Alibaba: Wan 2.6

Alibaba Wan 2.6 est une famille de génération vidéo dotée de profils distincts pour le texte en vidéo, l’image en vidéo à partir d’une première image et les références en vidéo. Le fabricant documente l’audio synchronisé et les histoires à plusieurs plans. Une scène écrite peut devenir une séquence, une image fixe préparée peut établir l’ouverture, ou des références visuelles peuvent guider les personnages et les objets dans une nouvelle scène. Le résultat utile est la courte vidéo terminée et son ambiance sonore, prête à être vérifiée ou utilisée dans une séquence montée.

Pour la génération à partir de texte, décrivez le sujet, l’environnement, le mouvement, la caméra et le son. Le guide texte hérité 2.6 accepte les prompts en chinois ou en anglais jusqu’à 1 500 caractères, avec un prompt négatif distinct de 500 caractères; le texte plus long est tronqué. Pour une animation de produit, suivez une camionnette de livraison miniature qui traverse un établi, s’arrête près d’un petit colis, puis terminez sur le colis pendant qu’un son mécanique discret marque l’arrêt. Gardez la séquence assez simple pour que son action centrale reste facile à évaluer.

Le contrôle de plusieurs plans est une partie précise du processus 2.6. Le guide texte du fabricant propose les réglages shot_type single ou multi, single étant la valeur par défaut. Dans ce mode texte, le réglage prend effet lorsque la réécriture du prompt est activée, et le paramètre a priorité sur toute formulation contradictoire du brief. Décrivez les plans et leur durée en cohérence avec le réglage choisi. Le guide Wan 2.7 plus récent interprète plutôt la structure des plans directement à partir du prompt : cette nouvelle préparation ne doit donc pas remplacer silencieusement les contrôles documentés de cette édition.

La génération à partir d’une première image utilise une image pour établir l’ouverture et un prompt pour décrire la suite. Préparez le recadrage, le sujet et les détails visuels souhaités dans l’image fixe avant de demander du mouvement. La comparaison du fabricant présente les contrôles de première et dernière images et de continuation d’une séquence source comme des ajouts du processus d’image 2.7, et non comme des contrôles à attribuer au profil de première image 2.6. Pour une animation de produit, vérifiez l’objet pendant tout le mouvement et contrôlez si sa forme, ses marques et sa scène conviennent toujours au plan voulu.

L’API de référence héritée 2.6 actuelle accepte les images et les vidéos dans une liste ordonnée de références. Elle permet jusqu’à cinq images et trois vidéos, avec un maximum combiné de cinq fichiers. Chaque référence doit contenir un seul sujet. La première correspond à character1, la deuxième à character2, et ainsi de suite; utilisez ces identifiants dans le prompt plutôt que d’emprunter les étiquettes propres au type de Wan 2.7. Décrivez clairement l’action et les répliques de chaque personnage pour pouvoir vérifier l’attribution et l’identité dans une interaction à plusieurs personnages.

Le guide de référence indique des images JPEG/JPG, PNG sans transparence, BMP et WEBP jusqu’à 20 Mo, avec chaque dimension comprise entre 240 et 8 000 pixels. La vidéo de référence peut être au format MP4 ou MOV jusqu’à 100 Mo; le champ reference_urls actuel accepte des vidéos d’une à trente secondes. Le champ déprécié réservé aux vidéos a une durée minimale différente et ne constitue pas le même contrat de préparation. Choisissez le passage source et le sujet qui doivent guider la scène, et gardez les rôles des références explicites. Un personnage reconnaissable peut tout de même être mal placé ou recevoir la mauvaise voix dans le résultat.

La génération à partir de texte du fabricant prend en charge l’audio fourni au moyen de son champ de source audio documenté, et les modes de sortie comprennent le son synchronisé avec l’image. Précisez le dialogue, l’interprétation et l’atmosphère souhaités dans le brief, puis vérifiez les paroles et effets réels. Le commutateur audio facultatif de l’API de référence est expressément étiqueté pour la variante de référence Flash; il ne s’agit pas d’une commande universelle de vidéo silencieuse à présumer pour chaque mode 2.6. Le son et l’image doivent tous deux être inspectés par rapport à la scène voulue.

Les spécifications actuelles du fabricant indiquent des sorties 720p et 1080p, avec deux à quinze secondes pour la génération à partir de texte et d’images et deux à dix secondes pour la génération par références. Ses guides vidéo décrivent du MP4 à 30 images/s, tandis que l’API de référence sélectionne une taille explicite largeur par hauteur plutôt qu’une simple étiquette de ratio. Les options paysage, portrait et carré ont leurs propres dimensions documentées. Conservez les règles de durée et de taille du mode choisi avec le brief, au lieu d’emprunter la durée de génération de trente secondes de Wan 3.0 ou la configuration adaptative d’une autre édition.

La génération est traitée comme une tâche, et un résultat réussi fournit l’emplacement de la vidéo. Le fabricant documente une validité de vingt-quatre heures pour le lien du résultat. Conservez la séquence, les références sources et le prompt pour la vérification du montage. Un seed fixe peut aider à comparer les requêtes, mais le guide hérité précise expressément qu’il ne garantit pas des résultats identiques. Vérifiez la continuité, l’identité des références, les contacts entre objets, la structure des plans demandée, les dialogues et les détails visibles. La correction suivante doit traiter le problème précis repéré tout en préservant la direction réussie du plan.