Alibaba: Wan 2.7

Alibaba Wan 2.7 est une famille de génération vidéo dotée de profils nommés pour le texte en vidéo, l’image en vidéo et la génération guidée par références. Le fabricant documente des scènes avec audio synchronisé et des histoires à plusieurs plans, tandis que son processus fondé sur des images ajoute la génération à partir d’une première et d’une dernière image ainsi que la continuation d’une vidéo initiale. Le résultat utile est une courte séquence avec son, comme une transition de produit, une histoire compacte ou une continuation qui s’intègre à un plan existant. Choisissez le mode en fonction des éléments sources et du contrôle voulu sur le début ou la fin.

Pour le texte en vidéo, décrivez le sujet, le décor, l’action, la caméra, le style et le son. Un scénarimage peut identifier chaque plan et sa plage de temps, tandis qu’un brief de plan unique doit préciser que l’action reste continue. Le guide de prompts Wan 2.7 laisse le modèle interpréter la structure des plans à partir du brief écrit plutôt que d’utiliser la commande shot_type de la version 2.6. L’API texte actuelle accepte les prompts en chinois ou en anglais jusqu’à 5 000 caractères, avec un prompt négatif distinct de 500 caractères; le texte excédentaire est tronqué. Gardez l’action essentielle et les contraintes claires dans cette limite.

La génération d’image en vidéo à partir d’une première image anime une image d’ouverture fournie. La génération avec première et dernière images définit aussi le point d’arrivée et le mouvement qui les relie. Le guide d’image 2.7 prend en charge une source audio de pilotage avec ces combinaisons d’images. Préparez des images qui partagent une scène et le sujet voulu, et décrivez la transition au lieu de demander au modèle de réinterpréter les deux images comme des références stylistiques sans lien. La sortie se rapproche des proportions de la première image; le guide traite la résolution comme un palier de nombre de pixels et arrondit adéquatement les dimensions encodées.

La continuation vidéo commence par une séquence source et peut aussi utiliser une image de clôture. La durée demandée correspond à la vidéo totale renvoyée, y compris le segment original. L’exemple du guide combine une source de deux secondes et dix secondes de nouveau contenu pour obtenir un résultat de douze secondes. Préparez l’action finale de la source et précisez ce qui suit, afin que la caméra et le sujet continuent dans une direction cohérente. Vérifiez le raccord pour l’apparence, le mouvement, la lumière et le son au lieu d’évaluer seulement la fin nouvellement générée.

Le profil de référence distinct actuel du fabricant utilise des images ou des vidéos pour guider les personnages, les objets ou une scène. Son guide autorise jusqu’à cinq images et vidéos de référence au total et utilise des étiquettes propres au type, comme Image 1 et Video 1. Décrivez le rôle de chaque élément et l’interaction souhaitée. Pour une scène guidée par références, montrez un personnage issu d’une référence portant l’objet d’une autre dans un lieu précis. Le cadrage par références diffère de la génération à partir d’une première image : le brief peut établir une nouvelle composition au lieu d’exiger que la vidéo commence sur une image fixe fournie.

Pour l’audio personnalisé en génération de texte, les formats documentés sont WAV et MP3, avec une durée de deux à trente secondes et une taille maximale de 15 Mo. La durée vidéo choisie détermine la portion utilisée : un audio plus long est coupé à cette durée, tandis qu’un audio plus court que la vidéo laisse le reste silencieux. Préparez le passage audio exact qui appartient au plan et prévoyez de la place pour l’action visuelle voulue. Sans fichier audio fourni, le fabricant décrit la génération de musique de fond ou d’effets adaptés à la scène; inspectez le son réel et toute parole demandée avec l’image.

La matrice actuelle des modèles indique une sortie MP4 en 720p ou 1080p à 30 images/s, avec deux à quinze secondes pour la génération à partir de texte et d’images. Le profil de référence distinct est limité à deux à dix secondes. La génération à partir de texte propose les cadrages 16:9, 9:16, 1:1, 4:3 et 3:4. Les tâches conditionnées par image utilisent leurs propres règles d’approximation des proportions de la source : préparez donc le recadrage d’entrée pour la destination visée. Une règle de durée ou de format du profil de référence ne doit pas remplacer celle du processus fondé sur des images de début et de fin ou sur la continuation.

Le processus documenté du fabricant est asynchrone : un identifiant de tâche suit le traitement, et un résultat réussi fournit l’emplacement de la vidéo. La documentation indique que les liens des résultats sont valides pendant vingt-quatre heures; conservez donc la séquence et les éléments créatifs pour la vérification du montage. Les options de réécriture du prompt, de filigrane et de seed appartiennent à l’interface choisie. Le fabricant indique qu’un seed fixe peut améliorer la reproductibilité, mais ne garantit pas un résultat identique. Comparez le résultat au brief plutôt que de supposer que les réglages seuls préservent chaque détail.

Par rapport à Wan 2.6, le guide d’image 2.7 ajoute précisément le contrôle de première et dernière images et la continuation vidéo au moyen d’entrées multimodales. Wan 3.0 introduit une structure tout-en-un différente et une durée de génération plus longue. Ce profil 2.7 conserve ses contrôles et limites propres à chaque tâche. Vérifiez l’ensemble de la scène pour la continuité du sujet, les images d’ancrage, l’identité des références, les dialogues, le mouvement et les raccords, puis ciblez la correction suivante sur le problème réellement repéré.