Alibaba: Wan 2.6

Alibaba: Wan 2.6 は Alibaba の動画生成モデルで、api14 上にモデル id alibaba/wan-2.6 として掲載されています。カテゴリは video に属し、プロバイダーによる説明では、10 を超える視覚制作機能をサポートする統合システムとして構築された、Alibaba の最も先進的な動画生成モデルとされています。プロバイダーのリリース日は 2026-03-28 です。パイプライン用に動画モデルを評価している場合、これは汎用のテキストモデルや画像モデルではなく、Alibaba のフラッグシップ選択肢です。

このモデルはテキストと画像を入力として受け取り、唯一の出力として動画を生成します。プロバイダーの説明によると 24fps で 1080p 動画を生成し、掲載されている解像度は 720p と 1080p です。アスペクト比は 16:9 と 9:16 なので、横長と縦長の両方の構図に対応します。クリップの長さは 5 秒または 10 秒です。最初のフレーム画像を指定できるため、クリップの冒頭を特定の静止画に固定できます。音声生成もサポートされているので、1 回のリクエストで無音トラックではなく音声付きの動画を返せます。このモデルにコンテキスト長は公開されていないため、トークンウィンドウは未指定として扱い、代わりに視覚パラメータを中心に計画してください。

これらの機能は、かなり特定の用途群を示しています。Text to video は、コンセプトショット、動きが必要なストーリーボード、シーンを説明してモデルに描かせる短いプロモーションクリップをカバーします。最初のフレームを使う Image to video は、キービジュアル、商品写真、キャラクターデザインがすでにあり、その正確なフレームから動きを始めたい場合に有用です。9:16 の比率と 5 秒または 10 秒の長さの組み合わせはソーシャルフィードやショートフォーム広告などの縦型フォーマットに合い、16:9 は標準的なウェブやプレゼンテーションの動画に適しています。音声生成が利用できるため、後から別の音声トラックを多重化するのではなく、1 回の処理で音声付きの完成クリップを制作できます。720p オプションは、1080p レンダリングに進む前に、より高速または軽量なドラフトが欲しい場合に用意されています。

API は OpenAI 互換なので、api14 を通じた呼び出しはゲートウェイ上の他のモデルと同じように機能します。リクエストを chat completions エンドポイントに送信し、model フィールドを "alibaba/wan-2.6" に設定します。サポートされているリクエストパラメータは max_tokens、temperature、top_p です。プロンプトテキストは通常のメッセージ内容として入れ、画像入力は最初のフレーム条件付けのためにそれと並べて提供します。出力を定義する視覚設定、つまり解像度、アスペクト比、長さ、最初のフレーム、音声生成は、返される動画の見た目を決めるため、リクエストごとに構成すべきものです。

このモデルが行わないことを念頭に置いてください。出力は動画のみなので、同じ呼び出しからテキスト、コード、静止画像を返す必要がある場合には適切な選択ではありません。公開されたコンテキスト長はなく、maxOutput は 0 と記載されているため、入力側に大きなテキスト予算を想定しないでください。タスクがテキスト生成、推論、画像作成である場合、それらのカテゴリのモデルの方が適しています。Wan 2.6 は、成果物が 720p または 1080p、横長または縦長、任意で音声付きの短い動画クリップである場合の選択肢です。