Alibaba: Wan 3.0

Alibaba: Wan 3.0 adalah model pembuatan video dari Alibaba. Model ini termasuk dalam kategori video dan diidentifikasi pada api14 sebagai alibaba/wan-3.0. Model ini dibangun untuk mengubah teks dan gambar menjadi video, dan posisinya berdampingan dengan karya generatif Alibaba lainnya, bukan sebagai model teks serbaguna.

Wan 3.0 menerima input teks dan gambar serta mengembalikan video sebagai satu-satunya output. Model ini mendukung text-to-video, image-to-video, dan pembuatan video dengan panduan referensi. Output dapat dihasilkan pada 480p, 720p, atau 1080p, dengan rasio aspek 16:9, 4:3, 1:1, 3:4, dan 9:16. Durasi berkisar dari 2 hingga 30 detik. Model ini juga dapat menghasilkan audio bersama video. Untuk pekerjaan yang digerakkan gambar, gambar first_frame dapat disediakan. Tidak ada context length yang dicantumkan untuk model ini, jadi rencanakan berdasarkan parameter video, bukan jendela token.

Kemampuan tersebut mengarah pada serangkaian penggunaan yang cukup spesifik. Text-to-video cocok untuk klip pendek yang dihasilkan dari deskripsi tertulis, seperti adegan, foto produk, atau pratinjau konsep. Image-to-video dengan first_frame berguna ketika Anda sudah memiliki gambar diam dan ingin membuatnya bergerak, yang cocok untuk animasi storyboard, variasi iklan, atau menghidupkan satu frame. Pembuatan dengan panduan referensi membantu ketika output perlu tetap dekat dengan referensi visual yang disediakan. Rentang 2 hingga 30 detik mencakup format sosial pendek dan beat naratif singkat, dan rasio persegi, vertikal, serta lanskap berarti model yang sama dapat melayani penempatan feed, story, dan layar lebar. Pembuatan audio berarti Anda tidak perlu menambahkan langkah suara terpisah untuk klip yang membutuhkannya.

Anda memanggil Wan 3.0 melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id alibaba/wan-3.0. Permintaan menerima max_tokens, presence_penalty, response_format, seed, temperature, dan top_p. Seed layak diatur ketika Anda ingin output yang dapat direproduksi di berbagai eksekusi, dan temperature serta top_p memberi Anda kendali atas variasi. Karena outputnya adalah video, response_format adalah parameter yang perlu diperiksa ketika Anda membutuhkan bentuk pengembalian yang spesifik. Pengaturan video itu sendiri, seperti resolusi, rasio aspek, durasi, dan gambar first_frame, adalah bagian dari permintaan yang Anda bangun untuk model ini.

Tidak ada context length yang dicantumkan, dan maxOutput dilaporkan sebagai 0, jadi perlakukan ini sebagai endpoint pembuatan, bukan model penalaran konteks panjang. Jika tugas Anda adalah teks, kode, atau analisis, model bahasa akan lebih cocok. Wan 3.0 adalah pilihan yang tepat ketika hasil yang diinginkan adalah klip video pendek yang dibangun dari teks, gambar, atau referensi.