Wan to rodzina modeli AI od Alibaby, które generują wideo. Podajesz prompt tekstowy, zdjęcie albo klipy referencyjne, a w odpowiedzi dostajesz gotowy film. Od wersji Wan 2.5 w tym samym przebiegu powstają też muzyka, efekty dźwiękowe i dialogi zsynchronizowane z ruchem ust. Najnowszy model, Wan 3.0, zadebiutował w sierpniu 2026 r. i tworzy klipy do 30 sekund w 1080p.
Z tego przewodnika dowiesz się, skąd wziął się Wan, czym różnią się jego kolejne wersje, które z nich są open source, co możesz mieć za darmo i jak zacząć już dziś.
Czym jest Wan AI?
Wan to zestaw modeli generatywnych od Alibaby, które tworzą wideo (a także obrazy) na podstawie tekstu, zdjęć, dźwięku i wideo. Pełna chińska nazwa brzmi Tongyi Wanxiang (通义万相), co można luźno przetłumaczyć jako „dziesięć tysięcy form”. We wczesnych anglojęzycznych materiałach pojawiał się też skrót Wanx. Dziś „Wan”, „Wan AI” i „Wan video” oznaczają tę samą rodzinę modeli.
Na tle innych generatorów wideo AI Wan wyróżniają trzy rzeczy:
- Korzenie open source. Alibaba udostępniła Wan 2.1 i Wan 2.2 jako otwarte wagi na licencji Apache 2.0. Na nich opiera się spora część społecznościowych narzędzi wideo, workflowów w ComfyUI i dostrojonych wersji modeli.
- Dźwięk razem z obrazem. Od Wan 2.5 muzyka, efekty dźwiękowe i mowa powstają razem z wideo, a nie są dogrywane później. Wstaw kwestię w cudzysłów, a postać wypowie ją na ekranie.
- Reżyserowanie zwykłym językiem. Wan rozumie język filmu: plany, ruchy kamery, oświetlenie, obiektywy i nastrój. Opisujesz scenę tak, jak zrobiłby to reżyser.
Kto stoi za Wan?
Wan powstaje w Tongyi Lab, laboratorium AI Alibaby, które odpowiada też za modele językowe Qwen. Najnowsze modele Wan Alibaba udostępnia przez Alibaba Cloud Model Studio, platformę Qwen Cloud i własną stronę wan.video. Wersje z otwartymi wagami znajdziesz na GitHubie i Hugging Face.
Nie musisz jednak korzystać z Wan za pośrednictwem Alibaby. Wan Studio to niezależna aplikacja w przeglądarce, która daje dostęp do modeli Wan przez proste pole promptu. Nie jest powiązana z Alibabą. Domyślnym modelem jest Wan 3.0, a w menu modeli znajdziesz też Wan 2.7 i Wan 2.5.
Wszystkie wersje Wan: od Wan 2.1 do Wan 3.0
W ciągu 18 miesięcy, od lutego 2025 do sierpnia 2026 r., Alibaba wypuściła sześć dużych wersji Wan. Dwie pierwsze są open source. Od Wan 2.5 modele są hostowane, generują dźwięk, a każde kolejne wydanie tworzy dłuższe klipy i daje więcej kontroli.
| Wersja | Premiera | Co się zmieniło | Najdłuższy klip | Forma dostępu |
|---|---|---|---|---|
| Wan 3.0 | sierpień 2026 | Sceny 30-sekundowe, dokumenty i strony internetowe jako materiał wejściowy, przedłużanie wideo | 30 s, 1080p | Hostowane API i aplikacje |
| Wan 2.7 | kwiecień 2026 | Kontrola pierwszej i ostatniej klatki, edycja wideo poleceniami, wiele referencji naraz | 15 s, 1080p | Hostowane API i aplikacje |
| Wan 2.6 | grudzień 2025 | Historie z wielu ujęć, wideo z referencji z wyglądem i głosem konkretnej osoby | 15 s, 1080p | Hostowane API i aplikacje |
| Wan 2.5 | wrzesień 2025 | Pierwszy Wan z własnym dźwiękiem i dialogami z synchronizacją ust | 10 s, 1080p | Hostowane API i aplikacje |
| Wan 2.2 | lipiec 2025 | Architektura mixture of experts, model 720p na domowe karty graficzne | 5 s, 720p | Otwarte wagi (Apache 2.0) |
| Wan 2.1 | luty 2025 | Pierwsze wydanie open source, modele 14B i 1.3B | 5 s, 720p | Otwarte wagi (Apache 2.0) |
Wan 2.1 (luty 2025): przełom w open source
25 lutego 2025 r. Alibaba udostępniła Wan 2.1 jako open source. W wydaniu znalazły się cztery modele: dwa typu tekst na wideo, z 14 mld i 1,3 mld parametrów, oraz dwa modele 14B typu obraz na wideo, dla 480p i 720p. Mniejszy model potrzebował około 8 GB pamięci karty graficznej na 5-sekundowy klip w 480p, więc działał na zwykłych kartach dla graczy. W dniu premiery Wan 2.1 zajął pierwsze miejsce w benchmarku VBench z łącznym wynikiem 86,22%.
Wan 2.2 (lipiec 2025): mixture of experts
Wan 2.2 ukazał się 28 lipca 2025 r., znowu na licencji Apache 2.0. Jego główne modele dzielą pracę między dwóch „ekspertów”: pierwszy na początku generowania układa scenę i ruch, drugi pod koniec dopracowuje szczegóły. Razem daje to 27 mld parametrów, ale aktywnych jest naraz tylko 14 mld, więc uruchomienie kosztuje mniej więcej tyle samo co w przypadku Wan 2.1. Kompaktowy model TI2V-5B przyjmuje zarówno tekst, jak i obraz, i generuje wideo 720p w 24 fps na jednej karcie, np. RTX 4090. W sierpniu 2025 r. Alibaba dołożyła Wan2.2-S2V, który animuje postać na podstawie pliku audio.
Wan 2.2 to wciąż najczęściej wyszukiwana wersja Wan, głównie dlatego, że można ją za darmo uruchomić na własnym sprzęcie.
Wan 2.5 (wrzesień 2025): własny dźwięk
Wan 2.5 pokazano przedpremierowo pod koniec września 2025 r. na konferencji Apsara organizowanej przez Alibabę. Był to pierwszy Wan, który generował dźwięk i obraz jednocześnie: głosy, efekty dźwiękowe i muzykę zsynchronizowane z akcją. Klipy mają do 10 sekund w 1080p, a scenę możesz też poprowadzić własną ścieżką audio. Wag Wan 2.5 nie udostępniono publicznie i od tego momentu cała rodzina zwróciła się w stronę modeli hostowanych.
Wan 2.6 (grudzień 2025): historie z wielu ujęć
W połowie grudnia 2025 r. Alibaba ogłosiła Wan 2.6. Model potrafi rozpisać jeden prompt na kilka ujęć z tymi samymi postaciami, a maksymalną długość klipu wydłużył do 15 sekund. Wprowadził też wideo z referencji: wgrywasz krótki klip z osobą, a Wan 2.6 obsadza ją w nowych scenach, z jej wyglądem i głosem.
Wan 2.7 (kwiecień 2026): kontrola i edycja
Wan 2.7 wszedł na początku kwietnia 2026 r. jako pakiet obejmujący tekst na wideo, obraz na wideo, wideo z referencji i edycję wideo. Pozwala ustalić zarówno pierwszą, jak i ostatnią klatkę, połączyć w jednej generacji kilka obrazów i klipów referencyjnych oraz edytować istniejące wideo zwykłymi poleceniami, np. „zmień jej kurtkę na czerwoną”. Klipy mają od 2 do 15 sekund w 720p lub 1080p.
Wan 3.0 (sierpień 2026): sceny 30-sekundowe
Wan 3.0 wszedł w fazę publicznej bety 6 sierpnia 2026 r., a oficjalnie zadebiutował 24 sierpnia. Podwaja maksymalną długość klipu do 30 sekund w jakości do 1080p, a według Alibaby utrzymuje stabilne twarze, układ sceny i dźwięk między ujęciami. Radzi sobie też z nietypowym materiałem wejściowym: daj mu PDF, prezentację, arkusz kalkulacyjny albo stronę internetową, a zbuduje film z ich treści. Potrafi również przedłużyć istniejący klip. W przeciwieństwie do Wan 2.1 i 2.2 ma zamknięte wagi.
Co potrafi Wan?
Rodzina Wan obejmuje większość tego, czego można oczekiwać od generatora wideo AI. Nowe wersje dokładają funkcje, zamiast zastępować dotychczasowe:
- Tekst na wideo. Opisujesz scenę, a Wan ją renderuje, łącznie z ruchem kamery i oświetleniem.
- Obraz na wideo. Wgrywasz zdjęcie jako pierwszą klatkę, a Wan je animuje. Przydaje się przy zdjęciach produktów, portretach i grafikach.
- Pierwsza i ostatnia klatka. Ustalasz, jak klip się zaczyna i kończy, a Wan dopowiada ruch pomiędzy. Świetne do pętli i przejść (Wan 2.7 i 3.0).
- Wideo z referencji. Dodajesz zdjęcia lub klipy z postacią, produktem albo miejscem, a Wan zachowuje ich wygląd w nowej scenie (Wan 2.6 i nowsze).
- Własny dźwięk i dialogi. Muzyka, efekty dźwiękowe i mowa powstają razem z obrazem. Kwestie w cudzysłowie dostają synchronizację ust (Wan 2.5 i nowsze).
- Sceny z wielu ujęć. Jeden prompt może obejmować kilka ujęć z cięciami, a postacie pozostają spójne (Wan 2.6 i nowsze).
- Edycja wideo. Wgrywasz klip i opisujesz zmianę, np. nowy strój, inną pogodę albo styl. Wan renderuje go od nowa, zachowując ruch (Wan 2.7 i 3.0).
- Przedłużanie wideo. Wydłużasz istniejący klip w przód lub w tył, łącznie do 30 sekund (Wan 3.0).
- Obrazy. Alibaba ma też modele Wan do generowania obrazów, a w Wan Studio obok trybu wideo znajdziesz tryb obrazów.
Nie każda aplikacja udostępnia wszystkie funkcje. W Wan Studio referencje i tryb edycji działają w Wan 2.7, a Wan 3.0 przyjmuje prompt tekstowy lub pierwszą klatkę i generuje do 30 sekund.
Czy Wan jest open source?
Częściowo. Wan 2.1 i Wan 2.2, a także modele pochodne, takie jak Wan2.2-S2V, mają otwarte wagi na licencji Apache 2.0, która pozwala na użytek komercyjny. Możesz je pobrać z GitHuba, Hugging Face lub ModelScope i uruchomić w ComfyUI albo w Hugging Face Diffusers.
Wan 2.5, 2.6, 2.7 i 3.0 są dostępne jako modele hostowane, przez API i aplikacje. W dniu premiery Alibaba nie opublikowała wag Wan 3.0. Jeśli potrzebujesz najnowszych funkcji, dźwięku albo klipów dłuższych niż kilka sekund, i tak sięgniesz po wersję hostowaną.
Czy Wan AI jest darmowy?
Może być, zależnie od tego, jak z niego korzystasz:
- Otwarte wagi. Wan 2.1 i 2.2 pobierzesz za darmo. Płacisz sprzętem i czasem poświęconym na konfigurację. Model 1.3B działa na około 8 GB pamięci karty graficznej, Wan 2.2 TI2V-5B na karcie z 24 GB, a modele 14B potrzebują więcej pamięci albo offloadingu.
- Plan darmowy Wan Studio. Dostajesz 160 kredytów miesięcznie, czyli tyle, ile trzeba na maksymalnie dwa filmy Wan 2.5 w 480p, bez karty i bez znaku wodnego. Szczegóły znajdziesz na stronie Wan za darmo.
- Plany płatne. Wan Studio kosztuje od 14 $ miesięcznie za 2800 kredytów, czyli około 39 filmów. Plany płatne odblokowują Wan 3.0 i Wan 2.7, rozdzielczości 720p i 1080p oraz licencję komercyjną. Alibaba Cloud rozlicza swoje API za każdą sekundę wideo. Plany porównasz w cenniku.
Jak uzyskać dostęp do Wan
Masz trzy drogi. Wybierz w zależności od tego, ile chcesz konfigurować i jakich funkcji potrzebujesz.
| Sposób | Dla kogo | Modele Wan | Czego potrzebujesz |
|---|---|---|---|
| Aplikacja w przeglądarce, np. Wan Studio | Twórcy, marketerzy i wszyscy, którzy chcą szybko zobaczyć efekty | Wan 3.0, 2.7, 2.5 | Adres e-mail; na start plan darmowy |
| API, np. Wan API lub Alibaba Cloud Model Studio | Programiści, którzy dodają generowanie wideo do swojego produktu | Najnowsze modele hostowane | Klucz API i plan płatny albo konto w chmurze |
| Otwarte wagi lokalnie, w ComfyUI lub Diffusers | Entuzjaści, badacze, praca offline | Wan 2.1, 2.2 | Karta NVIDIA z 8–24 GB pamięci lub więcej oraz czas na konfigurację |
Instrukcje krok po kroku dla każdej z tych dróg znajdziesz w naszym przewodniku jak używać Wan. Programiści mogą zacząć od Wan API.
Który model Wan wybrać?
Po Wan 3.0 sięgaj przy wszystkim, co dłuższe lub fabularne, po Wan 2.7, gdy potrzebujesz referencji albo edycji, a po Wan 2.5, gdy chcesz tanio szkicować. Tabela poniżej podpowiada, który model pasuje do jakiego celu.
| Jeśli chcesz... | Wybierz | Dlaczego |
|---|---|---|
| Zrobić całą reklamę lub historię od 15 do 30 sekund w jednej generacji | Wan 3.0 | Najdłuższe klipy, stabilne postacie między ujęciami |
| Zachować tę samą postać lub produkt w różnych scenach | Wan 2.7 | Zdjęcia, klipy i audio referencyjne oznaczone w promptcie |
| Zmienić coś w istniejącym wideo | Wan 2.7, tryb edycji | Edycja poleceniami z zachowaniem oryginalnego ruchu |
| Zrobić płynną pętlę lub precyzyjne przejście | Wan 2.7 | Kontrola pierwszej i ostatniej klatki |
| Tanio testować pomysły | Wan 2.5 lub Wan 2.5 Fast | Klipy 5- lub 10-sekundowe, najniższy koszt w kredytach, dostępne w planie darmowym |
| Robić wszystko na własnym sprzęcie | Wan 2.2 lokalnie | Otwarte wagi i dodatki od społeczności, ale bez wbudowanego dźwięku |
Co ludzie tworzą z Wan
Większość filmów z Wan jest krótka, praktyczna i powstaje z myślą o social mediach. Najczęstsze zastosowania:
- Reklamy wideo i spoty produktowe. Zdjęcie produktu staje się pierwszą klatką, a Wan dodaje ruch, muzykę i kwestię mówioną. Zajrzyj do naszego zestawienia generatorów wideo produktowych AI.
- Treści na social media. Pionowe klipy 9:16 na TikToka, Reels i YouTube Shorts. Więcej w tekście o generatorach wideo AI do TikToka.
- Mówiące postacie i filmy objaśniające. Kwestie w cudzysłowie dostają synchronizację ust, więc nawet portret może coś powiedzieć. Sprawdź, jak sprawić, żeby zdjęcie mówiło.
- Teledyski. Muzyka i efekty dźwiękowe powstają razem z cięciami, więc montaż trafia w rytm.
- Krótkie filmy i storyboardy. Sceny z wielu ujęć ze spójnymi postaciami pozwalają zaprezentować pomysł na historię albo zwizualizować ją przed zdjęciami.
- Firmowe filmy objaśniające. Wan 3.0 na platformie Alibaby zamieni prezentację lub raport w krótki film.
Ograniczenia, o których warto wiedzieć
Wan jest mocny, ale to nie magia. Uwzględnij w planach te ograniczenia:
- Artefakty wciąż się zdarzają. Dłonie, bardzo szybki ruch i zatłoczone sceny potrafią się rozsypać. Nastaw się na kilka podejść.
- Tekst na ekranie jest przybliżony. Szyldy i etykiety mogą wyjść zniekształcone, więc dokładny tekst dodaj w programie do montażu.
- Synchronizacja ust lubi krótkie kwestie. Jedno lub dwa zdania na osobę synchronizują się lepiej niż długi monolog.
- Długość i rozdzielczość kosztują. 30-sekundowy klip w 1080p zużywa dużo więcej kredytów niż 5-sekundowy szkic w 480p.
- Najnowsze modele są zamknięte. Wan 2.5 i nowszych nie dostroisz ani nie postawisz na własnym serwerze.
- Wizerunek i prawa mają znaczenie. Używaj twarzy, głosów, muzyki i marek, do których masz prawa, i licz się z tym, że platformy zablokują niektóre prompty.
Najczęściej zadawane pytania
Co oznacza nazwa Wan?
Wan pochodzi od Tongyi Wanxiang (通义万相), chińskiej nazwy modeli Alibaby do generowania obrazu i wideo. „Wanxiang” znaczy w luźnym przekładzie „dziesięć tysięcy form”. To nie skrót, dlatego piszemy Wan, a nie WAN.
Do kogo należy Wan AI?
Modele Wan rozwija Tongyi Lab, laboratorium AI Alibaby. Aplikacje takie jak Wan Studio dają do nich dostęp; Wan Studio jest niezależne i nie jest powiązane z Alibabą.
Jaki jest najnowszy model Wan?
Wan 3.0, który zadebiutował w sierpniu 2026 r. Tworzy klipy do 30 sekund w 1080p z własnym dźwiękiem i stabilnymi postaciami między ujęciami. Do pracy z referencjami i edycji wideo najlepszym wyborem pozostaje Wan 2.7.
Czy Wan AI jest darmowy?
Otwarte modele Wan 2.1 i 2.2 możesz za darmo pobrać i uruchomić na własnym GPU. W przeglądarce plan darmowy Wan Studio daje do dwóch filmów Wan 2.5 miesięcznie w 480p, bez karty. Wan 3.0 i Wan 2.7 wymagają planu płatnego.
Czy Wan jest open source?
Wan 2.1 i Wan 2.2 są open source na licencji Apache 2.0. Wan 2.5, 2.6, 2.7 i 3.0 to modele hostowane, dostępne przez aplikacje i API, a ich wagi nie są publiczne.
Czy Wan generuje wideo z dźwiękiem?
Tak, od wersji Wan 2.5. Muzyka, efekty dźwiękowe i dialogi powstają w tym samym przebiegu co obraz. Wstaw kwestię postaci w cudzysłów, a zostanie wypowiedziana z pasującym ruchem ust. Otwarte modele tekst na wideo i obraz na wideo z Wan 2.1 i 2.2 są nieme.
Czym różni się Wan 2.2 od Wan 3.0?
Wan 2.2 to model open source, który uruchomisz lokalnie. Tworzy nieme klipy o długości około 5 sekund w maksymalnie 720p. Wan 3.0 jest hostowany, tworzy do 30 sekund w 1080p, generuje dźwięk i dialogi oraz obsługuje sceny z wielu ujęć.
Czy mogę używać filmów z Wan komercyjnie?
Licencja Apache 2.0, na której wydano Wan 2.1 i 2.2, pozwala na użytek komercyjny. W przypadku wersji hostowanych sprawdź regulamin platformy, z której korzystasz. W Wan Studio każdy plan płatny zawiera licencję komercyjną; plan darmowy służy do wypróbowania modeli.
Podsumowanie
Wan przeszedł drogę od otwartego wydania badawczego do jednej z najbardziej zaawansowanych rodzin modeli wideo AI, z dźwiękiem, scenami z wielu ujęć i 30-sekundowymi klipami. Najprościej przekonać się, co potrafi, sprawdzając go samemu: zacznij za darmo w Wan Studio, opisz jedną krótką scenę i kliknij Generuj. Gdy zechcesz uzyskiwać lepsze efekty, przeczytaj nasz poradnik pisania promptów do Wan.
