Alibaba: Wan 2.6

Alibaba Wan 2.6 é uma família de geração de vídeo com perfis distintos de texto para vídeo, imagem do primeiro fotograma para vídeo e referências para vídeo. O fabricante documenta áudio sincronizado e narrativas de vários planos. Uma cena escrita pode tornar-se um clipe, uma imagem fixa preparada pode estabelecer a abertura ou referências visuais podem orientar personagens e objetos numa nova cena. A saída útil é o vídeo curto concluído e o seu som, preparados para revisão ou utilização numa sequência montada.

Para geração por texto, descreva o sujeito, o ambiente, o movimento, a câmara e o som. O guia legado de texto da versão 2.6 aceita instruções em chinês ou inglês até 1 500 caracteres, com uma instrução negativa separada de 500 caracteres; o texto mais longo é truncado. Numa animação de produto, acompanhe uma carrinha de entregas de brinquedo a atravessar uma bancada, faça-a parar junto a uma pequena encomenda e termine na encomenda enquanto um som mecânico discreto marca a paragem. Mantenha a sequência suficientemente simples para que a ação central continue fácil de avaliar.

O controlo de vários planos é uma parte específica do fluxo da versão 2.6. O guia de texto do fabricante oferece definições shot_type single ou multi, com single por predefinição. Nesse modo de texto, a definição produz efeito com a reescrita de instruções ativada, e o parâmetro tem prioridade sobre redação contraditória nas instruções. Descreva os planos e os tempos de forma consistente com a definição selecionada. O guia posterior de Wan 2.7 interpreta, em alternativa, a estrutura dos planos diretamente a partir da instrução, pelo que essa preparação mais recente não deve substituir silenciosamente os controlos documentados desta edição.

A geração a partir do primeiro fotograma utiliza uma imagem para estabelecer a abertura e uma instrução para descrever o que se segue. Prepare o recorte pretendido, o sujeito e os pormenores visuais na imagem fixa antes de pedir movimento. A comparação do fabricante identifica o primeiro/último fotograma e a continuação de um clipe de origem como adições ao fluxo de imagem da versão 2.7, em vez de controlos a atribuir ao perfil de primeiro fotograma da versão 2.6. Numa animação de produto, reveja o objeto ao longo de todo o movimento e inspecione se a sua forma, as marcas e a cena continuam adequadas ao plano pretendido.

A API legada atual de referências da versão 2.6 aceita imagens e vídeos através de uma lista ordenada de referências. Permite até cinco imagens e três vídeos, com um máximo combinado de cinco ficheiros. Cada referência deve conter um sujeito. A primeira corresponde a character1, a segunda a character2 e assim sucessivamente; utilize esses identificadores na instrução em vez de adotar os rótulos específicos do tipo de Wan 2.7. Descreva claramente a ação e as falas de cada personagem, para que uma interação entre várias personagens possa ser verificada quanto à atribuição e à identidade.

O guia de referências indica imagens JPEG/JPG, PNG sem transparência, BMP e WEBP até 20 MB, com cada dimensão entre 240 e 8 000 píxeis. O vídeo de referência pode ser MP4 ou MOV até 100 MB; o campo atual reference_urls aceita vídeos de um a trinta segundos. O campo obsoleto apenas de vídeo tem uma duração mínima diferente e não constitui o mesmo contrato de preparação. Escolha a passagem de origem e o sujeito que devem informar a cena e mantenha explícitos os papéis das referências. Uma personagem reconhecível pode, ainda assim, surgir mal posicionada ou com a voz errada no resultado.

A geração por texto do fabricante suporta áudio fornecido através do seu campo documentado de fonte de áudio, e os modos de saída incluem som sincronizado com a imagem. Indique nas instruções o diálogo, a interpretação e a atmosfera pretendidos e reveja as palavras e os efeitos efetivos. A opção de áudio facultativa da API de referências está especificamente identificada para a variante de referências Flash; não é um controlo universal de vídeo silencioso que se deva pressupor em todos os modos da versão 2.6. Tanto o som como a imagem exigem inspeção face à cena pretendida.

As especificações atuais do fabricante indicam saída a 720p e 1080p, com geração por texto e imagem de dois a quinze segundos e geração por referências de dois a dez segundos. Os seus guias de vídeo descrevem MP4 a 30 fps, enquanto a API de referências seleciona um tamanho explícito de largura por altura, em vez de um simples rótulo de proporção. As opções horizontal, vertical e quadrada têm dimensões documentadas próprias. Mantenha as regras de duração e tamanho do modo selecionado com as instruções, em vez de adotar o limite de geração de trinta segundos de Wan 3.0 ou a configuração adaptativa de outra edição.

A geração é processada como uma tarefa, e um resultado bem-sucedido fornece a localização do vídeo. O fabricante documenta uma validade de vinte e quatro horas para a ligação do resultado. Conserve o clipe efetivo, as referências de origem e a instrução para revisão da montagem. Uma semente fixa pode ajudar a comparar pedidos, mas o guia legado indica explicitamente que não garante resultados idênticos. Reveja a continuidade, a identidade das referências, o contacto entre objetos, a estrutura dos planos pedida, o diálogo e os pormenores visíveis. A correção seguinte deve resolver o problema específico encontrado, preservando a direção bem-sucedida do plano.