Alibaba: Wan 2.6

Alibaba Wan 2.6 ist eine Videogenerierungsfamilie mit getrennten Profilen für Text-to-Video, Image-to-Video mit Startbild und Reference-to-Video. Der Hersteller dokumentiert synchronisiertes Audio und Erzählungen mit mehreren Einstellungen. Eine geschriebene Szene kann zum Clip werden, eine vorbereitete Aufnahme den Anfang festlegen oder visuelle Referenzen Figuren und Objekte in einer neuen Szene anleiten. Die nutzbare Ausgabe ist das fertige kurze Video samt Ton, vorbereitet zur Prüfung oder Verwendung in einer geschnittenen Sequenz.

Beschreiben Sie für Textgenerierung Motiv, Umgebung, Bewegung, Kamera und Ton. Der ältere Textleitfaden für 2.6 akzeptiert chinesische oder englische Prompts mit bis zu 1.500 Zeichen und einen separaten negativen Prompt mit 500 Zeichen; längerer Text wird abgeschnitten. Eine Produktanimation könnte einem Spielzeuglieferwagen über eine Werkbank folgen, neben einem kleinen Paket anhalten und auf dem Paket enden, während ein leises mechanisches Geräusch den Halt markiert. Halten Sie die Abfolge so einfach, dass ihre zentrale Handlung leicht zu beurteilen bleibt.

Die Steuerung mehrerer Einstellungen ist ein spezifischer Bestandteil des Ablaufs von 2.6. Der Textleitfaden des Herstellers bietet single oder multi für shot_type; single ist der Standard. In diesem Textmodus wirkt die Einstellung bei aktivierter Prompt-Umschreibung, und der Parameter hat Vorrang vor widersprüchlicher Formulierung im Briefing. Beschreiben Sie Einstellungen und Timing passend zur gewählten Einstellung. Der spätere Leitfaden zu Wan 2.7 interpretiert die Einstellungsstruktur stattdessen direkt aus dem Prompt. Diese neuere Vorbereitung darf deshalb nicht stillschweigend die dokumentierten Steuerungen dieser Ausgabe ersetzen.

Die Generierung mit Startbild verwendet ein Bild für den Anfang und einen Prompt für das Folgende. Bereiten Sie den beabsichtigten Zuschnitt, das Motiv und die visuellen Details in der Aufnahme vor, bevor Sie Bewegung anfordern. Im Vergleich des Herstellers werden Anfangs-/Endbild und Quellclipfortsetzung als Ergänzungen des Bildablaufs von 2.7 genannt und nicht als Steuerungen, die dem Startbildprofil von 2.6 zuzuordnen wären. Prüfen Sie bei einer Produktanimation das Objekt während der gesamten Bewegung und kontrollieren Sie, ob Form, Kennzeichnungen und Szene zur beabsichtigten Einstellung passen.

Die aktuelle ältere Referenz-API für 2.6 akzeptiert Bilder und Videos über eine geordnete Referenzliste. Sie erlaubt bis zu fünf Bilder und drei Videos, zusammen maximal fünf Dateien. Jede Referenz sollte ein Motiv enthalten. Die erste wird character1 zugeordnet, die zweite character2 und so weiter. Nutzen Sie diese Kennungen im Prompt, statt die typspezifischen Bezeichnungen von Wan 2.7 zu übernehmen. Beschreiben Sie die Handlung und Sätze jeder Figur klar, damit sich bei einer Interaktion mehrerer Figuren Zuordnung und Identität prüfen lassen.

Der Referenzleitfaden nennt JPEG/JPG, PNG ohne Transparenz, BMP und WEBP mit bis zu 20 MB und jeder Abmessung zwischen 240 und 8.000 Pixeln. Referenzvideo darf MP4 oder MOV bis 100 MB sein; das aktuelle Feld reference_urls akzeptiert Videos von einer bis dreißig Sekunden. Das veraltete reine Videofeld hat eine andere Mindestdauer und ist nicht derselbe Vorbereitungsvertrag. Wählen Sie Quellabschnitt und Motiv, die die Szene beeinflussen sollen, und halten Sie die Referenzrollen ausdrücklich fest. Eine erkennbare Figur kann im Ergebnis dennoch falsch platziert oder mit der falschen Stimme versehen sein.

Die Textgenerierung des Herstellers unterstützt bereitgestelltes Audio über ihr dokumentiertes Audioquellfeld; die Ausgabemodi enthalten mit dem Bild synchronisierten Ton. Benennen Sie gewünschten Dialog, Darbietung und Atmosphäre im Briefing und prüfen Sie die tatsächlichen Wörter und Effekte. Der optionale Audioschalter der Referenz-API ist ausdrücklich für die Flash-Referenzvariante gekennzeichnet. Er darf nicht als universelle Steuerung für stumme Videos in jedem 2.6-Modus vorausgesetzt werden. Sowohl Ton als auch Bild müssen anhand der gewünschten Szene geprüft werden.

Aktuelle Herstellerspezifikationen nennen 720p und 1080p mit zwei bis fünfzehn Sekunden für Text- und Bildgenerierung und zwei bis zehn Sekunden für Referenzgenerierung. Die Videoleitfäden beschreiben MP4 mit 30 fps; die Referenz-API wählt hingegen eine ausdrückliche Breite-mal-Höhe-Größe statt einer bloßen Seitenverhältnisbezeichnung. Quer-, Hoch- und Quadratoptionen besitzen eigene dokumentierte Abmessungen. Halten Sie Dauer- und Größenregeln des ausgewählten Modus beim Briefing fest, statt den Generierungsrahmen von dreißig Sekunden aus Wan 3.0 oder die adaptive Konfiguration einer anderen Ausgabe zu übernehmen.

Die Generierung wird als Auftrag verarbeitet; ein erfolgreiches Ergebnis liefert die Videoadresse. Der Hersteller dokumentiert eine Ergebnislinkgültigkeit von vierundzwanzig Stunden. Bewahren Sie den eigentlichen Clip, die Quellreferenzen und den Prompt für die Schnittprüfung auf. Ein fester Seed kann beim Vergleich von Anfragen helfen, aber der ältere Leitfaden erklärt ausdrücklich, dass er keine identischen Ergebnisse garantiert. Prüfen Sie Kontinuität, Referenzidentität, Objektkontakt, angeforderte Einstellungsstruktur, Dialog und sichtbare Details. Die nächste Korrektur sollte das konkret gefundene Problem beheben und dabei die erfolgreiche Richtung der Einstellung bewahren.