Alibaba: Wan 2.7

Alibaba Wan 2.7 est une famille de génération vidéo avec des profils nommés à partir de texte, d’une image et de références. Le producteur documente des scènes synchronisées avec le son et des narrations à plusieurs plans, tandis que son processus d’images ajoute la génération avec première et dernière image et le prolongement d’une vidéo initiale. Le résultat utile est un court clip avec son audio, par exemple une transition de produit, une histoire compacte ou un prolongement adapté à un plan existant. Choisissez le mode selon les matériaux sources et le contrôle nécessaire sur le début ou la fin.

Pour la génération de vidéo à partir de texte, décrivez le sujet, le décor, l’action, la caméra, le style et le son. Un storyboard peut identifier chaque plan et sa plage temporelle, tandis qu’un brief à 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 au lieu d’utiliser le contrôle shot_type de la version 2.6. L’API textuelle actuelle accepte des 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 et les contraintes essentielles claires dans cette limite.

La génération à partir d’une première image anime une image d’ouverture fournie. La génération avec première et dernière image définit aussi le point final et le mouvement qui le relie au départ. Le guide d’images 2.7 prend en charge une source audio de pilotage avec ces combinaisons d’images. Préparez des extrémités qui partagent une scène et un sujet prévu, et décrivez la transition au lieu de demander au modèle de réinterpréter les deux images comme des références de style 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 les dimensions encodées en conséquence.

Le prolongement vidéo commence par un clip source et peut aussi utiliser une image de fin. La durée demandée est celle de la vidéo totale renvoyée, segment original compris. L’exemple du guide combine une source de deux secondes avec dix secondes de nouveau contenu pour obtenir douze secondes. Préparez l’action finale de la source et précisez la suite afin que la caméra et le sujet poursuivent une direction cohérente. Vérifiez le raccord pour l’apparence, le mouvement, la lumière et le son au lieu d’évaluer uniquement la nouvelle fin générée.

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

Pour le son personnalisé dans la génération à partir de texte, les formats documentés sont WAV et MP3, avec une durée de deux à trente secondes et un maximum de 15 Mo. La durée vidéo choisie détermine la partie utilisée : un audio plus long est coupé à cette durée, tandis qu’un audio plus court que la vidéo laisse le reste muet. Préparez le passage audio exact qui appartient au plan et laissez de la place à l’action visuelle souhaitée. Sans fichier audio fourni, le producteur décrit la génération de musique de fond ou d’effets adaptés à la scène ; examinez le son réel et toute parole demandée avec l’image.

Le tableau actuel des modèles indique des MP4 720p ou 1080p à 30 images par seconde, avec des sorties à partir de texte ou d’images de deux à quinze secondes. Le profil de références séparé 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 une image utilisent leurs propres règles de proportions sources approximatives : préparez donc le recadrage d’entrée pour la destination prévue. Une règle de durée ou de rapport du profil de références ne doit pas remplacer celle du processus d’images de début et de fin ou de prolongement.

Le processus documenté du producteur est asynchrone : un identifiant de tâche suit le traitement et un résultat réussi fournit l’adresse de la vidéo. Les résultats sont documentés avec des liens valides pendant vingt-quatre heures : conservez donc le clip lui-même et les matériaux créatifs pour la revue de montage. Les options de réécriture de prompt, de filigrane et de seed appartiennent à l’interface choisie. Le producteur indique qu’un seed fixe peut améliorer la reproductibilité sans garantir un résultat identique. Comparez le fichier renvoyé au brief au lieu de supposer que les réglages seuls préservent chaque détail.

Par rapport à Wan 2.6, le guide d’images 2.7 ajoute spécifiquement le contrôle des premières et dernières images et le prolongement vidéo par des entrées multimodales. Wan 3.0 introduit une structure tout-en-un différente et une durée de génération autorisée plus longue. Ce profil 2.7 conserve ses contrôles et ses limites propres à chaque tâche. Examinez toute la scène pour la continuité du sujet, les images imposées, l’identité des références, le dialogue, le mouvement et les raccords, et ciblez la correction suivante sur le problème réel constaté.