Alibaba: Wan 3.0

Alibaba: Wan 3.0 è un modello di generazione video di Alibaba. Appartiene alla categoria video ed è identificato su api14 come alibaba/wan-3.0. Il modello è progettato per trasformare testo e immagini in video, e si colloca accanto agli altri lavori generativi di Alibaba anziché essere un modello di testo generico.

Wan 3.0 accetta input di testo e immagini e restituisce video come unico output. Supporta text-to-video, image-to-video e generazione video guidata da riferimento. L'output può essere prodotto a 480p, 720p o 1080p, con proporzioni di 16:9, 4:3, 1:1, 3:4 e 9:16. Le durate vanno da 2 a 30 secondi. Il modello può anche generare audio insieme al video. Per il lavoro guidato da immagini, è possibile fornire un'immagine first_frame. Non è indicata alcuna lunghezza di contesto per questo modello, quindi pianifica in base ai parametri video anziché a una finestra di token.

Queste capacità indicano un insieme di utilizzi piuttosto specifico. Il text-to-video si adatta a brevi clip generate da una descrizione scritta, come una scena, uno scatto di prodotto o un'anteprima di concept. L'image-to-video con un first_frame è utile quando hai già un'immagine fissa e vuoi farla muovere, il che si adatta all'animazione di storyboard, alle varianti pubblicitarie o a dare vita a un singolo fotogramma. La generazione guidata da riferimento aiuta quando l'output deve rimanere vicino a un riferimento visivo fornito. L'intervallo da 2 a 30 secondi copre i formati social brevi e brevi sequenze narrative, e le proporzioni quadrate, verticali e orizzontali significano che lo stesso modello può servire posizionamenti per feed, storie e widescreen. La generazione audio significa che non devi aggiungere un passaggio audio separato per le clip che ne hanno bisogno.

Chiami Wan 3.0 tramite l'API compatibile con OpenAI di api14 usando l'id del modello alibaba/wan-3.0. La richiesta accetta max_tokens, presence_penalty, response_format, seed, temperature e top_p. Vale la pena impostare seed quando vuoi un output riproducibile tra esecuzioni, e temperature e top_p ti danno controllo sulla variazione. Poiché l'output è video, response_format è il parametro da controllare quando hai bisogno di una forma di ritorno specifica. Le impostazioni video stesse, come risoluzione, proporzioni, durata e l'immagine first_frame, fanno parte della richiesta che costruisci per questo modello.

Non è indicata alcuna lunghezza di contesto, e maxOutput è riportato come 0, quindi trattalo come un endpoint di generazione anziché come un modello di ragionamento a contesto lungo. Se il tuo compito è testo, codice o analisi, un modello linguistico si adatterà meglio. Wan 3.0 è la scelta giusta quando il risultato è una breve clip video costruita da testo, un'immagine o un riferimento.