Alibaba: Wan 2.7

Wan 2.7 est un modèle de génération vidéo d'Alibaba, répertorié sur api14 sous l'identifiant de modèle alibaba/wan-2.7. Il appartient à la catégorie vidéo, et c'est la seule catégorie qu'il cible. Si vous construisez un pipeline qui doit transformer des invites écrites ou des images fixes en courts clips vidéo, c'est le modèle à évaluer plutôt qu'un modèle généraliste de texte ou d'image.

Le modèle accepte des entrées texte et image et renvoie de la vidéo en sortie. Il prend en charge le texte-vers-vidéo, l'image-vers-vidéo avec contrôle de la première et de la dernière image, et la référence-vers-vidéo, où plusieurs images de référence guident le style et le contenu du résultat. Les résolutions de sortie sont 720p et 1080p, et vous pouvez choisir parmi les ratios d'aspect 16:9, 9:16, 1:1, 4:3 et 3:4. Les durées des clips vont de 2 à 10 secondes par pas d'une seconde. La génération audio est disponible, donc la vidéo renvoyée peut inclure une bande sonore générée. Aucune longueur de contexte n'est publiée pour ce modèle, donc prévoyez en fonction de l'invite et des entrées de référence que vous fournissez plutôt qu'un budget de tokens.

Ces capacités correspondent à un ensemble de tâches assez spécifique. Le texte-vers-vidéo convient aux courts clips promotionnels, aux publications sociales et aux plans conceptuels où vous décrivez une scène et avez besoin d'un résultat animé. L'image-vers-vidéo avec contrôle de la première et de la dernière image est utile lorsque vous avez besoin que le clip commence et se termine sur des images précises, par exemple pour animer entre deux photos de produit ou deux poses clés. La référence-vers-vidéo aide lorsqu'un projet a besoin d'un style visuel cohérent ou d'un sujet récurrent sur plusieurs clips, puisque plusieurs images de référence peuvent orienter l'apparence. Le ratio 9:16 convient aux formats verticaux, tandis que 16:9, 1:1, 4:3 et 3:4 couvrent le grand écran, le carré et d'autres dispositions. Comme l'audio peut être généré en même temps que la vidéo, vous pouvez produire un court clip fini sans étape audio séparée.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle alibaba/wan-2.7. Les paramètres de requête pris en charge sont max_tokens, temperature et top_p, donc vous pouvez contrôler la longueur de la sortie générée et ajuster le comportement d'échantillonnage de la même manière qu'avec d'autres modèles sur la passerelle. Les entrées proviennent des champs texte et image, et les sorties sont renvoyées sous forme de vidéo. Les résolutions, les ratios d'aspect, les durées, ainsi que les options de première image, dernière image et audio sont définis via la requête, comme reflété dans les détails du modèle sur cette page.

Wan 2.7 ne génère que de courts clips, avec des durées plafonnées à 10 secondes, et aucune longueur de contexte n'est publiée. Si vous avez besoin de génération d'images statiques, de séquences longues ou d'une tâche texte uniquement, un modèle d'une autre catégorie sur api14 conviendra mieux. Au sein de sa catégorie, la combinaison d'images de référence, de contrôle de la première et de la dernière image, de résolution et de ratio d'aspect configurables, et de génération audio en fait un choix pratique pour un travail vidéo court et dirigé.