Alibaba: Wan 2.7

Az Alibaba Wan 2.7 videógeneráló család külön elnevezett szöveg-videó, kép-videó és referenciák vezérelte profilokkal. A gyártó hanggal szinkronizált jeleneteket és többfelvételes történeteket dokumentál, képes munkafolyamata pedig első/utolsó képkockás generálást és kezdővideó folytatását is hozzáadja. A hasznos eredmény rövid, hangos klip, például termékátmenet, tömör történet vagy meglévő felvételhez illeszkedő folytatás. A módot a forrásanyag és a kezdet vagy vég feletti szükséges irányítás alapján válaszd.

Szöveg-videó módban írd le a témát, környezetet, cselekvést, kamerát, stílust és hangot. Storyboardban megnevezhető minden felvétel és időtartomány; egyfelvételes leírásnál mondd ki, hogy a cselekvés folyamatos marad. A Wan 2.7 promptútmutatója az írott leírásból értelmezteti a felvételszerkezetet, a 2.6 shot_type vezérlőjének használata helyett. A jelenlegi szöveges API kínai vagy angol promptot fogad legfeljebb 5 000 karakterrel, külön 500 karakteres negatív prompttal; a többletszöveget levágja. E kereten belül világosan add meg a lényegi cselekvést és megkötéseket.

Az első képkockás kép-videó mód megadott nyitóképet animál. Az első/utolsó képkockás generálás a végpontot és az oda vezető mozgást is meghatározza. A 2.7 képes útmutató ezek mellett a képkocka-kombinációk mellett vezérlő hangforrást is támogat. Közös jelenethez és szándékolt témához tartozó végpontokat készíts elő, és az átmenetet írd le, ne a két kép egymástól független stílusreferenciaként való újraértelmezését kérd. A kimenet megközelíti az első kép arányait; az útmutató a felbontást pixelszámszintként kezeli, és megfelelően kerekíti a kódolt méreteket.

A videófolytatás forrásklippel indul, és záróképet is használhat. A kért időtartam a teljes visszaadott videó, az eredeti szakasszal együtt. Az útmutató példája kétmásodperces forrást és tíz másodpercnyi új tartalmat egyesít tizenkét másodperces eredménnyé. Készítsd elő a forrás utolsó cselekvését, és mondd el, mi következik, hogy a kamera és a téma összefüggő irányban folytatódjon. Az illesztést a megjelenés, mozgás, fény és hang szempontjából ellenőrizd, ne csak az újonnan generált befejezést értékeld.

A gyártó jelenlegi külön referenciaprofilja képekkel vagy videóval irányít karaktereket, tárgyakat vagy jelenetet. Útmutatója összesen legfeljebb öt referenciaképet és -videót enged, és típusonkénti címkéket használ, például Image 1 és Video 1. Írd le minden anyag szerepét és a kívánt kölcsönhatást. Referenciák vezérelte jelenetben például az egyik referencia karaktere vigye a másik tárgyát egy megadott helyszínen át. A referenciás képkivágás eltér az első képkockás generálástól: a leírás új kompozíciót határozhat meg ahelyett, hogy a videónak egy megadott állóképpel kellene nyitnia.

Szöveges generálás egyéni hangjához a dokumentált formátum WAV és MP3, két–harminc másodperces időtartammal és legfeljebb 15 MB-tal. A kiválasztott videóhossz határozza meg a felhasznált részt: a hosszabb hangot erre az időre vágja, a videónál rövidebb hang pedig a hátralévő részt némán hagyja. Készítsd elő a felvételhez tartozó pontos hangrészletet, és hagyj helyet a kívánt vizuális cselekvésnek. Hangfájl nélkül a gyártó a jelenethez illő háttérzene vagy effektusok generálását írja le; a tényleges hangot és minden kért beszédet a képpel együtt ellenőrizd.

A jelenlegi modelltáblázat 720p vagy 1080p MP4-et sorol fel 30 fps mellett, két–tizenöt másodperces szöveges és képes kimenettel. A külön referenciaprofil két–tíz másodpercre korlátozott. A szöveges generálás 16:9, 9:16, 1:1, 4:3 és 3:4 képkivágást kínál. A képi bemenettel vezérelt feladatok saját, közelítő forrásarány-szabályokat használnak, ezért a bemeneti kivágást a célfelhasználáshoz készítsd elő. A referenciaprofil időtartam- vagy oldalarányszabálya nem helyettesítheti a képkockás vagy folytatási munkafolyamatét.

A dokumentált gyártói folyamat aszinkron: feladatazonosító követi a feldolgozást, siker esetén pedig megkapod a videó helyét. Az eredményekhez huszonnégy órás linkérvényességet dokumentálnak, ezért szerkesztési ellenőrzéshez őrizd meg magát a klipet és az alkotói anyagokat. A promptátírás, vízjel és seed lehetőségei a kiválasztott felülethez tartoznak. A gyártó szerint a rögzített seed javíthatja a reprodukálhatóságot, de nem garantál azonos eredményt. A visszaadott alkotást vesd össze a leírással, ne feltételezd, hogy a beállítások önmagukban minden részletet megőriznek.

A Wan 2.6-hoz képest a 2.7 képes útmutató kifejezetten hozzáadja az első/utolsó képkockás irányítást és a videófolytatást multimodális médiabemeneteken keresztül. A Wan 3.0 eltérő mindent egyben szerkezetet és hosszabb generálási keretet vezet be. Ez a 2.7 profil megtartja feladatspecifikus vezérlőit és korlátait. A teljes jeleneten ellenőrizd a téma folytonosságát, rögzítő képkockákat, referenciaazonosságot, párbeszédet, mozgást és illesztéseket, majd a következő javítást a ténylegesen talált problémára célozd.