Alibaba: Wan 2.6

Alibaba Wan 2.6 è una famiglia di generazione video con profili distinti per text-to-video, image-to-video dal primo fotogramma e reference-to-video. Il produttore documenta audio sincronizzato e narrazioni con più riprese. Una scena scritta può diventare una clip, un’immagine statica preparata può definirne l’apertura oppure riferimenti visivi possono guidare personaggi e oggetti in una nuova scena. L’output utile è il breve video completato con il relativo suono, pronto per la revisione o l’uso in una sequenza montata.

Per la generazione da testo, descrivi soggetto, ambiente, movimento, camera e suono. La guida legacy di testo 2.6 accetta prompt in cinese o inglese fino a 1.500 caratteri, con un prompt negativo separato di 500 caratteri; il testo più lungo viene troncato. Per un’animazione di prodotto, segui un furgoncino giocattolo che attraversa un banco da lavoro, fermati accanto a un piccolo pacco e termina sul pacco mentre un leggero suono meccanico scandisce l’arresto. Mantieni la sequenza abbastanza semplice da rendere facile valutare l’azione centrale.

Il controllo di più riprese è una parte specifica del flusso 2.6. La guida di testo del produttore offre impostazioni shot_type single o multi, con single come valore predefinito. In tale modalità testuale l’impostazione entra in funzione con la riscrittura del prompt attiva e il parametro ha priorità su formulazioni contraddittorie nel brief. Descrivi riprese e tempi in modo coerente con l’impostazione selezionata. La successiva guida Wan 2.7 interpreta invece la struttura delle riprese direttamente dal prompt, quindi tale preparazione più recente non deve sostituire implicitamente i controlli documentati di questa edizione.

La generazione dal primo fotogramma usa un’immagine per definire l’apertura e un prompt per descrivere ciò che segue. Prepara nell’immagine statica ritaglio, soggetto e dettagli visivi desiderati prima di chiedere movimento. Il confronto del produttore identifica primo e ultimo fotogramma e continuazione della clip sorgente come aggiunte al flusso immagini 2.7, anziché controlli da assegnare al profilo del primo fotogramma di 2.6. Per un’animazione di prodotto, controlla l’oggetto durante l’intero movimento e verifica che forma, marcature e scena restino adatte alla ripresa desiderata.

L’attuale API legacy di riferimento 2.6 accetta immagini e video tramite un elenco ordinato di riferimenti. Consente fino a cinque immagini e tre video, con un massimo complessivo di cinque file. Ogni riferimento deve contenere un soggetto. Il primo corrisponde a character1, il secondo a character2 e così via; usa tali identificatori nel prompt anziché prendere le etichette specifiche per tipo di Wan 2.7. Descrivi chiaramente azione e battute di ciascun personaggio, affinché un’interazione con più personaggi possa essere verificata per attribuzione e identità.

La guida di riferimento elenca immagini JPEG/JPG, PNG senza trasparenza, BMP e WEBP fino a 20 MB, con ciascuna dimensione compresa fra 240 e 8.000 pixel. Il video di riferimento può essere MP4 o MOV fino a 100 MB; l’attuale campo reference_urls accetta video da uno a trenta secondi. Il campo obsoleto riservato ai video ha una durata minima diversa e non rappresenta lo stesso contratto di preparazione. Scegli il passaggio sorgente e il soggetto che devono influenzare la scena e mantieni espliciti i ruoli dei riferimenti. Anche un personaggio riconoscibile può essere collocato o doppiato in modo sbagliato nel risultato.

La generazione da testo del produttore supporta audio fornito tramite il campo sorgente audio documentato e le modalità di output includono suono sincronizzato con l’immagine. Indica nel brief dialoghi, interpretazione e atmosfera desiderati e controlla parole ed effetti effettivi. L’interruttore audio facoltativo dell’API di riferimento è etichettato specificamente per la variante di riferimento Flash; non è un controllo universale del video muto da presumere per ogni modalità 2.6. Suono e immagine richiedono entrambi un’ispezione rispetto alla scena desiderata.

Le specifiche attuali del produttore elencano output in 720p e 1080p, con generazione da testo e immagini di due-quindici secondi e da riferimenti di due-dieci secondi. Le guide video descrivono MP4 a 30 fps, mentre l’API di riferimento seleziona dimensioni esplicite di larghezza per altezza anziché una semplice etichetta di rapporto. Le opzioni orizzontali, verticali e quadrate hanno dimensioni documentate proprie. Conserva nel brief le regole di durata e dimensioni della modalità selezionata, senza prendere in prestito il limite di generazione di trenta secondi di Wan 3.0 o la configurazione adattiva di un’altra edizione.

La generazione viene elaborata come un’attività e un risultato riuscito fornisce l’indirizzo del video. Il produttore documenta una validità del link del risultato di ventiquattro ore. Conserva la clip effettiva, i riferimenti sorgente e il prompt per la revisione del montaggio. Un seed fisso può aiutare a confrontare le richieste, ma la guida legacy afferma esplicitamente che non garantisce risultati identici. Controlla continuità, identità dei riferimenti, contatto fra oggetti, struttura delle riprese richiesta, dialoghi e dettagli visibili. La correzione successiva deve affrontare il problema specifico individuato, preservando la direzione riuscita della ripresa.