed è stato lanciato ufficialmente il 24 agosto. Raddoppia la durata massima delle clip, portandola a 30 secondi fino a 1080p, e secondo Alibaba mantiene stabili volti, composizione e audio da un'inquadratura all'altra. Accetta anche input insoliti: gli passi un PDF, una presentazione, un foglio di calcolo o una pagina web e lui ne ricava un video. Può inoltre estendere una clip esistente. A differenza di Wan 2.1 e 2.2, i suoi pesi sono chiusi.
Cosa sa fare Wan?
La famiglia Wan copre quasi tutto quello che ti aspetti da un generatore di video AI. Le versioni nuove aggiungono funzioni senza toglierne:
- Testo in video. Descrivi una scena e Wan la realizza, movimenti di macchina e luci compresi.
- Immagine in video. Carichi una foto come primo fotogramma e Wan la anima. Utile per foto di prodotto, ritratti e illustrazioni.
- Primo e ultimo fotogramma. Fissi l'inizio e la fine della clip e Wan riempie il movimento nel mezzo. Ottimo per loop e transizioni (Wan 2.7 e 3.0).
- Video da riferimenti. Fornisci immagini o clip di un personaggio, un prodotto o un luogo, e Wan li mantiene coerenti in una scena nuova (da Wan 2.6 in poi).
- Audio e dialoghi integrati. Musica, effetti sonori e parlato escono insieme all'immagine. Le battute tra virgolette sono in sincrono col labiale (da Wan 2.5 in poi).
- Scene su più inquadrature. Un solo prompt può coprire più inquadrature con gli stacchi, mantenendo coerenti i personaggi (da Wan 2.6 in poi).
- Modifica video. Carichi una clip e descrivi un cambiamento, come un abito diverso, un altro meteo o un nuovo stile. Wan la rigenera lasciando intatto il movimento (Wan 2.7 e 3.0).
- Estensione video. Prolunghi una clip esistente in avanti o all'indietro, fino a 30 secondi in totale (Wan 3.0).
- Immagini. Alibaba ha anche modelli Wan per le immagini, e Wan Studio offre una modalità immagine accanto a quella video.
Non tutte le app offrono tutte le funzioni. Su Wan Studio gli input di riferimento e la modalità modifica girano su Wan 2.7, mentre Wan 3.0 parte da un prompt testuale o da un primo fotogramma e arriva fino a 30 secondi.
Wan è open source?
In parte. Wan 2.1 e Wan 2.2, insieme a derivati come Wan2.2-S2V, sono a pesi aperti con licenza Apache 2.0, che consente l'uso commerciale. Puoi scaricarli da GitHub, Hugging Face o ModelScope e usarli in ComfyUI o con Hugging Face Diffusers.
Wan 2.5, 2.6, 2.7 e 3.0 sono invece modelli in cloud, disponibili tramite API e app. Al lancio Alibaba non ha pubblicato i pesi di Wan 3.0. Se ti servono le funzioni più nuove, l'audio integrato o clip più lunghe di qualche secondo, dovrai usare una versione in cloud.
Wan AI è gratis?
Può esserlo, dipende da come lo usi:
- Pesi aperti. Scaricare Wan 2.1 e 2.2 non costa nulla: paghi in hardware e in tempo di configurazione. Il modello 1.3B gira con circa 8 GB di memoria video, il modello Wan 2.2 TI2V-5B su una scheda da 24 GB, mentre i modelli 14B richiedono più memoria o l'offloading.
- Piano gratis di Wan Studio. Hai 160 crediti al mese, sufficienti per un massimo di due video con Wan 2.5 in 480p, senza carta di credito e senza filigrana. Trovi tutto su Wan gratis.
- Piani a pagamento. Wan Studio parte da 14 $ al mese per 2.800 crediti, circa 39 video. I piani a pagamento sbloccano Wan 3.0 e Wan 2.7, il 720p e il 1080p e la licenza commerciale. Alibaba Cloud, invece, fattura la sua API a secondi di video. Confronta i piani nella pagina dei prezzi.
Come accedere a Wan
Le strade sono tre. Scegli in base a quanto tempo vuoi dedicare alla configurazione e alle funzioni che ti servono.
| Strada | Ideale per | Modelli Wan | Cosa ti serve |
|---|---|---|---|
| App nel browser, come Wan Studio | Creator, marketer e chiunque voglia risultati in fretta | Wan 3.0, 2.7, 2.5 | Un indirizzo email; per iniziare c'è il piano gratis |
| API, come la Wan API o Alibaba Cloud Model Studio | Sviluppatori che vogliono integrare la generazione video in un prodotto | Gli ultimi modelli in cloud | Una chiave API e un piano a pagamento o un account cloud |
| Pesi aperti in locale, con ComfyUI o Diffusers | Smanettoni, ricercatori, lavoro offline | Wan 2.1, 2.2 | Una GPU NVIDIA da 8 a 24 GB o più, e tempo per la configurazione |
Per le istruzioni passo passo su ciascuna strada, leggi la nostra guida su come usare Wan. Se sei uno sviluppatore, puoi partire dalla Wan API.
Quale modello Wan scegliere?
Usa Wan 3.0 per i video lunghi o che raccontano una storia, Wan 2.7 quando ti servono riferimenti o modifiche, e Wan 2.5 per le bozze a basso costo. La tabella qui sotto abbina gli obiettivi più comuni al modello giusto.
| Se vuoi... | Usa | Perché |
|---|---|---|
| Realizzare uno spot o una storia completa da 15 a 30 secondi in una sola generazione | Wan 3.0 | Clip più lunghe, personaggi stabili da un'inquadratura all'altra |
| Mantenere lo stesso personaggio o prodotto in più scene | Wan 2.7 | Immagini, clip e audio di riferimento richiamati nel prompt |
| Cambiare qualcosa in un video esistente | Wan 2.7, modalità modifica | Modifiche tramite istruzioni che conservano il movimento originale |
| Creare un loop perfetto o una transizione precisa | Wan 2.7 | Controllo del primo e dell'ultimo fotogramma |
| Testare idee spendendo poco | Wan 2.5 o Wan 2.5 Fast | Clip da 5 o 10 secondi, il costo in crediti più basso, disponibile nel piano gratis |
| Fare tutto sul tuo hardware | Wan 2.2 in locale | Pesi aperti ed estensioni della community, ma niente audio integrato |
Cosa si crea con Wan
La maggior parte dei video fatti con Wan è breve, concreta e pensata per i social. Gli usi più comuni:
- Video pubblicitari e spot di prodotto. Una foto del prodotto diventa il primo fotogramma, e Wan aggiunge movimento, musica e una battuta. Dai un'occhiata alla nostra selezione di generatori di video AI per prodotti (in inglese).
- Contenuti social. Clip verticali in 9:16 per TikTok, Reels e YouTube Shorts. Ne parliamo nell'articolo sui generatori di video AI per TikTok (in inglese).
- Personaggi parlanti e video esplicativi. Le battute tra virgolette vengono sincronizzate col labiale, quindi anche un ritratto può dire la sua. Scopri come far parlare una foto (in inglese).
- Videoclip musicali. Colonna sonora ed effetti sonori nascono insieme agli stacchi, così il montaggio va a tempo.
- Cortometraggi e storyboard. Le scene su più inquadrature con personaggi coerenti ti permettono di presentare un'idea o di previsualizzare una storia.
- Video esplicativi per le aziende. Sulla piattaforma di Alibaba, Wan 3.0 può trasformare una presentazione o un report in un breve video.
I limiti da conoscere
Wan è potente, ma non fa miracoli. Tieni conto di questi limiti:
- Gli artefatti capitano ancora. Mani, movimenti molto rapidi e scene affollate possono venire male. Metti in conto di dover generare più versioni.
- Il testo a schermo è approssimativo. Insegne ed etichette possono uscire illeggibili, quindi aggiungi il testo esatto in fase di montaggio.
- Il labiale rende meglio con le battute brevi. Una o due frasi per personaggio si sincronizzano meglio di un lungo discorso.
- Durata e risoluzione si pagano. Una clip di 30 secondi in 1080p consuma molti più crediti di una bozza di 5 secondi in 480p.
- I modelli più recenti sono chiusi. Su Wan 2.5 e successivi non puoi fare fine-tuning né installarli sui tuoi server.
- Volti, voci e diritti vanno rispettati. Usa solo volti, voci, musica e marchi per cui hai l'autorizzazione, e aspettati che le piattaforme blocchino alcune richieste.
Domande frequenti
Cosa significa Wan?
Wan viene da Tongyi Wanxiang (通义万相), il nome cinese dei modelli di generazione visiva di Alibaba. "Wanxiang" significa più o meno "diecimila forme". Non è un acronimo, quindi si scrive Wan e non WAN.
Di chi è Wan AI?
I modelli Wan sono sviluppati da Tongyi Lab, il laboratorio di Alibaba. App come Wan Studio ti danno accesso ai modelli; Wan Studio è indipendente e non è affiliata ad Alibaba.
Qual è l'ultimo modello Wan?
Wan 3.0, uscito ad agosto 2026. Genera clip fino a 30 secondi in 1080p, con audio integrato e personaggi stabili da un'inquadratura all'altra. Per gli input di riferimento e la modifica video, Wan 2.7 resta il modello da usare.
Wan AI è gratis?
Le versioni open source Wan 2.1 e 2.2 si scaricano gratis e girano sulla tua GPU. Nel browser, il piano gratis di Wan Studio ti dà fino a due video al mese con Wan 2.5 in 480p, senza carta di credito. Per Wan 3.0 e Wan 2.7 serve un piano a pagamento.
Wan è open source?
Wan 2.1 e Wan 2.2 sono open source con licenza Apache 2.0. Wan 2.5, 2.6, 2.7 e 3.0 sono modelli in cloud accessibili tramite app e API, e i loro pesi non sono pubblici.
Wan può generare video con l'audio?
Sì, da Wan 2.5 in poi. Musica, effetti sonori e dialoghi vengono generati nello stesso passaggio dell'immagine. Metti tra virgolette la battuta di un personaggio e la sentirai pronunciare, con il movimento delle labbra sincronizzato. I modelli open source testo in video e immagine in video di Wan 2.1 e 2.2 sono invece muti.
Che differenza c'è tra Wan 2.2 e Wan 3.0?
Wan 2.2 è un modello open source che puoi usare in locale e che crea clip mute di circa 5 secondi, fino a 720p. Wan 3.0 gira in cloud, arriva a 30 secondi in 1080p, genera audio e dialoghi e gestisce scene su più inquadrature.
Posso usare i video di Wan a scopo commerciale?
La licenza Apache 2.0 di Wan 2.1 e 2.2 consente l'uso commerciale. Per le versioni in cloud, controlla i termini della piattaforma che usi. Su Wan Studio ogni piano a pagamento include la licenza commerciale; il piano gratis serve per provare i modelli.
Conclusione
Da progetto di ricerca open source, Wan è diventato una delle famiglie di modelli video AI più capaci in circolazione, con audio, scene su più inquadrature e clip da 30 secondi. Il modo più semplice per capire cosa sa fare è provarlo: inizia gratis su Wan Studio, scrivi una scena breve e genera. Quando vorrai migliorare i risultati, leggi la nostra guida ai prompt per Wan.
