Gate.AI›博客›Wan 2.6 R2V：完整規格、定價、API 接入與應用場景（2026）

Wan 2.6 R2V：完整規格、定價、API 接入與應用場景（2026）

模型

更新於: 2026-07-13 08:30

什麼是 Wan 2.6 R2V？

Wan 2.6 R2V 是阿里雲推出的多模態參考到影片生成模型，隸屬於 Wan 2.6 系列，2025年12月已於官方文件中記錄。此模型支援文字、圖片與影片輸入，輸出同步的影音內容，生成時長為2至10秒，並於2026年7月起以秒計費。

「R2V」即 Reference-to-Video（參考到影片）。與僅依賴文字描述的文字到影片模型不同，Wan 2.6 R2V 能接受參考媒體，指引生成場景中主體的外觀、身分、動作、聲音特徵或角色。

阿里雲官方文件支援該模型用於單角色與多角色影片生成、多鏡頭敘事以及影音同步。輸出解析度為720p或1080p，採用H.264編碼的MP4格式，幀率為每秒30幀。

此模型適合創作者與開發團隊，特別是在評估角色一致性的廣告片段、短敘事序列、虛擬主持人、產品概念、社群影音資產等需要比僅靠文字提示更強參考控制的工作流程場景。

Wan 2.6 R2V 的主要規格與定價？

下表區分了阿里雲官方模型規格與 Gate.AI 平台資訊。所有資料截至2026年7月，除非另有說明。

規格	經查證的數值
提供方	阿里雲 / 通義萬象（截至2026年7月）
模型系列	Wan 2.6（截至2026年7月）
模型類型	多模態參考到影片生成模型（截至2026年7月）
模型狀態	Wan 2.6 系列模型已於2025年12月記錄；官方文件未明確單獨上線日期（截至2026年7月）
上下文視窗	不適用語言模型Token上下文；提示與媒體限制透過API參數定義（截至2026年7月）
文字輸入計費	未記錄單獨的Token輸入費用（截至2026年7月）
參考輸入計費	阿里雲計費可將參考影片時長納入計費秒數（截至2026年7月）
快取輸入計費	不適用或未指定（截至2026年7月）
Gate.AI720p 計費	每秒 \$0.10，詳見Gate.AI模型卡（截至2026年7月）
Gate.AI1080p 計費	每秒 \$0.15，詳見Gate.AI模型卡（截至2026年7月）
阿里雲全球720p計費	每計費秒 \$0.086012（截至2026年7月）
阿里雲全球1080p計費	每計費秒 \$0.143353（截至2026年7月）
計費單位	影片計費秒（截至2026年7月）
輸入模態	文字、圖片、影片（截至2026年7月）
輸出模態	同步影音（截至2026年7月）
輸出解析度	720p 和 1080p（截至2026年7月）
輸出時長	部署文件允許2至10秒的整數時長（截至2026年7月）
幀率	30幀/秒（截至2026年7月）
檔案格式	MP4，H.264編碼（截至2026年7月）
阿里雲模型ID	wan2.6-r2v（截至2026年7月）
Gate.AI模型ID	alibaba/wan2.6-r2v，詳見Gate.AI模型卡（截至2026年7月）
提供方API接入	阿里雲 Model Studio 非同步影片生成API（截至2026年7月）
Gate.AI接入	列於Gate.AIModels目錄，詳見https://gate.ai/models（截至2026年7月）
區域可用性	全球部署，德國與美國有文件記錄；帳戶與工作空間配置可能影響存取（截至2026年7月）
知識截止	不適用於此影片生成模型（截至2026年7月）
微調支援	官方文件未明確說明（截至2026年7月）
串流生成	未記錄；官方流程採用非同步任務（截至2026年7月）
批次API支援	未從官方管道確認（截至2026年7月）
工具或函式呼叫	不適用（截至2026年7月）
結構化輸出	API任務中繼資料為結構化，語言模型JSON生成不適用（截至2026年7月）
使用限制	受平台條款、內容規範、隱私要求及相關法律約束（截至2026年7月）

阿里雲目前全球定價略低於 Gate.AI 模型卡的四捨五入價格。兩者屬於不同平台，無法直接互換。阿里雲官方全球價格為720p每秒 \$0.086012，1080p每秒 \$0.143353。

阿里雲參考到影片計費方式為按輸入與輸出時長計費。官方文件顯示參考影片時長可計入，計費輸入部分上限為5秒。若請求使用5秒參考影片並生成10秒輸出，則總計費為15秒。

Wan 2.6 R2V 在生產環境中的應用價值？

參考引導的主體一致性

Wan 2.6 R2V 可透過圖片與影片建立人物、動物、產品或虛擬角色的外觀。參考媒體比文字描述更具視覺指向性，有助於在新生成鏡頭中維持主體的辨識度。

適用於活動角色、系列社群內容、視覺概念開發、授權數位主持人等場景。此模型不保證每一幀完全一致，所有輸出仍需人工審核。

單角色與多角色生成

阿里雲文件支援單角色與多角色場景。可為不同實體分配多個參考資產並於提示中呼叫，實現短對話、互動、反應鏡頭或群組組合。

當專案需要多個可辨識主體時，此功能特別適用。角色、動作、空間關係愈複雜，準確性可能下降。

多鏡頭敘事生成

模型可於短片中生成多個構圖或敘事節點。提示可描述開場鏡頭、特寫、主體動作、轉場或鏡頭運動，而非僅生成單一靜態畫面。

多鏡頭支援適用於分鏡、預演、廣告、預告片、社群影音草稿。單次生成時長有限，通常需後製剪輯形成完整序列。

影音同步輸出

Wan 2.6 R2V 輸出影音同步內容，而非無聲影片。官方功能包括影音同步，支援對話場景、聲音表演、環境音效與短敘事片段。

同步品質受提示明確度、來源媒體品質、角色數量、語言及場景複雜度影響。製作團隊應於發布前檢查口型、時序、發音及聲音連貫性。

鏡頭與動作引導

提示可引導動作、場景結構、構圖及鏡頭運動，參考媒體則決定主體。這種組合有助於將創意簡報轉化為可測試的視覺序列。

模型屬於生成式製作工具，非確定性動畫系統。動作軌跡、產品幾何、手部位置、Logo 呈現、鏡頭路徑等可能與提示略有差異。

Wan 2.6 R2V 支援哪些模態？

模態	是否支援	說明
文字輸入	支援	描述場景、動作、角色、對話、風格、構圖及鏡頭行為
圖片輸入	支援	可定義參考主體的視覺身分或外觀
影片輸入	支援	提供外觀、行為、動作及影音參考資訊
獨立音訊輸入	Wan 2.6 R2V 未記錄	音訊輸入已於新版 Wan 2.7 R2V 工作流程記錄，非 Wan 2.6 R2V 標準輸入
影片輸出	支援	720p 或 1080p，30幀/秒，MP4/H.264
音訊輸出	支援	同步影音輸出
無聲影片輸出	標準 Wan 2.6 R2V 不支援	無聲輸出僅於 wan2.6-r2v-flash 版本記錄，非標準模型
文字輸出	不支援	回應包含任務中繼資料，生成媒體為影音

阿里雲目前模型概覽顯示 Wan 2.6 R2V 輸入支援文字、圖片、影片，並與 wan2.6-r2v-flash 區分，後者可生成影音或無聲輸出。

參考到影片API支援多參考資產。具體檔案大小、時長、解析度及資產數量要求需依部署API文件查核，因模型版本與區域可能有差異。

Wan 2.6 R2V 的侷限性

生成片段較短： Wan 2.6 R2V 於現有部署下生成2至10秒片段，適用於單鏡頭、短場景、廣告、社群影音片段，並非完整長片製作。

長專案需多次生成、連貫規劃、剪輯、音效混音、調色及人工品管。

參考一致性非絕對： 參考媒體提升控制力，但無法保證每一幀人臉、服飾、物品、聲音、比例完全一致。細節可能發生漂移，尤於快速動作、遮擋、鏡頭切換或多角色互動時。

這是生成式影片的普遍侷限，非 Wan 2.6 R2V 獨有。

複雜提示降低指令遵循度： 多角色、對話、動作、產品置入、鏡頭運動、視覺特效等複雜提示可能產生衝突約束，模型可能省略、合併或重新解釋細節。

建議將複雜概念拆分為短、聚焦鏡頭以利製作。

計費不僅包含輸出時長： 阿里雲計費可包括參考影片時長及生成輸出。團隊應依計費時長計算費用，而非僅看最終片段長度。

平台計費、區域價格、重試、工作流程儲存及處理費用需另行查核。

延遲與並發波動： 影片生成運算密集，採用非同步任務流程。完成時間受解析度、時長、請求複雜度、服務負載、帳戶限額影響。

阿里雲對帳戶層級進行速率限制，涉及關聯用戶、工作空間、API金鑰。超限請求可能暫時被拒絕。

權利與安全審查必不可少： 參考媒體可能包含人臉、聲音、表演、隱私資訊、商標或著作權內容。上傳或再現前須取得相關權利與同意。

生成影片亦可能包含不準確、誤導、不當或視覺缺陷內容。不得用於冒充他人、偽造證據、法律、醫療、金融或安全關鍵決策，須經專業人工審核。

Wan 2.6 R2V 最適合哪些場景？

當專案需求與短時長、參考控制、影音輸出相符時，此模型適用於下列場景：

應用場景	Wan 2.6 R2V 適用理由	重要限制
活動角色再現	參考資產有助於於新場景中維持主體辨識度	身分、服飾、配件仍可能發生漂移
短廣告概念	多鏡頭與鏡頭引導可將簡報轉化為視覺原型	產品形狀、文字、Logo需特別審查
社群影音片段	2至10秒片段適合片頭、轉場、反應、短敘事節點	完整內容通常需剪輯與加字幕
授權虛擬主持人	參考媒體可引導主持人外觀及影音行為	需管理同意、揭露及聲音權利
對話原型	多角色支援可測試參考主體間短互動	口型同步與輪替可能存在差異
分鏡腳本	快速生成有助於評估構圖、氛圍、動作、鏡頭順序	生成畫面非確定性分鏡腳本
角色主導娛樂	參考身分與多鏡頭輸出可支援短虛構場景	多次生成間連貫性需人工控制
創意預演	團隊可先測試鏡頭創意再投入製作	物理、時序、幾何未必符合製作標準

若專案不需參考身分、僅靠文字提示，可參考相關的 Wan 2.6 文字到影片模型，獲得更直接的工作流程。

Wan 2.6 R2V 與 Sora 2、海螺 2.3 的比較？

Wan 2.6 R2V、Sora 2 與海螺 2.3 在AI影片領域有重疊應用，但存取方式、參考控制、時長限制、影音特性、計費結構需按產品層面比較。

比較維度	Wan 2.6 R2V	Sora 2	海螺 2.3	場景適配
主要工作流程	參考到影片生成	廣泛生成式影片創作	廣泛生成式影片創作	Wan 2.6 R2V 適合以參考主體為核心的工作流程
參考輸入	文字、圖片、影片	需查閱目前產品控制方式	需查閱目前產品控制方式	驗證所需參考類型是否支援
角色處理	單角色與多角色生成	依賴目前產品特性	依賴目前產品特性	Wan 適用於涉及多個參考實體的短場景
音訊輸出	同步影音輸出	需查閱目前產品與API層級	需查閱目前產品與API層級	對於對話、聲音、音樂或聲音主導片段尤為重要
輸出時長	2至10秒	依產品設定而異	依產品設定而異	Wan 以短片段與鏡頭為結構基礎
解析度	720p 和 1080p	需查閱目前產品選項	需查閱目前產品選項	Wan 明確記錄解析度等級
計費結構	按計費秒；參考時長影響阿里雲費用	依產品與存取層級而定	依產品與存取層級而定	比較整體計費流程而非單一價格
API工作流程	非同步提供方API；Gate.AI模型目錄	存取方式依目前產品而定	存取方式依目前產品而定	整合需求可能決定適用性

團隊於評估 Sora 2 或海螺 2.3 時，應比較參考媒體支援、片段時長、音訊表現、區域存取、內容審查、並發能力及實際成本等最新文件。

沒有哪款模型適用於所有場景。若核心需求是圍繞一個或多個參考主體生成短影音片段，Wan 2.6 R2V 尤為適合。

如何透過 Gate.AI 存取 Wan 2.6 R2V？

Wan 2.6 R2V 可於 Gate.AI Models 目錄下存取，模型ID為：

alibaba/wan2.6-r2v

截至2026年7月，Gate.AI模型卡記錄如下：

720p輸出：每秒 \$0.10
1080p輸出：每秒 \$0.15
最大生成時長：最多10秒
輸出：同步影音

Gate.AI 提供非同步影片生成API：

https://api.gate.ai/api/v1/videos

請求需於 Authorization: Bearer 標頭中帶入 Gate.AI API Key。提交成功後會回傳任務ID與狀態URL，應用可輪詢狀態端點直到任務完成或失敗。完成回應包含臨時下載URL與最終計費資訊。

參考到影片生成時，請求可於 input_references 中包含一個公開HTTPS影片URL，媒體類型為 video，角色為 reference_video。

Python 範例

以下範例提交 Wan 2.6 R2V 任務、輪詢狀態並將生成影片儲存至本地。

import os
import time
from pathlib import Path
from typing import Any
import requests
API_BASE_URL = "https://api.gate.ai"
MODEL_ID = "alibaba/wan2.6-r2v"
API_KEY = os.environ["GATEAI_API_KEY"]
REFERENCE_VIDEO_URL = "https://your-cdn.example.com/reference-video.mp4"
OUTPUT_PATH = Path("wan-2-6-r2v-output.mp4")
HEADERS = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json",
}
def parse_data(response: requests.Response) -> dict[str, Any]:
    """Raise for HTTP errors and return the Gate.AI data object."""
    response.raise_for_status()
    payload = response.json()
    if not isinstance(payload, dict):
        raise RuntimeError("Gate.AI returned an unexpected response.")
    data = payload.get("data")
    if not isinstance(data, dict):
        raise RuntimeError(f"Gate.AI response did not contain a data object: {payload}")
    return data
def submit_video() -> dict[str, Any]:
    payload = {
        "model": MODEL_ID,
        "prompt": (
            "Use the referenced subject in a cinematic city scene. "
            "Preserve the subject's appearance and natural movement. "
            "The camera slowly tracks from left to right."
        ),
        "duration": 10,
        "resolution": "1080p",
        "aspect_ratio": "16:9",
        "generate_audio": True,
        "seed": -1,
        "input_references": [
            {
                "type": "video",
                "url": REFERENCE_VIDEO_URL,
                "role": "reference_video",
            }
        ],
        "metadata": {
            "source": "wan-2-6-r2v-example",
        },
    }
    response = requests.post(
        f"{API_BASE_URL}/api/v1/videos",
        headers=HEADERS,
        json=payload,
        timeout=60,
    )
    return parse_data(response)
def wait_for_completion(status_url: str) -> dict[str, Any]:
    while True:
        response = requests.get(
            status_url,
            headers={"Authorization": f"Bearer {API_KEY}"},
            timeout=30,
        )
        data = parse_data(response)
        status = data.get("status")
        print(
            f"Status: {status}; "
            f"estimated cost: {data.get('estimated_cost', 'not available')}"
        )
        if status == "completed":
            return data
        if status == "failed":
            raise RuntimeError(f"Video generation failed: {data}")
        if status not in {"pending", "in_progress"}:
            raise RuntimeError(f"Unexpected task status: {status}")
        time.sleep(5)
def download_video(download_url: str) -> None:
    response = requests.get(
        download_url,
        headers={"Authorization": f"Bearer {API_KEY}"},
        timeout=120,
        allow_redirects=True,
    )
    response.raise_for_status()
    OUTPUT_PATH.write_bytes(response.content)
def main() -> None:
    submitted = submit_video()
    job_id = submitted.get("job_id")
    status_url = submitted.get("status_url")
    if not job_id or not status_url:
        raise RuntimeError(f"Submission response is missing job details: {submitted}")
    print(f"Submitted job: {job_id}")
    completed = wait_for_completion(status_url)
    download_url = completed.get("download_url")
    if not download_url:
        raise RuntimeError(
            f"Completed task did not include a download URL: {completed}"
        )
    download_video(download_url)
    print(f"Video saved to: {OUTPUT_PATH.resolve()}")
    print(f"Final billed cost: {completed.get('billed_cost', 'not available')}")
if __name__ == "__main__":
    main()

curl 範例

curl --request POST "https://api.gate.ai/api/v1/videos" \
  --header "Authorization: Bearer $GATEAI_API_KEY" \
  --header "Content-Type: application/json" \
  --header "Idempotency-Key: wan-r2v-$(date +%s)" \
  --data '{
    "model": "alibaba/wan2.6-r2v",
    "prompt": "Use the referenced subject in a cinematic city scene. Preserve the subject appearance and natural movement while the camera slowly tracks from left to right.",
    "duration": 10,
    "resolution": "1080p",
    "aspect_ratio": "16:9",
    "generate_audio": true,
    "seed": -1,
    "input_references": [
      {
        "type": "video",
        "url": "https://your-cdn.example.com/reference-video.mp4",
        "role": "reference_video"
      }
    ],
    "metadata": {
      "source": "wan-2-6-r2v-example"
    }
  }'

生成流程為非同步。提交請求不會立即回傳影片檔案，應用需輪詢狀態URL或設定Webhook回呼。

生成影片URL可能會過期，生產應用應於任務完成後盡快將檔案儲存至可控、持久的儲存空間。

部署前請確認 alibaba/wan2.6-r2v 仍支援 /api/v1/videos 端點，並查核模型卡是否支援所選時長、解析度、比例、音訊選項及參考媒體角色。

常見問題

Wan 2.6 R2V 支援哪些解析度與時長？

Wan 2.6 R2V 支援720p與1080p影音，幀率為每秒30幀。阿里雲官方部署允許2至10秒的整數片段時長。

Wan 2.6 R2V 費用是多少？

Gate.AI模型卡記錄720p每秒 \$0.10，1080p每秒 \$0.15。阿里雲全球分別為每計費秒 \$0.086012 與 \$0.143353，資料截至2026年7月。

開發者能否透過API存取 Wan 2.6 R2V？

可以。Gate.AI將此模型列為 alibaba/wan2.6-r2v。阿里雲 Model Studio 另有非同步API，模型ID為 wan2.6-r2v。開發者應依所選平台查閱最新文件。

Wan 2.6 R2V 適合哪些應用？

Wan 2.6 R2V 適用於短時角色一致廣告、授權虛擬主持片段、對話原型、多角色場景、社群影音片段、分鏡腳本及創意預演。所有輸出需審查視覺缺陷、事實準確性、同意權利及品牌合規。