Alibaba: Wan 3.0 Prime

Wan 3.0 Prime ist ein Videogenerierungsmodell von Alibaba, das auf api14 unter der Modell-ID alibaba/wan-3.0-prime gelistet ist. Es ist eine Fast-Mode-Variante von Alibabas Wan 3.0, und der angegebene Zweck ist Text-zu-Video- und First-Frame-Image-zu-Video-Generierung. Wenn Sie mit der Wan-Reihe bereits vertraut sind, betrachten Sie es als den schnelleren Verwandten und nicht als eine andere Modellfamilie.

Das Modell nimmt Text- und Bildeingaben entgegen und erzeugt Video als einzige Ausgabe. Da es ein First-Frame-Bild akzeptiert, können Sie einen Clip aus einem von Ihnen bereitgestellten Standbild steuern oder vollständig aus einem geschriebenen Prompt generieren. Die Ausgabe kann in 480p, 720p oder 1080p angefordert werden, in Seitenverhältnissen von 16:9, 4:3, 1:1, 3:4 und 9:16, was Landschafts-, Quadrat- und Hochformate abdeckt. Clipdauern reichen von 2 bis 30 Sekunden in Ein-Sekunden-Schritten, sodass Sie kurze Loops oder längere Sequenzen anfordern können, ohne zusammenzufügen. Audiogenerierung ist ebenfalls verfügbar, was bedeutet, dass eine einzelne Anfrage Video mit Ton statt einer stummen Spur zurückgeben kann. Für dieses Modell ist keine Kontextlänge veröffentlicht, planen Sie also mit den Videoparametern statt mit einem Token-Budget.

Diese Fähigkeiten deuten auf eine ziemlich spezifische Gruppe von Aufgaben hin. Vertikale 9:16-Ausgabe bei kurzen Dauern eignet sich für Social- und Mobile-Platzierungen, während 16:9 bei höheren Auflösungen zu Web-, Präsentations- und Broadcast-Inhalten passt. First-Frame-Image-zu-Video ist nützlich, wenn Sie freigegebene Artworks, ein Produktfoto oder ein Storyboard-Panel haben und daraus Bewegung ableiten möchten statt einer neuen Interpretation. Der Bereich von 2 bis 30 Sekunden eignet sich für Teaser, animierte Standbilder, Hintergrundplatten und loopbare Clips. Audiogenerierung reduziert die Notwendigkeit eines separaten Sound-Durchlaufs bei einfachen Stücken. Quadrat- und 4:3-Verhältnisse helfen, wenn dasselbe Asset über mehr als einen Kanal laufen muss.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID alibaba/wan-3.0-prime auf, sodass vorhandener Client-Code im OpenAI-Stil kaum mehr als einen geänderten Modell-String benötigt. Die unterstützten Anfrageparameter sind max_tokens, presence_penalty, response_format, seed, temperature und top_p. Seed ist der Parameter, zu dem Sie greifen sollten, wenn Sie reproduzierbare Ausgaben über mehrere Läufe hinweg benötigen, und temperature und top_p geben Ihnen Kontrolle über die Variation zwischen Generierungen. Beachten Sie, dass max_tokens als Parameter unterstützt wird, obwohl die Ausgabe des Modells Video ist, und der veröffentlichte maxOutput-Wert 0 ist, verlassen Sie sich also nicht darauf, um die Cliplänge zu begrenzen. Dauer, Auflösung und Seitenverhältnis werden über die videospezifischen Felder festgelegt und nicht über die Token-Parameter.

Es gibt keine veröffentlichte Kontextlänge, und das Modell ist nur für Video ausgelegt, es eignet sich also nicht für Text-Chat, Klassifikation, Zusammenfassung oder jede Aufgabe, die eine Text- oder strukturierte Antwort erwartet. Wenn Sie diese benötigen, ist ein Textmodell die bessere Wahl. Bei Videoarbeiten ist die wichtigste Einschränkung, um die Sie planen sollten, die Dauer: 30 Sekunden sind die Obergrenze, längere Stücke müssen also in Segmenten generiert und anschließend zusammengefügt werden.