Alibaba: Wan 3.0

Alibaba: Wan 3.0은 Alibaba의 비디오 생성 모델입니다. 비디오 카테고리에 속하며 api14에서 alibaba/wan-3.0으로 식별됩니다. 이 모델은 텍스트와 이미지를 비디오로 변환하기 위해 만들어졌으며, 범용 텍스트 모델이 아니라 Alibaba의 다른 생성 작업들과 나란히 위치합니다.

Wan 3.0은 텍스트와 이미지 입력을 받아 비디오를 유일한 출력으로 반환합니다. 텍스트-투-비디오, 이미지-투-비디오, 참조 기반 비디오 생성을 지원합니다. 출력은 480p, 720p, 1080p로 생성할 수 있으며, 화면 비율은 16:9, 4:3, 1:1, 3:4, 9:16입니다. 길이는 2초에서 30초까지입니다. 이 모델은 비디오와 함께 오디오도 생성할 수 있습니다. 이미지 기반 작업의 경우 first_frame 이미지를 제공할 수 있습니다. 이 모델에는 컨텍스트 길이가 명시되어 있지 않으므로 토큰 창이 아니라 비디오 매개변수를 기준으로 계획하세요.

이러한 기능들은 상당히 특정한 용도들을 가리킵니다. 텍스트-투-비디오는 장면, 제품 샷, 콘셉트 미리보기 같은 작성된 설명에서 생성되는 짧은 클립에 적합합니다. first_frame을 사용하는 이미지-투-비디오는 이미 정지 이미지가 있고 그것을 움직이게 하고 싶을 때 유용하며, 스토리보드 애니메이션, 광고 변형, 단일 프레임에 생명을 불어넣기에 적합합니다. 참조 기반 생성은 출력이 제공된 시각적 참조에 가깝게 유지되어야 할 때 도움이 됩니다. 2초에서 30초 범위는 짧은 소셜 형식과 짧은 서사 비트를 포괄하며, 정사각형, 세로, 가로 비율 덕분에 같은 모델이 피드, 스토리, 와이드스크린 배치에 사용될 수 있습니다. 오디오 생성은 오디오가 필요한 클립에 별도의 사운드 단계를 추가하지 않아도 된다는 뜻입니다.

Wan 3.0은 모델 id alibaba/wan-3.0을 사용하여 api14의 OpenAI 호환 API를 통해 호출합니다. 요청은 max_tokens, presence_penalty, response_format, seed, temperature, top_p를 받습니다. Seed는 실행 간에 재현 가능한 출력을 원할 때 설정할 가치가 있으며, temperature와 top_p는 변화를 제어할 수 있게 해줍니다. 출력이 비디오이므로, 특정 반환 형태가 필요할 때 확인해야 할 매개변수는 response_format입니다. 해상도, 화면 비율, 길이, first_frame 이미지 같은 비디오 설정 자체는 이 모델을 위해 구성하는 요청의 일부입니다.

명시된 컨텍스트 길이가 없고 maxOutput이 0으로 보고되므로, 이것을 긴 컨텍스트 추론 모델이 아니라 생성 엔드포인트로 취급하세요. 작업이 텍스트, 코드, 분석이라면 언어 모델이 더 잘 맞습니다. Wan 3.0은 결과물이 텍스트, 이미지, 참조로 만든 짧은 비디오 클립일 때 올바른 선택입니다.