Alibaba: Wan 3.0 Prime

Wan 3.0 Prime es un modelo de generación de video de Alibaba, listado en api14 bajo el id de modelo alibaba/wan-3.0-prime. Es una variante de modo rápido del Wan 3.0 de Alibaba, y su propósito declarado es la generación de texto a video y de imagen a video a partir del primer fotograma. Si ya conoces la línea Wan, trátalo como el hermano más rápido en lugar de una familia diferente de modelo.

El modelo acepta entradas de texto e imagen y produce video como su única salida. Como acepta una imagen de primer fotograma, puedes dirigir un clip a partir de una imagen fija que suministres, o generar completamente a partir de un prompt escrito. La salida se puede solicitar en 480p, 720p o 1080p, en relaciones de aspecto de 16:9, 4:3, 1:1, 3:4 y 9:16, lo que cubre formatos horizontal, cuadrado y vertical. Las duraciones de los clips van de 2 a 30 segundos en pasos de un segundo, así que puedes pedir bucles cortos o secuencias más largas sin empalmes. La generación de audio también está disponible, lo que significa que una sola solicitud puede devolver video con sonido en lugar de una pista silenciosa. No se publica ninguna longitud de contexto para este modelo, así que planifica en torno a los parámetros de video en lugar de un presupuesto de tokens.

Esas capacidades apuntan a un conjunto bastante específico de trabajos. La salida vertical 9:16 en duraciones cortas se adapta a ubicaciones sociales y móviles, mientras que 16:9 en resoluciones más altas encaja en contenido de estilo web, de presentación y de difusión. La imagen a video desde el primer fotograma es útil cuando tienes una ilustración aprobada, una foto de producto o un panel de storyboard y quieres movimiento derivado de ello en lugar de una interpretación nueva. El rango de 2 a 30 segundos sirve para teasers, imágenes fijas animadas, fondos y clips reproducibles en bucle. La generación de audio reduce la necesidad de una pasada de sonido separada en piezas simples. Las relaciones cuadrada y 4:3 ayudan cuando el mismo recurso tiene que difundirse en más de un canal.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo alibaba/wan-3.0-prime, así que el código de cliente existente de estilo OpenAI necesita poco más que una cadena de modelo cambiada. Los parámetros de solicitud que admite son max_tokens, presence_penalty, response_format, seed, temperature y top_p. Seed es el que debes usar cuando necesitas una salida reproducible entre ejecuciones, y temperature y top_p te dan control sobre la variación entre generaciones. Ten en cuenta que max_tokens se admite como parámetro aunque la salida del modelo sea video, y el valor publicado de maxOutput es 0, así que no confíes en él para limitar la duración del clip. La duración, la resolución y la relación de aspecto se establecen mediante los campos específicos de video en lugar de los parámetros de tokens.

No hay una longitud de contexto publicada, y el modelo es solo de video, así que no es adecuado para chat de texto, clasificación, resumen o cualquier tarea que espere una respuesta de texto o estructurada. Si necesitas eso, un modelo de texto es la mejor opción. Dentro del trabajo de video, la principal restricción a tener en cuenta es la duración: 30 segundos es el techo, así que las piezas más largas deben generarse en segmentos y unirse después.