Alibaba: Wan 2.7

Alibaba Wan 2.7 è una famiglia di generazione video con profili denominati per text-to-video, image-to-video e generazione guidata da riferimenti. Il produttore documenta scene con audio sincronizzato e narrazioni con più riprese, mentre il flusso basato su immagini aggiunge generazione dal primo e ultimo fotogramma e continuazione di un video iniziale. Il risultato utile è una breve clip con il relativo suono, come una transizione di prodotto, una storia compatta o una continuazione adatta a una ripresa esistente. Scegli la modalità in base al materiale sorgente e al controllo necessario su inizio o fine.

Per il text-to-video, descrivi soggetto, ambientazione, azione, camera, stile e suono. Uno storyboard può identificare ogni ripresa e intervallo temporale, mentre il brief di una ripresa singola deve specificare che l’azione resta continua. La guida ai prompt di Wan 2.7 lascia al modello l’interpretazione della struttura delle riprese dal brief scritto anziché usare il controllo shot_type di 2.6. L’attuale API di testo accetta prompt in cinese o inglese fino a 5.000 caratteri, con un prompt negativo separato di 500 caratteri; il testo eccedente viene troncato. Mantieni chiare le azioni e i vincoli essenziali entro questo limite.

L’image-to-video dal primo fotogramma anima un’immagine iniziale fornita. La generazione dal primo e ultimo fotogramma definisce anche il punto finale e il movimento che li collega. La guida immagini 2.7 supporta una sorgente audio guida insieme a queste combinazioni di fotogrammi. Prepara immagini iniziale e finale che condividano scena e soggetto desiderato e descrivi la transizione, invece di chiedere al modello di reinterpretarle come riferimenti stilistici indipendenti. L’output approssima le proporzioni della prima immagine; la guida tratta la risoluzione come una fascia di numero di pixel e arrotonda opportunamente le dimensioni codificate.

La continuazione video parte da una clip sorgente e può usare anche un’immagine finale. La durata richiesta è quella del video restituito complessivo, incluso il segmento originale. L’esempio della guida combina una sorgente di due secondi con dieci secondi di nuovo contenuto in un risultato di dodici secondi. Prepara l’azione finale della sorgente e indica cosa accade dopo, affinché camera e soggetto continuino in una direzione coerente. Controlla il raccordo per aspetto, movimento, luce e suono, invece di valutare solo il finale appena generato.

L’attuale profilo di riferimento separato del produttore usa immagini o video per guidare personaggi, oggetti o una scena. La guida consente fino a cinque immagini e video di riferimento in totale e usa etichette specifiche per tipo, come Image 1 e Video 1. Descrivi il ruolo di ogni materiale e l’interazione desiderata. Per una scena guidata da riferimenti, mostra un personaggio tratto da un riferimento che trasporta l’oggetto di un altro attraverso un luogo specificato. L’inquadratura da riferimenti differisce dalla generazione dal primo fotogramma: il brief può stabilire una nuova composizione invece di imporre che il video si apra su una sola immagine statica fornita.

Per l’audio personalizzato nella generazione da testo, i formati documentati sono WAV e MP3, con durata da due a trenta secondi e un massimo di 15 MB. La durata video selezionata determina la porzione usata: un audio più lungo viene tagliato a tale durata, mentre un audio più breve del video lascia il resto in silenzio. Prepara il passaggio audio esatto che appartiene alla ripresa e lascia spazio all’azione visiva prevista. Senza un file audio fornito, il produttore descrive la generazione di musica di sottofondo o effetti adatti alla scena; ispeziona il suono effettivo e ogni parlato richiesto insieme all’immagine.

L’attuale matrice dei modelli elenca MP4 in 720p o 1080p a 30 fps, con output da testo e immagini di due-quindici secondi. Il profilo di riferimento separato è limitato a due-dieci secondi. La generazione da testo offre inquadrature 16:9, 9:16, 1:1, 4:3 e 3:4. Le attività condizionate da immagini usano regole proprie di approssimazione delle proporzioni della sorgente, quindi prepara il ritaglio in ingresso per la destinazione prevista. Una regola di durata o formato del profilo di riferimento non va sostituita a quella del flusso con fotogrammi o continuazione.

Il flusso documentato del produttore è asincrono: un identificatore di attività segue l’elaborazione e un risultato riuscito fornisce l’indirizzo del video. I risultati hanno una validità documentata del link di ventiquattro ore; conserva quindi la clip effettiva e i materiali creativi per la revisione del montaggio. Riscrittura del prompt, filigrana e opzioni del seed appartengono all’interfaccia selezionata. Il produttore afferma che un seed fisso può migliorare la riproducibilità ma non garantisce un risultato identico. Confronta il risultato restituito con il brief invece di presumere che le sole impostazioni conservino ogni dettaglio.

Rispetto a Wan 2.6, la guida immagini 2.7 aggiunge espressamente il controllo del primo e ultimo fotogramma e la continuazione video tramite input multimediali multimodali. Wan 3.0 introduce una diversa struttura tutto in uno e un limite di generazione più lungo. Questo profilo 2.7 mantiene i propri controlli e limiti specifici per attività. Controlla l’intera scena per continuità del soggetto, fotogrammi di ancoraggio, identità dei riferimenti, dialoghi, movimento e raccordi e rendi la correzione successiva specifica al problema effettivamente individuato.