Alibaba: Wan 3.0

Alibaba : Wan 3.0 est un modèle de génération vidéo d'Alibaba. Il appartient à la catégorie vidéo et est identifié sur api14 comme alibaba/wan-3.0. Le modèle est conçu pour transformer du texte et des images en vidéo, et il côtoie les autres travaux génératifs d'Alibaba plutôt que d'être un modèle de texte à usage général.

Wan 3.0 accepte des entrées de texte et d'image et renvoie de la vidéo comme seule sortie. Il prend en charge la génération texte-vers-vidéo, image-vers-vidéo et vidéo guidée par référence. La sortie peut être produite en 480p, 720p ou 1080p, avec des ratios d'image de 16:9, 4:3, 1:1, 3:4 et 9:16. Les durées vont de 2 à 30 secondes. Le modèle peut aussi générer de l'audio en même temps que la vidéo. Pour le travail piloté par image, une image first_frame peut être fournie. Aucune longueur de contexte n'est indiquée pour ce modèle, donc prévoyez autour des paramètres vidéo plutôt que d'une fenêtre de tokens.

Ces capacités correspondent à un ensemble d'usages assez spécifique. Le texte-vers-vidéo convient aux clips courts générés à partir d'une description écrite, comme une scène, une prise de vue produit ou un aperçu de concept. L'image-vers-vidéo avec un first_frame est utile lorsque vous avez déjà une image fixe et que vous voulez la faire bouger, ce qui convient à l'animation de storyboard, aux variantes publicitaires ou à la mise en vie d'une seule image. La génération guidée par référence aide lorsque la sortie doit rester proche d'une référence visuelle fournie. La plage de 2 à 30 secondes couvre les formats sociaux courts et les brefs moments narratifs, et les ratios carré, vertical et paysage signifient que le même modèle peut servir les placements de fil, de story et grand écran. La génération audio signifie que vous n'avez pas à ajouter une étape sonore séparée pour les clips qui en ont besoin.

Vous appelez Wan 3.0 via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle alibaba/wan-3.0. La requête accepte max_tokens, presence_penalty, response_format, seed, temperature et top_p. Seed vaut la peine d'être défini lorsque vous voulez une sortie reproductible d'une exécution à l'autre, et temperature et top_p vous donnent le contrôle sur la variation. Comme la sortie est de la vidéo, response_format est le paramètre à vérifier lorsque vous avez besoin d'une forme de retour spécifique. Les réglages vidéo eux-mêmes, tels que la résolution, le ratio d'image, la durée et l'image first_frame, font partie de la requête que vous construisez pour ce modèle.

Aucune longueur de contexte n'est indiquée, et maxOutput est rapporté à 0, donc considérez ceci comme un point de terminaison de génération plutôt qu'un modèle de raisonnement à long contexte. Si votre tâche est du texte, du code ou de l'analyse, un modèle de langage conviendra mieux. Wan 3.0 est le bon choix lorsque le livrable est un court clip vidéo construit à partir de texte, d'une image ou d'une référence.