Wan 2.5

What is Wan 2.5?

Wan 2.5 is Alibaba's (Tongyi / Wan team) video generation model, released in September 2025. It turns a text prompt — or a still image — into a clip up to 10 seconds long at up to 1080p (24fps), and generates the audio in the same pass: dialogue with lip-sync, ambient sound effects, and music. That one-pass audio-visual output is what separates it from earlier Wan releases and from most open video models, which produce silent video only.

Wan 2.5 ships as an API-only preview — its weights are not publicly downloadable. (Wan 2.1 and 2.2 are the open-weight, Apache-2.0 versions you can self-host; 2.5 and 2.6 are API-only.) On GPTProto, you call it with the model string wan-2.5, billed per generation by resolution and duration, on the same balance as 200+ other models.

What you can build with the Wan 2.5 API

Short-form social and ads — 5–10s vertical or landscape clips with built-in voiceover and sound, no separate audio editing. At $0.45 per 720p/5s run, A/B-testing a dozen ad variants stays cheap.

Localized video at scale — Wan 2.5 handles multilingual prompts and generates lip-synced speech, so one storyboard becomes versions in several languages without re-shooting or re-dubbing. Strong Chinese support.

Storytelling and explainers — Dialogue, ambient sound, and music generated together keep narration and visuals aligned across the clip — useful for YouTube intros, product explainers, and training segments.

Animating a still image — Feed a single image as the first frame and a motion prompt to animate it.

How Wan 2.5 generates video and audio together

Most video models output silent frames; sound is a separate job you bolt on later. Wan 2.5 was built the other way around. Its generation step produces the visual frames and a matching audio track jointly, so speech lands on the right lip movements, footsteps line up with steps, and music sits under the cut without you editing anything. In practice this collapses a two-tool pipeline (video model + TTS/foley) into one API call.

Two things follow from that. First, your prompt should describe sound as well as motion — name the dialogue line, the ambient bed, and whether you want music (see §6). Second, because audio and video come from one pass, a single run is one billable unit; you are not paying twice or stitching tracks. If you need to supply your own music or voiceover instead, the audio parameter accepts it and the model syncs motion to it.

Choosing inside the Wan family

GPTProto biedt verschillende Wan-modellen aan met één saldo. Kies op basis van wat de taak nodig heeft, niet op versienummer:

• Wan 2.5 — tekst-naar-video (deze pagina): 1080p, maximaal 10 s, native audio. De standaardkeuze voor een prompt-naar-clip met geluid.
• Wan 2.5 — afbeelding-naar-video: begin met een stilstaande afbeelding als eerste frame en animeer deze (het geval "wan 2.5 animate"). 
• Wan 2.2 (wan-2.2-plus): zonder geluid, 720p, ~5 s — maar met open gewichten, dus de juiste keuze als je zelf moet hosten.
• Wan 2.6 (wan-2.6): 1080p, maximaal 15s, plus planning van scènes met meerdere shots en identiteitsbehoud op basis van referenties — een stap omhoog wanneer je langere verhalen of meerdere cuts nodig hebt.

Dit overzicht is precies het soort informatie dat concurrenten weglaten: ze noemen modellen, maar vertellen niet welke je moet kiezen. Gebruik 2.5 voor clips met één shot en audio, 2.2 als je gewichten nodig hebt, en 2.6 voor langere clips en meerdere shots.

Wan 2.5 vs. Sora 2

Beide genereren video met gesynchroniseerde audio vanuit tekst of een afbeelding. De praktische verschillen:

Eerlijk oordeel: Sora 2 kost een vast bedrag van $0.4 per uitvoering en ondersteunt langere clips (tot ~25 s met Pro) — kies hiervoor wanneer de duur belangrijk is. Wan 2.5 begint lager, op $0.225 per uitvoering (480p/5 s), en laat je resolutie inruilen voor lagere kosten, met sterke meertalige spraak en minder inhoudsbeperkingen. Beide werken met één GPTProto-saldo.

Gerelateerd: Sora 2 → · Wan 2.6 → · Wan 2.2 →

Promptrecepten voor Wan 2.5

Wan 2.5 genereert audio tegelijk met de video, dus goede prompts beschrijven zowel geluid als beweging. In de voorbeelden van het platform zelf staat audio inline met een Sound:-aanwijzing — houd die conventie aan. Opbouw: onderwerp + actie + camerabeweging + belichting + Sound:-aanwijzing + stijl. Plak de prompt en pas deze aan.

1. Dialoog + lipsynchronisatie (laat de audio-engine zien)

Gemiddelde close-up van een oudere visser op een houten boot bij zonsopgang, zacht gouden
licht, zacht kabbelend water. Hij kijkt in de camera en zegt warm: "De zee
komt haar beloften altijd na." Langzame push-in. Sound: zachte golven, meeuwen in de
verte, een rustige gesproken zin, geen muziek.

2. Omgevingsgeluid / SFX, geen dialoog

Regen in een met neon verlichte steeg in Tokio, ’s nachts. Een kat schiet onder een luifel door, reflecties
schitteren op het natte wegdek. Statisch totaalshot, filmisch. Geluid: aanhoudende regen, verkeer in de verte, geen muziek, geen spraak.

3. Product / marketing

Close-up van een ijskoffie op een marmeren aanrecht, met condensdruppels, in het ochtendlicht van een keuken. Een lepel roert door het ijs. Langzame draaiing van 180 graden rond het glas.
Geluid: zacht geklingel van ijs, rustige omgevingsgeluiden in de keuken, lichte achtergrondmuziek.

4. Beweging / tracking

Een skateboarder rolt bij zonsondergang over een leeg betonnen plein. Een tracking shot vanuit een lage hoek volgt de skateboarder, met subtiele lensflare. Geluid: wielen die over het wegdek rollen, windgeruis, geen dialoog.

Tips: houd de dialoog kort genoeg voor de lengte van de clip (ongeveer één gesproken zin per 5 seconden); benoem de camerabeweging expliciet; vermeld ‘geen muziek’ als je alleen omgevingsgeluid wilt; of geef je eigen track mee via de audio-parameter.