Alibaba: Wan 2.6

Alibaba: Wan 2.6 to model generowania wideo od Alibaba, wymieniony na api14 pod identyfikatorem modelu alibaba/wan-2.6. Należy do kategorii wideo i jest opisywany przez dostawcę jako najbardziej zaawansowany model generowania wideo Alibaba, zbudowany jako zunifikowany system obsługujący ponad 10 możliwości tworzenia wizualnego. Data wydania przez dostawcę to 2026-03-28. Jeśli oceniasz modele wideo pod kątem potoku przetwarzania, to jest to flagowa opcja od Alibaba, a nie model ogólnego przeznaczenia do tekstu lub obrazu.

Model przyjmuje dane wejściowe w postaci tekstu i obrazu, a jako jedyne wyjście generuje wideo. Zgodnie z opisem dostawcy generuje wideo 1080p przy 24fps, a wymienione rozdzielczości to 720p i 1080p. Proporcje obrazu to 16:9 i 9:16, więc uwzględniono zarówno kadrowanie poziome, jak i pionowe. Czas trwania klipów to 5 lub 10 sekund. Można dostarczyć obraz pierwszej klatki, co pozwala zakotwiczyć początek klipu w konkretnej nieruchomej klatce. Obsługiwane jest również generowanie dźwięku, więc pojedyncze żądanie może zwrócić wideo z dźwiękiem, a nie cichą ścieżkę. Dla tego modelu nie opublikowano długości kontekstu, więc traktuj okno tokenów jako nieokreślone i planuj w oparciu o parametry wizualne.

Te możliwości wskazują na dość konkretny zestaw zadań. Tekst na wideo obejmuje ujęcia koncepcyjne, storyboardy, które muszą się poruszać, oraz krótkie klipy promocyjne, w których opisujesz scenę i pozwalasz modelowi ją wyrenderować. Obraz na wideo z pierwszą klatką jest przydatny, gdy masz już kluczowy visual, zdjęcie produktu lub projekt postaci i chcesz ruch, który zaczyna się od dokładnie tej klatki. Proporcja 9:16 w połączeniu z czasem trwania 5 lub 10 sekund pasuje do formatów pionowych, takich jak kanały społecznościowe i krótkie reklamy, natomiast 16:9 odpowiada standardowemu wideo internetowemu i prezentacyjnemu. Ponieważ generowanie dźwięku jest dostępne, możesz uzyskać gotowe klipy z dźwiękiem w jednym przebiegu, zamiast później multipleksować osobną ścieżkę audio. Opcja 720p jest dostępna, gdy chcesz szybszą lub lżejszą wersję roboczą przed zatwierdzeniem renderu 1080p.

Wywoływanie go przez api14 działa tak samo jak w przypadku każdego innego modelu w bramie, ponieważ API jest zgodne z OpenAI. Wysyłasz żądanie do punktu końcowego chat completions i ustawiasz pole model na "alibaba/wan-2.6". Obsługiwane parametry żądania to max_tokens, temperature i top_p. Tekst polecenia trafia jako zwykła treść wiadomości, a dane wejściowe obrazu są dostarczane obok niego w celu warunkowania pierwszej klatki. Ustawienia wizualne definiujące wyjście, czyli rozdzielczość, proporcje obrazu, czas trwania, pierwsza klatka i generowanie dźwięku, to te, które należy skonfigurować dla każdego żądania, ponieważ określają one, jak wygląda zwrócone wideo.

Pamiętaj, czego model nie robi. Zwraca tylko wideo, więc nie jest właściwym wyborem, jeśli potrzebujesz tekstu, kodu lub nieruchomych obrazów z tego samego wywołania. Nie opublikowano długości kontekstu, a maxOutput jest podany jako 0, więc nie zakładaj dużego budżetu tekstowego po stronie wejścia. Jeśli twoim zadaniem jest generowanie tekstu, rozumowanie lub tworzenie obrazów, lepiej pasuje model z tych kategorii. Wan 2.6 to wybór, gdy rezultatem ma być krótki klip wideo w 720p lub 1080p, w orientacji poziomej lub pionowej, z opcjonalnym dźwiękiem.