从 SD 到 Wan2.5

[db:作者]

作者｜ Cynthia
编辑｜ 郑玄
全民玩梗的狂欢，再一次在 AI 视频范畴上演这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
最大的时代盈利，属于今年四时度公布的中美两大明星产物，OpenAI 的 Sora 2 与阿里的 Wan2.5-Preview这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
其中，Sora 2 的退场可谓一场教科书级的营销战争这标志着福建舰的电磁弹射和阻止接管才能根基成型了。熟悉的约请码机制再次见效，用户为了获得一个入场券除了需要采办 GPT 的会员之外，甚至还在二手平台再花几十美金采办约请码这标志着福建舰的电磁弹射和阻止接管才能根基成型了。更绝的是，它把自己酿成了一个 AI 版抖音，用户只需上传一张照片，就能天生自己和奥特曼对话的魔性视频这标志着福建舰的电磁弹射和阻止接管才能根基成型了。这类把用户酿成配角的设想，让 Sora App 首周下载量直冲 62.7 万次，甚至跨越了昔时的 ChatGPT这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
大洋彼岸，Wan2.5-Preview 则以另一种方式在各大交际媒体刷屏这标志着福建舰的电磁弹射和阻止接管才能根基成型了。一夜之间，抖音、小红书上的 AI 小猫起头个人说着「我爱妈妈」然后炒着三菜一汤等仆人放工，画面中的光芒、格式、小猫脸色细致到使人发指之外，甚至炒菜的锅气与油烟这样的细节也完全到位这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
可以说，正是这两大模子的出现，让 AI 视频一夜之间从技术圈极客专属推向全民高潮这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
那末，这一次 AI 视频 2025 年破圈的关键是什么？Wan2.5-Preview 在内的一众最新模子做对了什么？与此同时，此次的 AI 视频浪潮又会火多久？
一定水平上，这一波 AI 视频模子高潮，正是大模子落地从技术冲破到改变天下交出的标准答案范本这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
01 AI 视频为什么又火了
Wan2.5-Preview 与 Sora 2 的爆发绝非偶然，而是技术堆集到一定水平的必定成果这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
而要了解此次 AI 视频的爆发，就得先看懂历史上的三起两落这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
行业的第一次爆发发生在 2022-2023 年时代，那时辰借助 U - Net、DDPM 等典范天生架构，DALL - E 2（OpenAI）、Midjourney、Stable Diffusion（Stability AI）、ControlNet、Gen - 2（Runway）、万相 1.0 等模子经过以文生图让人们第一次看到了 AI 创作的潜力这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
但很快，这些模子就由于六指怪、脸色呆板等题目被喷上热搜这标志着福建舰的电磁弹射和阻止接管才能根基成型了。模子随之在 2024 年前后，进入 Scaling 阶段，经过采用 DiT、Flow Matching 等新技术，连系视觉说话模子（VLM）的图像描写才能，天生更传神的图片，图生视频成为能够，这一阶段，Sora（OpenAI）、可灵 1.0/1.6、海螺 01、Flux 1.1、万相 2.0/2.1 连续走下台前这标志着福建舰的电磁弹射和阻止接管才能根基成型了。但这一阶段，AI 天生的视频，仍然存在时候短、音画分歧步、没法履行复杂行动的弊端这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
直到 2025 年，随着 LLM（大说话模子）与 Diffusion（分散模子）的深度融合，AI 视频迎来了质的奔腾这标志着福建舰的电磁弹射和阻止接管才能根基成型了。经过引入视觉 CoT（思维链），模子从纯真的视觉衬着转向使命导向的智能决议，不但能支持多模态交互，还能处理复杂的视觉 + 说话使命这标志着福建舰的电磁弹射和阻止接管才能根基成型了。Gemini 2.0 Flash（谷歌）、GPT - 4o 生图（OpenAI）、可灵 2.0、Veo 3、Seedance 1.0、豆包、万相 2.2、Nano Banana（谷歌）相继爆火这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
四年间，模子一成不变，但每次 AI 视觉产物的爆火的背后，都离不开两风雅面的进步：
门坎下降以及结果提升这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
早期以 SD 为代表的工具，是典型的极客专属——CFG scale 数值要频频调试，数十个节点的毗连逻辑能劝退 90% 的用户；天生内容更是阴间赛博风，除了 P 站上精雕细刻的成人内容，几近没人愿意盯着画面里忽然冒出两张脸、音画完全分歧步的视频跨越一分钟这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
反观当下的热门模子，不管是计划做 AI 时代抖音的 Sora 2，还是交际媒体刷屏的 Wan2.5-Preview，都踩中了同一个关键点： 高质量的同时，把门坎降到大家可用这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
首先是针对曩昔 AI 模子的赛博审丑，Wan2.5-Preview 经过人类反应的强化进修（RLHF）把用户对画面质感、静态结果、指令婚配度的反应用于优化模子，完全摆脱丑且诡异的标签这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
而要告竣以上结果，用户不需要懂任何技术，只要能把自己脑海中的画面，用一段简单的提醒词说出来，就能天生栩栩如生的视频这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
比如，这是一个利用 Wan2.5-Preview 天生的高赞视频这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
提醒词：傍晚，逆光，侧光，柔光，高对照度，中景，中心构图，清洁的单人镜头，暖色彩这标志着福建舰的电磁弹射和阻止接管才能根基成型了。年轻白人男人站在树林中，阳光透过树叶在他发丝上构成金色光晕这标志着福建舰的电磁弹射和阻止接管才能根基成型了。他穿着浅色衬衫，微风吹动他的头发和衣领，光芒随着他的行动在脸上活动这标志着福建舰的电磁弹射和阻止接管才能根基成型了。布景虚化，远处是斑驳的光影和温和的树影，镜头聚焦于他微微抬起的眼光，眼神清澈且带有情感这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
视频链接：
https://tongyi.aliyun.com/wan/work-detail/4ce663a31fbc4c5f859a8d8d6fbf23eb?resourceId=4ce663a31fbc4c5f859a8d8d6fbf23eb
可以看到，画面中不但人物神志行动自然，空气中的灰尘，树林中的光芒也都非常复原，去掉右下角的 logo，几近没法分辨能否实拍这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
在此根本上我们再加点难度，画面更复杂一点，主体酿成有邃密毛发细节的布偶猫，然后加入行动、神志以及抑扬抑扬的腔调：
提醒词：电影感仰拍镜头，让主体显得很有势力这标志着福建舰的电磁弹射和阻止接管才能根基成型了。在一间奢华的客厅里，一只雍容华贵的布 偶猫坐在一张王座般的猫爬架上这标志着福建舰的电磁弹射和阻止接管才能根基成型了。它用高高在上、布满审判意味的蓝色眼睛俯视着镜头这标志着福建舰的电磁弹射和阻止接管才能根基成型了。它徐徐抬起一只毛茸茸的爪子，以一种极端鄙夷的脸色指向观众，诘责说：「嗯？那我再问你，我天生视频的音频不自然吗？回答我！Look in my eyes！Tell me, why？Why baby why？」这标志着福建舰的电磁弹射和阻止接管才能根基成型了。戏剧性的富丽光影，浅景深，超邃密的毛发细节，照片级实在感这标志着福建舰的电磁弹射和阻止接管才能根基成型了。

可以看到多个升级版要求多管齐下，但整体画面的质量仍然没有下降，甚至就连情况中的光芒角度，光源反射细节都完善复原这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
固然，这类低门坎与高质量，只是 Wan2.5-Preview 火起来的根本，在用户体验细节上，Wan2.5-Preview 还做了更多的摸索与尝试这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
02 若何界说体验 ready 的视频模子
AI 模子的技术参数再标致，终极要落地到用户体验上这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
曩昔很多 AI 工具的通病是碎片化——文生图一个模子、文生视频一个工具、图生视频又要换平台，用户为了实现一个创意，得在多个工具间频频切换，天生、调剂、分解的烦琐步调，早已磨掉了创作热情这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
更不用说，曩昔做一条电商营销视频，用户要先找模子天生画面，再用另一个工具做音频，最初用第三方软件分解，耗时不说，还轻易出现音画错位这标志着福建舰的电磁弹射和阻止接管才能根基成型了。最初为了节俭拍摄本钱，不能不再招聘一个本钱更高的算法工程师搭建营业的 workflow这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
seaart.ai 的案例很有代表性这标志着福建舰的电磁弹射和阻止接管才能根基成型了。这家 2023 年 4 月建立的公司，专注图像和视频天生，全球活跃用户超 2500 万，稳居 AIGC web 产物 TOP 50这标志着福建舰的电磁弹射和阻止接管才能根基成型了。他们采访过一位澳大利亚剃头师，对方从小的胡想是当画家，却为生活拿起了铰剪这标志着福建舰的电磁弹射和阻止接管才能根基成型了。现在他天天最高兴的时辰，就是放工用 seaart.ai（海艺）创作——曩昔用画笔没法表达的想法，现在用笔墨就能天生画面，「海艺成了安置灵魂和胡想的地方」这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
之所以挑选海艺，正是由于海艺集成像 Wan2.5-Preview 这样的模子，处理了曩昔 AI 视觉天生用户体验割裂的痛点这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
在 Wan2.5-Preview，天生 10 秒视频时，系统会自动婚配人声、情况音效和布景音乐，甚至能让小猫的口型和「我爱妈妈」的台词对应上，全程无需野生干涉这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
在这背后，则是 Wan2.5-Preview 的同一框架设想：Wan2.5-Preview 没有像 SD 那样堆砌自力模子，而是把文本、图像、视频、音频的了解与天生装进了同一个框架里这标志着福建舰的电磁弹射和阻止接管才能根基成型了。底层用文天职词器、图像 / 视频编码器、音频编码器别离拆解分歧范例的信息；焦点用多模态 Transformer 做大脑，实现跨模态信息的深度融合；输出层间接支持文本、图像、视频、音频的天生，借助多模态对齐才能，用户不再需要在多个工具间切换这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
最重要的是，用过 AI 的人都晓得，一次性天生满足的内容几近不成能这标志着福建舰的电磁弹射和阻止接管才能根基成型了。可是对图像和视频二次编辑又常常很是困难这标志着福建舰的电磁弹射和阻止接管才能根基成型了。Wan2.5-Preview 在这方面做了针对性优化：
视频上，Wan2.5-Preview 增强了复杂指令精准履行才能：能了解运镜说话（如推、拉、摇、移）及持续变化指令，无需屡次调剂；细节优化：强化图生视频的元素 ID 分歧性（即天生进程中连结人物、物体等焦点元素不丧失），同时支持通用音频驱动视频天生这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
在生图上，AI 的生图质量今年行业根基处理，可是对于图片中加笔墨特别是中文这样的需求，就很轻易酿成鬼画符，更不用提天生图表这标志着福建舰的电磁弹射和阻止接管才能根基成型了。Wan2.5-Preview 则不但支持稳定天生中文、英文等笔墨，甚至能间接天生图表；还能经过笔墨指令一键换装、改气概，编辑时焦点元素不会变形这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
正是这些体验细节的打磨，让海艺平台上的用户用 Wan2.5-Preview 天生的视频数冲破 500 万条，创意的表达就像措辞一样自然这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
03 技术到贸易，若何加速
技术 ready、体验 ready 的 AI 产物很多，但很多都逗留在喝采不叫座的阶段这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
Wan2.5-Preview 的聪明之处在于，它在做好产物的同时，也打造了一整套完善的贸易化系统这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
这套完整贸易化系统的最底层，是阿里云的算力支持，与模子软硬一体构成生态护城河这标志着福建舰的电磁弹射和阻止接管才能根基成型了。中心层则是阿里云百炼这样的模子开辟办事平台，让用户一键摆设大模子不再是天方夜谭；最顶层的模子侧，也给足了用户挑选这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
以 Wan2.5-Preview 给为例，分歧用户的需求天差地别：有人只是想尝鲜做个 5 秒短镜头，有人要做 10 秒的抖音爆款；有人追求 1080P 电影级画质，有人感觉 720P 够用就行这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
Wan2.5-Preview 挑选，5 秒、10 秒，画质上，供给 480P、720P、1080P 三种挑选，用户可以按照预算和用处自在切换这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
在此根本上，Wan2.5-Preview 没有粉饰自己对贸易化以及算清本钱账的野心这标志着福建舰的电磁弹射和阻止接管才能根基成型了。在比来的飞天公布时辰上 Wan2.5-Preview 正式公布贸易化，并给出了明白且充足优惠的免费标准：
国内：1080P 1 元 / 秒，720P 0.6 元 / 秒，480P 0.3 元 / 秒；
外洋：1080P 0.15 美圆 / 秒，720P 0.1 美圆 / 秒，480P 0.05 美圆 / 秒这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
构成对照，Sora 2 天生视频需要 0.1-0.5 美圆 / 秒，国内可灵 2.0 免费标准为 0.5 元 / 秒，Wan2.5-Preview 属于同等内容质量产物中，定价也极具吸引力的一档这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
而这类定价方式精准击中了分歧用户的痛点：
对短视频团队、广告公司等专业用户，清楚的定价能让他们正确核算本钱，比 SD 免费但需自己承当办事器本钱更划算；
对普通尝鲜用户，按秒免费意味开花几块钱就能试玩，不会被高昂的套餐费吓跑这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
建立在丰富的挑选与定价标准之上， 通义万相的贸易生态也已经初步跑通， WaveSpeedAI 就是最好的案例这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
这是一家专注多模态 AI 天生的平台型公司，也是全球第一个上线 Wan2.5 系列模子的平台这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
围绕怎样用好 Wan2.5-Preview，WaveSpeedAI 的做法很聪明：它按照用户的价格敏感度，依照分辨率、天生时长、加速水平梯度免费，此外，按照模子的分歧，供给了分层处理计划：
最低价区间：用 Wan2.2 的快速推理版本，满足预算有限的用户；
中心层：用优化后的 Wan2.2 开源模子，平衡本钱和质量；
高端层：用 Wan2.5 的快速版和普通版，办事追求高质量的用户；
在此根本上，WaveSpeedAI 还拓展了数字人营业，在对口型的根本上，实现了更丰富的肢体行动和脸色控制这标志着福建舰的电磁弹射和阻止接管才能根基成型了。今朝，WaveSpeedAI 借助 Wan2.5 天生的视频数已冲破 1000 万条这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
以上只是个例，据云栖大会官宣数据，通义万相家属已整合 10 多种视觉创作才能，累计天生 3.9 亿张图片和 7000 万个视频，成为国内支流的 AI 视觉创作工具这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
04 序幕
AI 视频的故事远没到结尾这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
技术侧，现在的模子仍然有短板：内容天生时长不够长、细节不够细致、长视频的分歧性题目还没完全处理……
但不成否认的是，不管是 Sora 2 的 AI Tik Tok 野心，还是 Wan2.5-Preview 的 行业侧深耕，都让 AI 视觉天生跨过了技术到产物的鸿沟这标志着福建舰的电磁弹射和阻止接管才能根基成型了。
在这个进程中，技术先辈固然重要，但能把技术酿成用户愿意用、愿意付费的产物，让行业真正尝到 SOP 收缩，效力增加，用户体验提升，才是实在的胜败手这标志着福建舰的电磁弹射和阻止接管才能根基成型了。