Alibaba: Wan 2.7

Alibaba Wan 2.7 ist eine Videogenerierungsfamilie mit benannten Profilen für Text-to-Video, Image-to-Video und referenzgeführte Erstellung. Der Hersteller dokumentiert audiosynchronisierte Szenen und Erzählungen mit mehreren Einstellungen; sein Bildablauf ergänzt Generierung mit Anfangs-/Endbild und die Fortsetzung eines Ausgangsvideos. Das nutzbare Ergebnis ist ein kurzer Clip samt Ton, etwa ein Produktübergang, eine kompakte Geschichte oder eine Fortsetzung, die zu einer bestehenden Einstellung passt. Wählen Sie den Modus anhand des Quellmaterials und der benötigten Kontrolle über Anfang oder Ende.

Beschreiben Sie bei Text-to-Video Motiv, Umgebung, Handlung, Kamera, Stil und Ton. Ein Storyboard kann jede Einstellung und ihren Zeitbereich benennen, während das Briefing für eine einzelne Einstellung eine durchgehende Handlung festhalten sollte. Der Prompt-Leitfaden für Wan 2.7 lässt das Modell die Einstellungsstruktur aus dem geschriebenen Briefing interpretieren, statt die Steuerung shot_type von 2.6 zu verwenden. Die aktuelle Text-API akzeptiert chinesische oder englische Prompts mit bis zu 5.000 Zeichen und einen separaten negativen Prompt mit 500 Zeichen; überschüssiger Text wird abgeschnitten. Halten Sie wesentliche Handlung und Vorgaben innerhalb dieses Rahmens klar.

Image-to-Video mit Startbild animiert ein bereitgestelltes Eröffnungsbild. Die Generierung mit Anfangs-/Endbild definiert zusätzlich den Endpunkt und die verbindende Bewegung. Der Bildleitfaden für 2.7 unterstützt eine steuernde Audioquelle zusammen mit diesen Bildkombinationen. Bereiten Sie Endpunkte vor, die dieselbe Szene und dasselbe beabsichtigte Motiv zeigen, und beschreiben Sie den Übergang, statt das Modell beide Bilder als unverbundene Stilreferenzen umdeuten zu lassen. Die Ausgabe nähert sich dem Seitenverhältnis des ersten Bilds an; der Leitfaden behandelt Auflösung als Pixelanzahlstufe und rundet die kodierten Abmessungen entsprechend.

Videofortsetzung beginnt mit einem Quellclip und kann zusätzlich ein Schlussbild nutzen. Die angeforderte Dauer ist die gesamte zurückgegebene Videodauer einschließlich des ursprünglichen Segments. Das Leitfadenbeispiel verbindet eine zweisekündige Quelle mit zehn Sekunden neuem Inhalt zu einem zwölfsekündigen Ergebnis. Bereiten Sie die letzte Handlung der Quelle vor und beschreiben Sie, was danach geschieht, damit Kamera und Motiv in einer schlüssigen Richtung fortfahren. Prüfen Sie den Übergang auf Erscheinungsbild, Bewegung, Licht und Ton, statt nur den neu generierten Schluss zu bewerten.

Das aktuelle separate Referenzprofil des Herstellers verwendet Bilder oder Video zur Anleitung von Figuren, Objekten oder einer Szene. Sein Leitfaden erlaubt insgesamt bis zu fünf Referenzbilder und -videos und nutzt typspezifische Bezeichnungen wie Image 1 und Video 1. Beschreiben Sie die Rolle jedes Materials und die gewünschte Interaktion. Eine referenzgeführte Szene könnte die Figur aus einer Referenz zeigen, die den Gegenstand einer anderen durch einen angegebenen Ort trägt. Die Referenzkomposition unterscheidet sich von der Startbildgenerierung: Das Briefing kann eine neue Komposition festlegen, statt zu verlangen, dass das Video mit einem bereitgestellten Standbild beginnt.

Für eigenes Audio bei der Textgenerierung sind WAV und MP3 mit einer Dauer von zwei bis dreißig Sekunden und höchstens 15 MB dokumentiert. Die ausgewählte Videodauer bestimmt den verwendeten Teil: Längeres Audio wird auf diese Dauer gekürzt; ist das Audio kürzer als das Video, bleibt der Rest stumm. Bereiten Sie den genauen Audioabschnitt für die Einstellung vor und lassen Sie Platz für die gewünschte visuelle Handlung. Ohne bereitgestellte Audiodatei beschreibt der Hersteller die Erzeugung von zur Szene passender Hintergrundmusik oder Effekten. Prüfen Sie den tatsächlichen Ton und angeforderte Sprache zusammen mit dem Bild.

Die aktuelle Modellmatrix nennt MP4 in 720p oder 1080p bei 30 fps und zwei bis fünfzehn Sekunden Ausgabe für Text und Bild. Das separate Referenzprofil ist auf zwei bis zehn Sekunden begrenzt. Textgenerierung bietet die Bildformate 16:9, 9:16, 1:1, 4:3 und 3:4. Bildkonditionierte Aufgaben haben eigene Regeln zur Annäherung an das Quellseitenverhältnis. Bereiten Sie deshalb den Eingabezuschnitt für das vorgesehene Ziel vor. Eine Dauer- oder Formatregel des Referenzprofils darf nicht an die Stelle des Bild- oder Fortsetzungsablaufs treten.

Der dokumentierte Herstellerablauf ist asynchron: Eine Auftragskennung verfolgt die Verarbeitung und ein erfolgreiches Ergebnis liefert die Videoadresse. Für Ergebnisse ist eine Linkgültigkeit von vierundzwanzig Stunden dokumentiert. Bewahren Sie daher den eigentlichen Clip und die kreativen Materialien für die Schnittprüfung auf. Prompt-Umschreibung, Wasserzeichen- und Seed-Optionen gehören zur gewählten Schnittstelle. Nach Aussage des Herstellers kann ein fester Seed die Reproduzierbarkeit verbessern, garantiert aber kein identisches Ergebnis. Vergleichen Sie das zurückgegebene Artefakt mit dem Briefing, statt anzunehmen, dass Einstellungen allein jedes Detail erhalten.

Gegenüber Wan 2.6 ergänzt der Bildleitfaden für 2.7 ausdrücklich Anfangs-/Endbildkontrolle und Videofortsetzung durch multimodale Medieneingaben. Wan 3.0 führt eine andere umfassende Struktur und einen längeren Generierungsrahmen ein. Dieses Profil 2.7 behält seine aufgabenspezifischen Steuerungen und Grenzen. Prüfen Sie die gesamte Szene auf Motivkontinuität, Bildanker, Referenzidentität, Dialog, Bewegung und Übergänge und richten Sie die nächste Korrektur konkret auf das tatsächlich gefundene Problem aus.