Alibaba: Wan 2.6

Alibaba Wan 2.6 est une famille de génération vidéo avec des profils distincts pour la vidéo à partir de texte, d’une première image et de références. Le fabricant documente l’audio synchronisé et les récits à plusieurs plans. Une scène écrite peut devenir un clip, une image fixe préparée peut établir l’ouverture, ou des références visuelles peuvent guider des personnages et des objets dans une nouvelle scène. La sortie utile est la courte vidéo terminée avec sa bande sonore, préparée pour une revue ou une utilisation dans une séquence montée.

Pour la génération textuelle, décrivez le sujet, l’environnement, le mouvement, la caméra et le son. Le guide textuel historique 2.6 accepte des prompts en chinois ou en anglais jusqu’à 1’500 caractères, avec un prompt négatif séparé de 500 caractères ; les textes plus longs sont tronqués. Pour une animation de produit, suivez une camionnette de livraison miniature traversant un établi, faites-la s’arrêter près d’un petit colis et terminez sur celui-ci pendant qu’un discret bruit mécanique marque l’arrêt. Gardez la séquence suffisamment simple pour que son action centrale reste facile à évaluer.

Le contrôle de plusieurs plans est une composante spécifique du processus 2.6. Le guide textuel du fabricant propose les valeurs single ou multi pour shot_type, single étant la valeur par défaut. Dans ce mode textuel, le réglage agit lorsque la réécriture du prompt est activée, et le paramètre prime sur les formulations contradictoires du brief. Décrivez les plans et leur temporalité en accord avec le réglage choisi. Le guide Wan 2.7 ultérieur interprète au contraire la structure des plans directement à partir du prompt ; cette préparation plus récente ne doit donc pas remplacer implicitement les commandes documentées de cette édition.

La génération à partir de la 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 la première et la dernière image ainsi que le prolongement à partir d’un clip source comme des ajouts du processus image 2.7, plutôt que des commandes à attribuer au profil de première image de la version 2.6. Pour une animation de produit, examinez l’objet tout au long du mouvement et vérifiez que sa forme, ses marquages et la scène conviennent toujours au plan prévu.

L’API de référence historique 2.6 actuelle accepte des images et des vidéos dans une liste de références ordonnée. Elle autorise jusqu’à cinq images et trois vidéos, avec un maximum cumulé de cinq fichiers. Chaque référence doit contenir un sujet. La première correspond à character1, la deuxième à character2, et ainsi de suite ; utilisez ces identifiants dans le prompt au lieu d’emprunter les libellés propres aux types de Wan 2.7. Décrivez clairement l’action et les répliques de chaque personnage afin de pouvoir contrôler l’attribution et l’identité dans une interaction à plusieurs personnages.

Le guide de référence indique les images JPEG/JPG, PNG sans transparence, BMP et WEBP jusqu’à 20 Mo, chaque dimension devant être comprise entre 240 et 8’000 pixels. Une 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 obsolète réservé à la vidéo a une durée minimale différente et ne constitue pas le même contrat de préparation. Choisissez le passage source et le sujet qui doivent nourrir la scène, et explicitez les rôles des références. Un personnage reconnaissable peut malgré tout être mal placé ou recevoir une voix incorrecte dans le résultat.

La génération textuelle du fabricant prend en charge un audio fourni par son champ de source audio documenté, et les modes de sortie comprennent un son synchronisé avec l’image. Indiquez dans le brief le dialogue, l’interprétation et l’atmosphère souhaités, puis vérifiez les mots et les effets réels. L’option d’activation audio de l’API de référence est expressément indiquée pour la variante de référence Flash ; elle ne constitue pas une commande universelle de vidéo silencieuse à supposer pour tous les modes 2.6. Le son et l’image doivent tous deux être comparés à la scène souhaitée.

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

La génération est traitée comme une tâche, et un résultat réussi fournit l’adresse de la vidéo. Le fabricant documente une validité de vingt-quatre heures pour les liens de résultat. Conservez le clip lui-même, les références sources et le prompt pour la revue du montage. Une graine fixe peut aider à comparer les requêtes, mais le guide historique précise expressément qu’elle ne garantit pas des résultats identiques. Vérifiez la continuité, l’identité des références, les contacts entre objets, la structure de plans demandée, le dialogue et les détails visibles. La correction suivante doit traiter le problème précis constaté tout en préservant la direction réussie du plan.