Alibaba: Wan 2.6

Alibaba Wan 2.6 est une famille de génération vidéo avec des profils distincts à partir de texte, d’une première image et de références. Le producteur documente du son synchronisé et des narrations à plusieurs plans. Une scène écrite peut devenir un clip, une image fixe préparée peut définir 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 son audio, préparée pour la revue ou l’utilisation 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 textuel hérité de la version 2.6 accepte des 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 à côté d’un petit colis, puis terminez sur le colis pendant qu’un léger 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 un aspect spécifique du processus 2.6. Le guide textuel du producteur propose les réglages shot_type single ou multi, avec single par défaut. Dans ce mode textuel, le réglage prend effet lorsque la réécriture du prompt est activée, et le paramètre est prioritaire sur une formulation contradictoire du brief. Décrivez les plans et leurs temps de manière cohérente avec le réglage choisi. Le guide Wan 2.7 ultérieur interprète plutôt la structure des plans directement à partir du prompt : cette préparation plus récente ne doit donc pas remplacer implicitement les contrôles documentés de cette édition.

La génération à partir d’une première image utilise une image pour définir 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 producteur identifie les premières et dernières images et le prolongement d’un clip source comme des ajouts du processus d’images 2.7, plutôt que des contrôles à attribuer au profil de première image de la version 2.6. Pour une animation de produit, examinez l’objet pendant tout le mouvement et vérifiez que sa forme, ses inscriptions et sa scène restent adaptés au plan prévu.

L’API de références actuelle héritée de la version 2.6 accepte des images et des vidéos dans une liste de références ordonnée. Elle autorise 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 au lieu d’emprunter les étiquettes propres au type de Wan 2.7. Décrivez clairement l’action et les répliques de chaque personnage afin de vérifier l’attribution et l’identité dans une interaction à plusieurs personnages.

Le guide de références 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. Les vidéos de référence peuvent utiliser MP4 ou MOV jusqu’à 100 Mo ; le champ actuel reference_urls accepte des vidéos d’une à trente secondes. Le champ obsolète réservé à la vidéo a une durée minimale différente et ne relève pas du même contrat de préparation. Choisissez le passage source et le sujet qui doivent informer 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 textuelle du producteur prend en charge du son fourni par son champ de source audio documenté, et les modes de sortie comprennent du son synchronisé avec l’image. Précisez le dialogue, l’interprétation et l’atmosphère souhaités dans le brief et examinez les mots et les effets réels. Le contrôle audio facultatif de l’API de références est spécifiquement étiqueté pour la variante de références Flash ; il ne s’agit pas d’un contrôle universel de vidéo muette à supposer pour tous les modes 2.6. Le son et l’image doivent tous deux être examinés par rapport à la scène prévue.

Les spécifications actuelles du producteur 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 à partir de références. Ses guides vidéo décrivent du MP4 à 30 images par seconde, tandis que l’API de références sélectionne des dimensions explicites largeur × hauteur plutôt qu’une simple étiquette de rapport. Les options paysage, portrait et carré ont leurs propres dimensions documentées. Gardez les règles de durée et de dimensions du mode choisi avec le brief au lieu d’emprunter les trente secondes de génération autorisées 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 producteur 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 de montage. Un seed fixe peut aider à comparer des requêtes, mais le guide hérité précise explicitement qu’il 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.