Wan 2.1 Image to Video nimmt ein einzelnes Standbild und erzeugt daraus einen kurzen Clip, der genau dort weiterläuft. Du lädst ein Bild hoch, beschreibst die gewünschte Bewegung, und das Modell animiert von diesem Ausgangspunkt aus weiter. Die gesamte Berechnung läuft auf gehosteter Hardware – dein Rechner muss also nur eine Webseite laden.
Diese Seite behandelt speziell die 2.1-Generation. Wenn du die neueren Versionen suchst, findest du sie unter /wan-2-2 und /wan-2-5; /wan-2-1 ist der allgemeine Hub für diese Generation. Der übergreifende Workflow rund um bildbasierte Videos liegt unter /image-to-video.
Das Modell bekommt dein Bild als ersten Frame und sagt voraus, was als Nächstes passiert. Es ist kein Slideshow-Werkzeug, das ein statisches Bild schwenkt und zoomt. Es synthetisiert neue Frames – das heißt, Motive können sich bewegen, Haare und Stoff können sich verschieben, und das Licht kann sich über den Clip hinweg verändern. Das Ausgangsbild bleibt der Anker, der erste Frame sieht also aus wie das, was du hochgeladen hast.
Weil das Bild so viel Information mitbringt, hat dein Prompt hier eine andere Aufgabe als bei /text-to-video. Du beschreibst nicht, was existieren soll. Du beschreibst, was passieren soll.
Fang mit einem sauberen Ausgangsbild an. Kompressionsartefakte, starkes Rauschen und aggressives Schärfen werden alle weitergetragen und verstärkt, sobald sich die Frames bewegen. Wenn deine Datei zu groß oder in einem ungünstigen Format ist, erledigen das der Bildkompressor und der Bildkonverter vor dem Upload.
Komponiere für Bewegung. Ein Frame, in dem das Motiv zentriert ist und ringsum etwas Platz bleibt, gibt dem Modell Raum zum Arbeiten. Ein eng zugeschnittenes Gesicht ohne Hintergrundkontext lässt sehr wenig zum Animieren übrig.
Schreib den Prompt als Abfolge von Ereignissen, nicht als Liste von Substantiven. "She turns her head slowly to the left, hair drifting, background lights pulsing" gibt dem Modell eine Richtung. "Woman, beautiful, cinematic, 4k" gibt ihm nichts, was sich bewegen könnte.
Halte die Bewegung maßvoll. Kleine, glaubwürdige Bewegung wirkt echt. Große Bewegung über einen kurzen Clip hinweg verschmiert oder verzerrt tendenziell, besonders an Händen, Gesichtern und dünnen Kanten.
Behandle den ersten Render als Test. Schau ihn einmal auf die Gesamtbewegung an, dann noch einmal auf Artefakte. Der größte Teil der Verbesserung entsteht im zweiten und dritten Versuch, nicht im ersten.
Der Prompt ist der größte Hebel, aber nicht der einzige.
Das Seitenverhältnis sollte zu deinem Ausgangsbild passen. Ein Porträtfoto in einen Landscape-Frame zu zwingen bedeutet, dass das Modell die fehlenden Bereiche erfinden muss – und genau diese erfundenen Bereiche sind meist der schwächste Teil des Clips.
Die Cliplänge steht in Konkurrenz zur Kohärenz. Längere Ausgaben geben der Bewegung mehr Zeit, sich zu entfalten, aber Drift und Identitätsverlust nehmen zu, je weiter du dich vom Ausgangs-Frame entfernst. Kurze Clips bleiben näher am Original.
Die Auflösung beeinflusst, wie viel feines Detail erhalten bleibt. Höhere Einstellungen bewahren Textur, kosten aber mehr Renderzeit und können Schwächen in einem weichen Ausgangsbild sichtbar machen.
Die Seed-Kontrolle ist wichtig, wenn du iterieren willst. Denselben Seed zu behalten und nur eine Variable zu ändern, zeigt dir, was diese Variable tatsächlich bewirkt hat – statt gegen einen völlig anderen Durchlauf zu raten.
Die Credit-Kosten eines Durchlaufs werden neben dem Formular angezeigt, bevor du absendest, sodass du siehst, was eine Konfiguration kostet, bevor du dich festlegst. Die aktuellen Tarife findest du unter /pricing.
Das ist kein Werkzeug, um eine Szene zu rekonstruieren, die du nie fotografiert hast. Wenn du kein Ausgangsbild hast, sind /text-to-image oder /ai-generator der richtige Einstieg.
Es ist nicht für Langformat-Videos gebaut. Clips sind bewusst kurz, und viele davon aneinanderzureihen ist ein separates Problem, das /video-extend adressiert.
Es wird nicht zuverlässig lesbaren Text, präzise Handgesten oder exakte physische Interaktionen erzeugen. Das bleibt eine Schwachstelle.
Es ist kein Face-Swap- oder Charakterkonsistenz-Werkzeug. Wenn dein Ziel ist, eine bestimmte Figur mit einer Referenzperformance zu steuern, kommen /wan-animate und /wan-2-2-animate dem näher, was du willst.
Und es ist keine lokale Installation. Diese Seite führt das Modell für dich im Browser aus. Wir verteilen keine Modellgewichte und bieten keinerlei Downloads an. Wenn du Dateien suchst, um sie auf deiner eigenen GPU laufen zu lassen, bist du hier falsch.
Brauche ich eine GPU oder installierte Software?
Nein. Das Rendering läuft auf gehosteter Hardware. Du brauchst einen Browser und ein Bild.
Kann ich ein Foto einer echten Person verwenden?
Du bist dafür verantwortlich, die Rechte an allem zu haben, was du hochlädst. Lade keine Bilder von Personen hoch, die nicht zugestimmt haben.
Warum ist mein Clip vom Originalbild abgedriftet?
Meist war die angeforderte Bewegung zu groß für die Cliplänge, oder das Ausgangsbild hatte zu wenig Detail, an dem sich das Modell festhalten konnte. Verkürze die Bewegung oder verkürze den Clip.
Kann ich die Modellgewichte hier herunterladen?
Nein. Wir verteilen keine Gewichte, und es gibt auf dieser Seite keine Downloads. Wir führen Wan-Modelle für dich aus und liefern das gerenderte Video zurück.
Was, wenn ich nur Text und kein Bild habe?
Starte bei /text-to-video oder erzeuge zuerst ein Standbild und komm damit hierher zurück.