Alibaba: Wan 3.0 Prime

Wan 3.0 Prime è un modello di generazione video di Alibaba, elencato su api14 con l'id modello alibaba/wan-3.0-prime. È una variante in modalità veloce del Wan 3.0 di Alibaba, e il suo scopo dichiarato è la generazione da testo a video e da immagine del primo fotogramma a video. Se conosci già la linea Wan, consideralo il fratello più rapido piuttosto che una famiglia di modelli diversa.

Il modello accetta input di testo e immagini e produce video come unico output. Poiché accetta un'immagine del primo fotogramma, puoi guidare una clip da un fotogramma statico che fornisci, oppure generare interamente da un prompt scritto. L'output può essere richiesto a 480p, 720p o 1080p, con rapporti d'aspetto di 16:9, 4:3, 1:1, 3:4 e 9:16, che coprono formati orizzontale, quadrato e verticale. Le durate delle clip vanno da 2 a 30 secondi con incrementi di un secondo, quindi puoi richiedere loop brevi o sequenze più lunghe senza stitching. È disponibile anche la generazione audio, il che significa che una singola richiesta può restituire video con audio invece di una traccia silenziosa. Non è pubblicata alcuna lunghezza di contesto per questo modello, quindi pianifica in base ai parametri video piuttosto che a un budget di token.

Queste capacità indicano un insieme di utilizzi piuttosto specifico. L'output verticale 9:16 a durate brevi si adatta a social e posizionamenti mobile, mentre il 16:9 a risoluzioni più elevate è adatto a contenuti web, presentazioni e stile broadcast. La generazione da immagine del primo fotogramma a video è utile quando hai artwork approvato, uno scatto di prodotto o un pannello di storyboard e vuoi ottenere movimento da esso invece di una nuova interpretazione. L'intervallo da 2 a 30 secondi funziona per teaser, immagini statiche animate, sfondi e clip in loop. La generazione audio riduce la necessità di un passaggio audio separato su pezzi semplici. I rapporti quadrato e 4:3 aiutano quando lo stesso asset deve essere distribuito su più canali.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id modello alibaba/wan-3.0-prime, quindi il codice client in stile OpenAI esistente necessita poco più di una stringa del modello cambiata. I parametri di richiesta supportati sono max_tokens, presence_penalty, response_format, seed, temperature e top_p. Seed è quello da usare quando hai bisogno di output riproducibile tra esecuzioni, mentre temperature e top_p ti danno controllo sulla variazione tra generazioni. Nota che max_tokens è supportato come parametro anche se l'output del modello è video, e il valore maxOutput pubblicato è 0, quindi non affidarti ad esso per limitare la durata della clip. Durata, risoluzione e rapporto d'aspetto si impostano tramite i campi specifici del video piuttosto che tramite i parametri dei token.

Non esiste una lunghezza di contesto pubblicata, e il modello è solo video, quindi non è adatto a chat testuale, classificazione, riassunto o qualsiasi attività che si aspetti una risposta testuale o strutturata. Se hai bisogno di queste, un modello testuale è la scelta migliore. Nel lavoro video, il vincolo principale da considerare è la durata: 30 secondi è il limite massimo, quindi i pezzi più lunghi devono essere generati in segmenti e uniti successivamente.