Alibaba: Wan 2.6

अलीबाबा: Wan 2.6 अलीबाबा का एक वीडियो जनरेशन मॉडल है, जो api14 पर मॉडल आईडी alibaba/wan-2.6 के तहत सूचीबद्ध है। यह वीडियो श्रेणी में आता है और प्रदाता द्वारा इसे अलीबाबा का सबसे उन्नत वीडियो जनरेशन मॉडल बताया गया है, जिसे एक एकीकृत प्रणाली के रूप में बनाया गया है जो 10 से अधिक विज़ुअल क्रिएशन क्षमताओं का समर्थन करती है। प्रदाता की रिलीज़ तिथि 2026-03-28 है। यदि आप किसी पाइपलाइन के लिए वीडियो मॉडल का मूल्यांकन कर रहे हैं, तो यह अलीबाबा का फ्लैगशिप विकल्प है, न कि कोई सामान्य प्रयोजन वाला टेक्स्ट या इमेज मॉडल।

यह मॉडल टेक्स्ट और इमेज इनपुट लेता है और आउटपुट के रूप में केवल वीडियो बनाता है। प्रदाता विवरण के अनुसार यह 24fps पर 1080p वीडियो जनरेट करता है, और सूचीबद्ध रेज़ोल्यूशन 720p और 1080p हैं। आस्पेक्ट रेशियो 16:9 और 9:16 हैं, इसलिए लैंडस्केप और वर्टिकल दोनों फ्रेमिंग शामिल हैं। क्लिप की अवधि 5 या 10 सेकंड है। पहले फ्रेम की इमेज दी जा सकती है, जिससे आप किसी क्लिप की शुरुआत को एक विशिष्ट स्टिल पर एंकर कर सकते हैं। ऑडियो जनरेशन का भी समर्थन है, इसलिए एक ही अनुरोध वीडियो के साथ ध्वनि लौटा सकता है, न कि मौन ट्रैक। इस मॉडल के लिए कोई कॉन्टेक्स्ट लंबाई प्रकाशित नहीं है, इसलिए टोकन विंडो को अनिर्दिष्ट मानें और विज़ुअल पैरामीटर के आधार पर योजना बनाएं।

ये क्षमताएं काफी विशिष्ट प्रकार के कार्यों की ओर संकेत करती हैं। टेक्स्ट टू वीडियो में कॉन्सेप्ट शॉट, ऐसे स्टोरीबोर्ड जिन्हें गति चाहिए, और छोटे प्रचार क्लिप शामिल होते हैं जहां आप दृश्य का वर्णन करते हैं और मॉडल को उसे रेंडर करने देते हैं। पहले फ्रेम के साथ इमेज टू वीडियो तब उपयोगी होता है जब आपके पास पहले से कोई की विज़ुअल, उत्पाद फ़ोटो, या कैरेक्टर डिज़ाइन हो और आप उसी सटीक फ्रेम से शुरू होने वाली गति चाहते हों। 9:16 रेशियो और 5 या 10 सेकंड की अवधि मिलकर सोशल फ़ीड और शॉर्ट फ़ॉर्म विज्ञापन जैसे वर्टिकल प्रारूपों के लिए उपयुक्त हैं, जबकि 16:9 मानक वेब और प्रेज़ेंटेशन वीडियो के लिए उपयुक्त है। चूंकि ऑडियो जनरेशन उपलब्ध है, आप एक ही पास में ध्वनि के साथ तैयार क्लिप बना सकते हैं, बजाय बाद में अलग ऑडियो ट्रैक मिलाने के। 720p विकल्प तब मौजूद है जब आप 1080p रेंडर पर प्रतिबद्ध होने से पहले तेज़ या हल्का ड्राफ्ट चाहते हैं।

इसे api14 के माध्यम से कॉल करना गेटवे पर किसी भी अन्य मॉडल की तरह ही काम करता है, क्योंकि API OpenAI संगत है। आप अपना अनुरोध chat completions एंडपॉइंट पर भेजते हैं और model फ़ील्ड को "alibaba/wan-2.6" पर सेट करते हैं। समर्थित अनुरोध पैरामीटर max_tokens, temperature, और top_p हैं। आपका प्रॉम्प्ट टेक्स्ट सामान्य संदेश सामग्री के रूप में जाता है, और पहले फ्रेम कंडीशनिंग के लिए इसके साथ इमेज इनपुट दिया जाता है। आउटपुट को परिभाषित करने वाली विज़ुअल सेटिंग्स, यानी रेज़ोल्यूशन, आस्पेक्ट रेशियो, अवधि, पहला फ्रेम, और ऑडियो जनरेशन, वही हैं जिन्हें प्रति अनुरोध कॉन्फ़िगर करना है, क्योंकि ये तय करती हैं कि लौटाया गया वीडियो कैसा दिखेगा।

ध्यान रखें कि मॉडल क्या नहीं करता। यह केवल वीडियो आउटपुट करता है, इसलिए यदि आपको उसी कॉल से टेक्स्ट, कोड, या स्थिर इमेज वापस चाहिए तो यह सही विकल्प नहीं है। कोई प्रकाशित कॉन्टेक्स्ट लंबाई नहीं है, और maxOutput 0 के रूप में सूचीबद्ध है, इसलिए इनपुट पक्ष पर बड़े टेक्स्ट बजट की अपेक्षा न करें। यदि आपका कार्य टेक्स्ट जनरेशन, रीज़निंग, या इमेज क्रिएशन है, तो उन श्रेणियों का कोई मॉडल बेहतर फिट होगा। Wan 2.6 तब चुनाव है जब डिलीवरेबल 720p या 1080p पर एक छोटी वीडियो क्लिप हो, लैंडस्केप या वर्टिकल में, वैकल्पिक ऑडियो के साथ।