Alibaba: Wan 2.7

Το Alibaba Wan 2.7 είναι οικογένεια δημιουργίας βίντεο με ονομασμένα προφίλ δημιουργίας από κείμενο, από εικόνα και με καθοδήγηση αναφορών. Ο κατασκευαστής τεκμηριώνει σκηνές με συγχρονισμένο ήχο και αφηγήσεις πολλών πλάνων, ενώ η ροή εικόνας προσθέτει δημιουργία από πρώτο/τελευταίο καρέ και συνέχεια ενός αρχικού βίντεο. Το χρήσιμο αποτέλεσμα είναι ένα σύντομο κλιπ με τον ήχο του, όπως μετάβαση προϊόντος, συμπαγής ιστορία ή συνέχεια που ταιριάζει σε υπάρχον πλάνο. Επιλέξτε τη λειτουργία σύμφωνα με το αρχικό υλικό και τον απαιτούμενο έλεγχο της αρχής ή του τέλους.

Για δημιουργία από κείμενο, περιγράψτε το θέμα, το περιβάλλον, τη δράση, την κάμερα, το ύφος και τον ήχο. Ένα storyboard μπορεί να προσδιορίζει κάθε πλάνο και χρονικό διάστημα, ενώ η περιγραφή ενός μόνο πλάνου πρέπει να δηλώνει ότι η δράση παραμένει συνεχής. Ο οδηγός προτροπών Wan 2.7 αφήνει το μοντέλο να ερμηνεύσει τη δομή πλάνων από τη γραπτή περιγραφή, αντί να χρησιμοποιεί τον έλεγχο shot_type του 2.6. Το τρέχον API κειμένου δέχεται κινεζικές ή αγγλικές προτροπές έως 5,000 χαρακτήρες, με χωριστή αρνητική προτροπή 500 χαρακτήρων· το επιπλέον κείμενο περικόπτεται. Διατηρήστε σαφή την ουσιώδη δράση και τους περιορισμούς μέσα σε αυτό το όριο.

Η δημιουργία από εικόνα πρώτου καρέ ζωντανεύει μια παρεχόμενη αρχική εικόνα. Η δημιουργία από πρώτο/τελευταίο καρέ ορίζει επιπλέον το τελικό σημείο και την κίνηση που τα συνδέει. Ο οδηγός εικόνας 2.7 υποστηρίζει πηγή ήχου καθοδήγησης μαζί με αυτούς τους συνδυασμούς καρέ. Προετοιμάστε άκρα που μοιράζονται σκηνή και επιθυμητό θέμα και περιγράψτε τη μετάβαση, αντί να ζητάτε από το μοντέλο να επανερμηνεύσει τις δύο εικόνες ως άσχετες υφολογικές αναφορές. Η έξοδος προσεγγίζει τις αναλογίες της πρώτης εικόνας· ο οδηγός αντιμετωπίζει την ανάλυση ως βαθμίδα αριθμού pixel και στρογγυλοποιεί ανάλογα τις κωδικοποιημένες διαστάσεις.

Η συνέχεια βίντεο ξεκινά από αρχικό κλιπ και μπορεί επίσης να χρησιμοποιεί τελική εικόνα. Η ζητούμενη διάρκεια είναι ο συνολικός χρόνος του επιστρεφόμενου βίντεο, μαζί με το αρχικό τμήμα. Το παράδειγμα του οδηγού συνδυάζει πηγή δύο δευτερολέπτων με δέκα δευτερόλεπτα νέου περιεχομένου σε αποτέλεσμα δώδεκα δευτερολέπτων. Προετοιμάστε την τελική δράση της πηγής και δηλώστε τι ακολουθεί, ώστε η κάμερα και το θέμα να συνεχίζουν προς συνεκτική κατεύθυνση. Ελέγξτε την ένωση ως προς εμφάνιση, κίνηση, φως και ήχο, αντί να αξιολογείτε μόνο το νέο παραγόμενο τέλος.

Το τρέχον χωριστό προφίλ αναφορών του κατασκευαστή χρησιμοποιεί εικόνες ή βίντεο για να καθοδηγήσει χαρακτήρες, αντικείμενα ή σκηνή. Ο οδηγός επιτρέπει συνολικά έως πέντε εικόνες και βίντεο αναφοράς και χρησιμοποιεί ετικέτες ανά τύπο, όπως Image 1 και Video 1. Περιγράψτε τον ρόλο κάθε υλικού και την επιθυμητή αλληλεπίδραση. Για σκηνή με καθοδήγηση αναφορών, δείξτε τον χαρακτήρα μιας αναφοράς να μεταφέρει το αντικείμενο μιας άλλης σε συγκεκριμένη τοποθεσία. Το κάδρο αναφορών διαφέρει από τη δημιουργία από πρώτο καρέ: η περιγραφή μπορεί να ορίζει νέα σύνθεση, χωρίς να απαιτεί το βίντεο να ανοίγει σε συγκεκριμένη παρεχόμενη στατική εικόνα.

Για προσαρμοσμένο ήχο στη δημιουργία από κείμενο, οι τεκμηριωμένες μορφές είναι WAV και MP3, με διάρκεια δύο έως τριάντα δευτερολέπτων και μέγιστο 15 MB. Η επιλεγμένη διάρκεια βίντεο καθορίζει το χρησιμοποιούμενο τμήμα: ο μεγαλύτερος ήχος περικόπτεται σε αυτή τη διάρκεια, ενώ ήχος μικρότερος από το βίντεο αφήνει το υπόλοιπο σιωπηλό. Προετοιμάστε ακριβώς το ηχητικό απόσπασμα που ανήκει στο πλάνο και αφήστε χώρο για την επιθυμητή οπτική δράση. Χωρίς παρεχόμενο αρχείο ήχου, ο κατασκευαστής περιγράφει δημιουργία μουσικής υπόκρουσης ή εφέ κατάλληλων για τη σκηνή· ελέγξτε τον πραγματικό ήχο και οποιαδήποτε ζητούμενη ομιλία μαζί με την εικόνα.

Ο τρέχων πίνακας μοντέλων αναφέρει MP4 720p ή 1080p στα 30 fps, με έξοδο από κείμενο και εικόνα δύο έως δεκαπέντε δευτερολέπτων. Το χωριστό προφίλ αναφορών περιορίζεται σε δύο έως δέκα δευτερόλεπτα. Η δημιουργία από κείμενο προσφέρει κάδρο 16:9, 9:16, 1:1, 4:3 και 3:4. Οι εργασίες με εικόνες ακολουθούν δικούς τους κανόνες προσεγγιστικών αναλογιών πηγής, επομένως προετοιμάστε την περικοπή εισόδου για τον επιθυμητό προορισμό. Ένας κανόνας διάρκειας ή αναλογίας του προφίλ αναφορών δεν πρέπει να αντικαθιστά εκείνον της ροής καρέ ή συνέχειας.

Η τεκμηριωμένη ροή του κατασκευαστή είναι ασύγχρονη: ένα αναγνωριστικό εργασίας παρακολουθεί την επεξεργασία και το επιτυχές αποτέλεσμα παρέχει τη διεύθυνση βίντεο. Για τα αποτελέσματα τεκμηριώνεται ισχύς συνδέσμου είκοσι τεσσάρων ωρών, επομένως διατηρήστε το πραγματικό κλιπ και τα δημιουργικά υλικά για έλεγχο επεξεργασίας. Οι επιλογές επαναδιατύπωσης προτροπής, υδατογραφήματος και seed ανήκουν στην επιλεγμένη διεπαφή. Ο κατασκευαστής αναφέρει ότι σταθερό seed μπορεί να βελτιώσει την αναπαραγωγιμότητα, αλλά δεν εγγυάται πανομοιότυπο αποτέλεσμα. Συγκρίνετε το παραδοτέο με την περιγραφή, αντί να θεωρείτε ότι οι ρυθμίσεις διατηρούν από μόνες τους κάθε λεπτομέρεια.

Σε σύγκριση με το Wan 2.6, ο οδηγός εικόνας 2.7 προσθέτει ειδικά έλεγχο πρώτου/τελευταίου καρέ και συνέχεια βίντεο μέσω πολυτροπικών εισόδων μέσων. Το Wan 3.0 εισάγει διαφορετική ενοποιημένη δομή και μεγαλύτερο περιθώριο δημιουργίας. Το προφίλ 2.7 διατηρεί τους δικούς του ελέγχους και όρια ανά εργασία. Ελέγξτε ολόκληρη τη σκηνή για συνέχεια θέματος, σταθερά καρέ, ταυτότητα αναφορών, διάλογο, κίνηση και ενώσεις και κάντε την επόμενη διόρθωση συγκεκριμένη ως προς το πραγματικό πρόβλημα που βρέθηκε.