从已有画面开始设计运动
图片负责交代主体、场景和初始构图，提示词负责说明接下来发生什么。可以围绕产品展示、人物动作或环境变化设计运动，再补充镜头推进与情绪要求。相比从文字重新构建整个场景，这种方式更适合已经有主视觉素材的创作流程。
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 创作方式
- 图片起始帧＋文字提示词，图生视频
- 原生分辨率
- 720P、1080P
- 原生时长
- 2–15 秒
- 原生视频格式
- 30 fps，MP4
- 声音与叙事
- 支持音频生成、多镜头创作；平台 audio 默认 false
- 平台调用
- POST /wan/videos；model=wan2.6-i2v-flash；action=image2video
- 任务与交付
- 支持异步任务；返回任务标识、视频链接及尺寸等结果信息
分辨率、时长和格式为该型号的公开原生规格；平台使用图生视频参数提交素材，并通过任务接口取得生成结果。
核心能力
了解 wan2.6-i2v-flash 能为你的工作带来什么。
用短片承载多个叙事节拍
该型号支持多镜头创作，不必把每次生成都限定为单一静态视角。可以将提示词写成简短拍摄说明，依次描述开场、主体动作与收尾，让短片具有明确进展。镜头数量和动作复杂度应围绕片长安排，避免在短时间内塞入过多事件。
把声音纳入方案评审
除了动态画面，模型也支持音频生成，可用于评估有声短片的整体观感。平台默认关闭音频，需要有声输出时显式设置 audio=true；只检查动作、构图或准备后期配音时，可以保持关闭，分别推进画面审核与声音制作。
适用场景
从具体任务出发，找到模型发挥作用的位置。
产品主图的动态广告草稿
输入一张产品主图，描述展示顺序、环境变化和镜头运动，生成用于内部评审的短视频。可保留同一图片，分别测试缓慢推进、主体运动或不同叙事开场，再将选中的视频交给剪辑流程补充字幕、品牌信息和最终声音。
角色插画的动作预演
用角色插画或场景设定图作为起始画面，将动作目标、情绪与运镜写入提示词，交付可观看的动态预演。适合在正式制作前讨论角色如何进入情境、镜头如何跟随主体，以及一个动作能否在短片长度内表达清楚。
内容工具中的图片转视频
在应用中让用户提供图片与简短创作说明，后台提交图生视频任务，保存 task_id 并查询完成状态。成功后展示视频链接与预览信息，使静态素材库能够增加动态内容选项；用户再决定下载、剪辑或重新调整提示词生成。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
Flash 适合先试方向，标准版适合对照选片
当任务是围绕同一图片比较动作、运镜和开场方案时，优先选择 wan2.6-i2v-flash 的快速生成定位。wan2.6-i2v 标准版同样支持音频、多镜头及相同公开输出规格，可用于入选方案的对照生成。不要仅凭型号名称决定成片，结合实际画面细节和叙事效果选片。
按素材类型选择同系列入口
已有图片并希望从该画面开始运动，选择本型号；没有图片、主要依靠文字构建场景，选择 wan2.6-t2v；需要以既有视频作为人物参考，则考虑 wan2.6-r2v。三者解决的起点不同，不能因为使用同一视频接口，就把图生视频当作文生视频或参考视频的替代入口。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 本型号的公开输出范围是 720P、1080P 与 2–15 秒短片，不应按更长视频或其他分辨率规划交付。长故事可先拆成独立片段，再安排后期剪辑；多镜头能力也不代表一次生成能够容纳任意数量的场景与动作。
- 图片在这里用作起始画面，不等于同时锁定结束画面，也不等于跨镜头逐帧保留所有细节。制作产品或角色内容时，建议重点检查运动后的外形、局部细节与构图，再决定是否进入发布或后期流程。
- 音频生成不应直接理解为指定音色、声音克隆或精确口型控制。需要固定品牌旁白、严格台词节奏或精细混音的内容，宜将画面生成与音频制作分开安排，避免把有声输出当作完整声音制作流程。
常见问题
解答使用 wan2.6-i2v-flash 时的常见疑问。
wan2.6-i2v-flash 能只输入文字生成视频吗？
它的定位是图生视频，应提供图片作为起始画面，再用文字描述动作与镜头。调用时明确设置 action=image2video，并提交 image_url。若创意完全从文字出发，没有起始图片，wan2.6-t2v 更符合任务类型。
Flash 与 wan2.6-i2v 标准版有什么区别？
Flash 强调快速生成，适合预览和多方案迭代；标准版可用于选定方案的对照制作。两者公开分辨率、时长、帧率和格式相同，因此 Flash 不是单纯降低分辨率的入口，最终选择应结合实际成片表现。
生成视频默认带声音吗？
不是。平台 audio 默认 false，需要有声视频时应显式设置 audio=true。模型支持音频生成，但这不等同于指定声音克隆或精确配音控制；如果需要固定旁白和混音，可先生成画面，再进入独立音频制作流程。
可以制作多镜头故事或较长视频吗？
可以围绕图片编写多个叙事节拍，利用多镜头能力生成短片，公开原生时长为 2–15 秒。建议让每个镜头服务于一个清晰动作，长故事则拆段制作；不要把共享接口中的更长时长选项直接用于本型号的制作计划。
提交后怎样取得生成的视频？
可设置 async=true 异步提交，取得 task_id 后通过 /wan/tasks 查询终态。成功结果包含视频链接，并可提供尺寸与缩略图信息。应用应区分提交成功和生成完成，等任务成功后再展示可播放视频或启动后续处理。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。