WAN video modelleri nedir, nasıl kullanılır?

Kısa cevap: Wan, Alibaba'nın video üretim modeli ailesi. Yazdığın bir sahneden (metinden videoya) ya da yüklediğin bir fotoğraftan (görselden videoya) kısa klipler üretiyor. Ailenin ilk sürümleri açık ağırlıklı olarak yayımlandı; yani modelleri indirip kendi bilgisayarında çalıştırabilirsin. Daha yeni sürümler ise Alibaba Cloud Model Studio üzerinden API olarak sunuluyor. Bu yazıda hangi sürümün ne olduğunu, resmî belgelerdeki sınırları ve nasıl prompt yazacağını anlatıyoruz.

Wan nedir, kim geliştirdi?

Wan, Alibaba'nın yayımladığı bir üretken video modeli ailesi. Resmî depolar GitHub'daki Wan-Video hesabında duruyor; bulut tarafındaki sürümlerin belgeleri ise Alibaba Cloud Model Studio'da. İki ayrı kapı var ve ikisinin sunduğu şey aynı değil: açık depolar kendi donanımında çalıştırabileceğin ağırlıkları verirken, Model Studio belgeleri hizmet olarak çağırdığın sürümleri anlatıyor.

Bu ayrım önemli, çünkü bir yazıda ya da videoda “Wan 2.6” gibi bir ad gördüğünde bunun indirilebilir bir model mi yoksa bir API modeli mi olduğunu bilmen gerekiyor. Aşağıdaki bölümlerde sadece resmî depolarda ve belgelerde yazanları aktarıyoruz.

Açık ağırlıklı Wan sürümleri hangileri?

Resmî depolara göre iki sürüm ailesi açık ağırlıklı olarak yayımlandı ve ikisi de Apache 2.0 lisansı taşıyor.

Sürüm	Yayın (depodaki haber bölümü)	Başlıca modeller	Resmî çözünürlük bilgisi
Wan2.1	25 Şubat 2025	T2V-14B, T2V-1.3B, I2V-14B, FLF2V-14B, VACE	480P ve 720P (T2V-1.3B için 480P öneriliyor)
Wan2.2	28 Temmuz 2025	T2V-A14B, I2V-A14B, TI2V-5B; sonradan S2V-14B ve Animate-14B	480P ve 720P (TI2V-5B için 720P)

Wan2.1 deposu metinden videoya, görselden videoya, ilk ve son kareden videoya ve VACE ile video düzenlemeye yer veriyor. En küçük metinden videoya modeli T2V-1.3B için depo yaklaşık 8,19 GB video belleği gerektiğini ve bir RTX 4090 üzerinde 5 saniyelik 480P videonun yaklaşık 4 dakikada üretildiğini yazıyor. Yani tüketici ekran kartında bile denenebilen bir model var.

Wan2.2 deposu ise “uzmanlar karışımı” (MoE) mimarisini anlatıyor: A14B modellerinde toplam 27 milyar parametre var, ama her adımda yaklaşık 14 milyarı çalışıyor. Erken adımlarda genel düzeni kuran bir uzman, geç adımlarda ayrıntıyı işleyen başka bir uzman devreye giriyor. Hem metni hem görseli alan TI2V-5B modeli 720P ve saniyede 24 kare çıktı verecek biçimde listeleniyor; depo, tek ekran kartında en az 24 GB video belleği gerektiğini belirtiyor. A14B modelleri için bu eşik 80 GB.

Depo daha sonra ses ve karakter animasyonu için de modeller ekledi: Ağustos 2025'te sesle yönlendirilen video (S2V-14B), Eylül 2025'te karakter animasyonu ve değiştirme (Animate-14B). Depodaki haber bölümü Wan2.5 ya da sonrasını anmıyor.

Bulutta sunulan sürümler ne sunuyor?

Alibaba Cloud Model Studio belgeleri, daha yeni sürümleri API modeli olarak listeliyor. Metinden videoya belgesindeki liste şöyle:

Model adı	Süre	Çözünürlük seçenekleri	Ses
wan2.1-t2v-turbo / plus	Sabit 5 saniye	480p-720p / yalnız 720p	Sessiz
wan2.2-t2v-plus	Sabit 5 saniye	480p ve 1080p	Sessiz
wan2.5-t2v-preview	5 ya da 10 saniye	480p, 720p, 1080p	Varsayılan olarak üretiliyor
wan2.6-t2v	2 ile 15 saniye arası	720p ve 1080p	Varsayılan olarak üretiliyor
wan2.7-t2v	2 ile 15 saniye arası	720p ve 1080p	İsteğe bağlı ses girdisi; yoksa model müzik ya da efekt üretiyor

Belgelere göre 2.5 ve sonrasında kendi ses dosyanı (WAV ya da MP3) verebiliyorsun; ses videodan uzunsa kesiliyor, kısaysa sonrası sessiz kalıyor. Yalnız 2.6 ve 2.7 sürümlerinde çok çekimli (birden çok planlı) video için prompt içinde çekimleri tarif edebiliyorsun. Çıktı MP4 (H.264). Bir uyarı: Model Studio belgeleri üretilen video bağlantılarının ve görev kimliklerinin 24 saat geçerli olduğunu söylüyor, yani sonucu hemen indir.

Metinden videoya ve görselden videoya nasıl çalışıyor?

Metinden videoya: Sadece prompt yazıyorsun; model konuyu, sahneyi ve hareketi senin tarif ettiğin gibi kurmaya çalışıyor. Belgelere göre prompt 2.5 ve sonrasında 1.500 karaktere kadar (2.1 ve 2.2'de 800), negatif prompt ise 500 karaktere kadar olabiliyor; fazlası kesiliyor.

Görselden videoya: Bir fotoğraf yüklüyorsun, model onu videonun ilk karesi olarak kullanıp hareketlendiriyor. Belgelerde girdi görseli için JPEG, PNG (saydamlıksız), BMP ve WEBP biçimleri, kenarlar için 240 ile 8000 piksel arası ve dosya boyutu için 2.5 ve 2.6 sürümlerinde en fazla 20 MB yazıyor. Çıktı, girdinin en-boy oranını yaklaşık olarak koruyor; tam olarak değil, çünkü ölçüler 16'nın katı olmak zorunda.

Belgeler 2.7 sürümünü ilk-son kare ve video devamı gibi ek modlarla öne çıkarıyor; yani “fotoğraftan videoya” kapısı yalnız ilk kareyle sınırlı değil. Kullandığın aracın hangi modları açtığını kendi arayüzünden kontrol etmen gerekir.

Wan için iyi prompt nasıl yazılır?

Alibaba'nın kendi prompt rehberi basit bir formül veriyor: özne + sahne + hareket. Daha gelişmiş sürümde buna estetik kontrol (ışık, çekim) ve stil ekleniyor. Rehbere göre zayıf promptlar çoğunlukla estetik kontrolü ve stili atlıyor; sonuç, belirsiz bir ortamda sabit duran bir kamera oluyor.

Zayıf: A woman walks in a city.

Daha iyi: A young woman in a yellow raincoat walks along a wet cobblestone street at dusk, medium shot, camera slowly pushes in, warm streetlamp light reflecting on the stones, soft film look.

Rehberin öne çıkardığı başka noktalar:

• Kamera dili: Plan büyüklüğü (yakın çekim, orta plan, geniş açı), açı (göz hizası, alçak açı, kuş bakışı) ve hareket (yaklaşma, uzaklaşma, yörünge, sabit kamera) ayrı ayrı yazılabiliyor. Yörünge hareketinde yayı 45 dereceden küçük tutmak öneriliyor.
• Işık: Gün ışığı, yumuşak ya da sert ışık, yan ışık, arka ışık, sıcak ya da soğuk ton gibi ifadeler sonucu belirgin biçimde yönlendiriyor.
• Hareket: Genliği ve hızı söyle (“yavaşça”, “hızla”). Eylemleri basit ve kısa tut; uzun koreografiler kötü çalışıyor. Bir klip tek sürekli çekim olsun, sahne değişimleri klipler arasında kalsın.
• Görselden videoda: Görüntü zaten özneyi, sahneyi ve stili belirliyor; promptta yalnız neyin hareket edeceğini ve kameranın ne yapacağını yaz.
• Çok çekimli: 2.6 ve 2.7 için rehber, genel bir açıklama ve ardından zaman damgalı numaralı çekimler öneriyor, örneğin “Shot 1 [0-3 s]”.
• Ses: 2.5 ve sonrasında konuşmayı, efekti ve müziği görsel promptun yanına ekleyebiliyorsun.

Görselden videoya: The girl slowly turns her head toward the window and smiles; curtains sway in a gentle breeze; the camera stays fixed.

Alibaba ayrıca prompt_extend ayarını sunuyor: varsayılan olarak açık, kısa promptu bir dil modeli genişletiyor. Kalitesi artırdığını ama gecikme eklediğini belgeler söylüyor. Açık ağırlıklı depolar da aynı fikri öneriyor: prompt uzatma, videodaki ayrıntıyı zenginleştirmek için tavsiye ediliyor.

Seed ve tekrarlanabilirlik

Model Studio'da seed 0 ile 2.147.483.647 arası bir tam sayı; vermezsen rastgele seçiliyor. Sabit bir seed sonucu daha tekrarlanabilir kılıyor ama belgeler açık: üretim olasılıksal, aynı seed ile bile sonuç farklı çıkabilir. Yani seed bir “kayıt düğmesi” değil, bir yön işareti.

Resmî olarak bilinen sınırlar neler?

• Yazı ve dudak eşleşmesi: Alibaba'nın prompt rehberi, ekranda tam okunaklı yazı ve belirli kelimelerle güvenilir dudak eşleşmesi beklememeyi söylüyor.
• Gerçek kişi adları: Rehber, gerçek kişilerin adını yazmamayı öneriyor; platformlar bunları reddedebiliyor ya da tutarsız sonuç çıkabiliyor.
• Dairesel hareket: Görselden videoda, yuvarlak nesnelerin sürekli dönmesinde wan2.6-i2v-flash modelinin kısa süreli takılabileceği belgede not edilmiş.
• Donanım: Açık modelleri kendin çalıştıracaksan A14B modelleri için tek ekran kartında en az 80 GB video belleği gerekiyor; bu sebeple çoğu kişi için bulut sürümü ya da küçük model daha gerçekçi.
• Kare hızı: API belgeleri bulut sürümlerin kare hızını belirtmiyor; bunu yalnız kendi aracının çıktısından öğrenebilirsin.

Bir de senin sorumluluğun var: başkasının fotoğrafını hareketlendirmeden önce izin al ve üretilen videoyu yapay zekâ ürünü olarak paylaş. Apache 2.0 lisansı üretilen içerik üzerinde hak iddia etmiyor, ama depo kullanım sorumluluğunun kullanıcıda olduğunu da vurguluyor.

Kimin için, ne zaman Wan?

• Kendi bilgisayarında denemek isteyenler: Wan2.1 T2V-1.3B ya da Wan2.2 TI2V-5B, tüketici ekran kartlarına en yakın seçenekler.
• Daha uzun ve sesli klip isteyenler: Model Studio'daki 2.5, 2.6 ve 2.7 sürümleri; 15 saniyeye kadar süre ve ses desteğiyle.
• Sabit bir fotoğrafı canlandırmak isteyenler: Görselden videoya modları; kısa ve hareket odaklı prompt yeterli.

Sık yapılan hatalar

• Açık ağırlıklı ve bulut sürümünü karıştırmak: Depolar 2.2'de bitiyor; 2.5, 2.6 ve 2.7 belgelerde API modeli olarak geçiyor.
• Tek promptta çok sahne istemek: Bir klip tek sürekli çekim olsun; hikâyeyi klip klip kur ya da çok çekimli yazımı kullan.
• Kamerayı yazmamak: Belirtmezsen sonuç çoğu zaman sabit kamera olur.
• Görselden videoda görüntüyü yeniden anlatmak: Fotoğrafta olanı tekrar sayma, hareketi anlat.
• Karmaşık koreografi yazmak: Basit ve kısa eylemler daha temiz çıkıyor.
• Sonucu indirmeyi unutmak: Bulut bağlantıları 24 saat geçerli.

Özet

• Wan, Alibaba'nın video modeli ailesi; Wan2.1 ve Wan2.2 açık ağırlıklı (Apache 2.0), 2.5-2.7 Model Studio'da API olarak sunuluyor.
• Resmî belgelere göre bulut sürümleri 2.6 ve 2.7'de 2-15 saniye, 720p ve 1080p çıktı veriyor; ses 2.5'ten beri destekleniyor.
• İyi prompt: özne, sahne, hareket, ışık ve kamera; görselden videoda yalnız hareket ve kamera.
• Seed tekrarlanabilirliği artırır ama garanti etmez.
• Yazı, dudak eşleşmesi ve gerçek kişi adları bilinen zayıf noktalar.
• Sonuçları hemen indir, başkasının fotoğrafı için izin al ve videoyu yapay zekâ ürünü olarak işaretle.