Alibaba: Wan 2.7

Alibaba Wan 2.7 adalah keluarga generasi video dengan profil bernama teks ke video, gambar ke video, dan berpanduan referensi. Produsen mendokumentasikan adegan dengan audio tersinkron serta narasi multishot, sementara alur gambarnya menambahkan generasi dari bingkai pertama/terakhir dan kelanjutan video awal. Hasil yang berguna adalah klip pendek dengan suaranya, misalnya transisi produk, cerita ringkas, atau kelanjutan yang sesuai dengan shot yang sudah ada. Pilih mode berdasarkan materi sumber dan kendali yang dibutuhkan atas awal atau akhir.

Untuk teks ke video, jelaskan subjek, latar, aksi, kamera, gaya, dan suara. Storyboard dapat menentukan setiap shot dan rentang waktu, sementara brief shot tunggal harus menyebutkan bahwa aksi tetap berkesinambungan. Panduan prompt Wan 2.7 membiarkan model menafsirkan struktur shot dari brief tertulis, alih-alih menggunakan kendali shot_type milik 2.6. API teks saat ini menerima prompt bahasa Mandarin atau Inggris hingga 5.000 karakter, dengan prompt negatif terpisah sepanjang 500 karakter; teks berlebih dipotong. Nyatakan aksi dan batasan penting dengan jelas dalam jatah tersebut.

Gambar ke video dari bingkai pertama menganimasikan gambar pembuka yang diberikan. Generasi dari bingkai pertama/terakhir juga menentukan titik akhir dan gerakan yang menghubungkannya. Panduan gambar 2.7 mendukung sumber audio penggerak bersama kombinasi bingkai tersebut. Siapkan titik ujung dengan adegan dan subjek yang dimaksud yang sama, lalu jelaskan transisinya, alih-alih meminta model menafsirkan ulang kedua gambar sebagai referensi gaya yang tidak berhubungan. Keluaran mendekati proporsi gambar pertama; panduan memperlakukan resolusi sebagai tingkat jumlah piksel dan membulatkan dimensi terenkode sebagaimana mestinya.

Kelanjutan video dimulai dengan klip sumber dan juga dapat menggunakan gambar penutup. Durasi yang diminta adalah total video yang dikembalikan, termasuk segmen asli. Contoh panduan menggabungkan sumber dua detik dengan sepuluh detik konten baru menjadi hasil dua belas detik. Siapkan aksi terakhir sumber dan sebutkan kejadian selanjutnya agar kamera dan subjek berlanjut dalam arah yang padu. Tinjau sambungan untuk tampilan, gerakan, cahaya, dan suara, alih-alih hanya menilai akhir yang baru dihasilkan.

Profil referensi terpisah pembuat saat ini menggunakan gambar atau video untuk memandu karakter, objek, atau adegan. Panduannya mengizinkan hingga lima gambar dan video referensi secara total serta menggunakan label khusus jenis seperti Image 1 dan Video 1. Jelaskan peran setiap materi dan interaksi yang dimaksud. Untuk adegan berpanduan referensi, tampilkan karakter dari satu referensi membawa objek dari referensi lain melalui lokasi tertentu. Pembingkaian referensi berbeda dari generasi bingkai pertama: brief dapat menetapkan komposisi baru, bukan mewajibkan video dibuka pada satu gambar diam yang diberikan.

Untuk audio khusus dalam generasi teks, format yang didokumentasikan adalah WAV dan MP3, dengan durasi dua hingga tiga puluh detik dan ukuran maksimum 15 MB. Durasi video yang dipilih menentukan bagian yang digunakan: audio lebih panjang dipotong sesuai durasi itu, sementara audio yang lebih pendek daripada video membuat sisanya hening. Siapkan bagian audio tepat yang sesuai untuk shot dan sisakan ruang bagi aksi visual yang dimaksud. Tanpa berkas audio, pembuat menjelaskan generasi musik latar atau efek yang sesuai dengan adegan; periksa suara sebenarnya dan setiap ucapan yang diminta bersama gambarnya.

Matriks model saat ini mencantumkan MP4 720p atau 1080p pada 30 fps, dengan keluaran teks dan gambar berdurasi dua hingga lima belas detik. Profil referensi terpisah dibatasi dua hingga sepuluh detik. Generasi teks menawarkan pembingkaian 16:9, 9:16, 1:1, 4:3, dan 3:4. Tugas berkondisi gambar menggunakan aturan perkiraan proporsi sumbernya sendiri, sehingga siapkan potongan masukan untuk tujuan yang dimaksud. Aturan durasi atau aspek dari profil referensi tidak boleh menggantikan alur bingkai atau kelanjutan.

Alur pembuat yang didokumentasikan bersifat asinkron: pengenal tugas melacak pemrosesan, dan hasil sukses menyediakan lokasi video. Dokumentasi menyebutkan masa berlaku tautan hasil selama dua puluh empat jam, sehingga simpan klip sebenarnya beserta materi kreatif untuk tinjauan penyuntingan. Opsi penulisan ulang prompt, watermark, dan seed bergantung pada antarmuka yang dipilih. Pembuat menyatakan bahwa seed tetap dapat meningkatkan keterulangan, tetapi tidak menjamin hasil identik. Bandingkan artefak yang dikembalikan dengan brief, alih-alih menganggap pengaturan saja mempertahankan setiap detail.

Dibandingkan Wan 2.6, panduan gambar 2.7 secara khusus menambahkan kendali bingkai pertama/terakhir dan kelanjutan video melalui masukan media multimodal. Wan 3.0 memperkenalkan struktur terpadu yang berbeda dan jatah generasi lebih panjang. Profil 2.7 ini mempertahankan kendali dan batas khusus tugasnya. Tinjau seluruh adegan untuk kesinambungan subjek, acuan bingkai, identitas referensi, dialog, gerakan, dan sambungan, lalu buat koreksi berikutnya yang spesifik untuk masalah nyata yang ditemukan.