Wan 2.5: il modo economico per avere l'audio nel clip

La galleria raccoglie esempi pubblicati e adatti all'ufficio dalla pagina del modello Wan 2.5.

Un tuffo all'alba. Una nuotatrice su un molo di pietra scuote le braccia, si tuffa pulita e riemerge ridendo; lo spruzzo e l'increspatura successiva atterrano più o meno dove l'acqua si rompe.

Una svolta in raso. Da un ritratto fermo, dieci secondi a 1080p: gira le spalle, fa due passi, e il prompt negativo tiene gioielli e persone in più fuori dall'inquadratura.

Un assolo di sax di dieci secondi. Un'unica ripresa continua in un jazz club; i giudici hanno lodato il dettaglio del viso in primo piano qui, pur segnalando il lavoro delle mani stile chitarra in un altro prompt come il suo punto debole.

Fuori dalla vetrina, nel nostro ultimo lotto di prove con lo stesso prompt, i test guidati dal suono (una conversazione al bar, una confessione in lacrime, un bicchiere di vino che si frantuma, un fuoco nel wok) hanno mostrato ogni volta la stessa divisione: dialogo ed emozione funzionano bene, e più il prompt chiede di appoggiarsi a una fisica precisa di mani o oggetti, più il modello inizia a indovinare.

Nomina la fonte del suono nella stessa frase dell'azione, e Wan 2.5 di solito sincronizzerà i due elementi senza istruzioni extra.

1. Sincronizza il suono a una fonte visibile.

A wine glass slides off the edge of a wooden table and shatters on a stone floor, with a sharp crash and the tinkle of scattering shards, in a quiet kitchen.

Esegui questo prompt su Wan 2.5 →

2. Mantieni il volto di un ritratto durante una svolta (immagine-in-video).

She shifts her weight, turns her shoulders toward the lens and takes two slow steps forward, the satin of the dress catching the light as it moves. She tucks her hair behind one ear and holds the look. Locked camera, clean grey studio, soft light.

Esegui questo prompt su Wan 2.5 immagine-in-video →

Debole: «A woman dances in a room.» Nessun segnale sonoro, nessuna azione nominata da seguire per la traccia audio. Forte: nomina l'oggetto o la voce che produce il suono, e dove avviene nell'inquadratura, come nel prompt 1.

Wan 2.5 ha reso ogni livello provato sia da testo sia da immagine, da L1 Allusivo attraverso L3 Forte, L4 Intenso e i prompt L5 Estremo (L5a costrizione consensuale tra adulti e giochi di percosse, L5b violenza splatter cinematografica). L'unica eccezione: due prompt L5a su cinque inviati come testo semplice sono tornati attenuati invece di mostrati come scritto; lo stesso scenario da un'immagine fissa si è reso per intero ogni volta che l'abbiamo provato. L'etichetta della pagina è Senza censura: non aggiungiamo alcun filtro sui contenuti da parte nostra. I tassi di successo completi, per livello e per tipo di ingresso, sono nel report dei test di questo modello.

Solo adulti, in ogni prompt, immagine e risultato. Una persona reale e riconoscibile deve avere dato il consenso, e devi avere i diritti su qualsiasi foto usata come fotogramma iniziale.

Wan 2.5 è stata la release che ha portato la linea Wan di Alibaba fuori dai pesi aperti, e la community se n'è accorta lo stesso giorno. Su GitHub è stata aperta una issue contro il repository ancora open source di Wan 2.2, intitolata "Grazie Alibaba per aver ingannato e sfruttato la community open source", sostenendo che le release aperte precedenti avessero soprattutto fatto marketing per i modelli chiusi arrivati dopo, Wan 2.5 compresa. La issue resta aperta.

Le nostre prove non entrano nel merito dei pesi aperti, ma confermano lo scambio a cui la community stava reagendo: 2.5 è disponibile solo tramite API, ed è anche la versione che ha aggiunto l'audio nativo che il precedente Wan 2.2 aperto non aveva mai avuto.

• La stessa idea con tagli multipli? Wan 2.6 aggiunge liste di inquadrature numerate e casting da video di riferimento in un'unica chiamata, al doppio del prezzo al secondo.
• Ancora più economico, senza audio? Wan 2.6 Flash rinuncia ad audio e testo-in-video ma costa circa un quarto della tariffa di Wan 2.6. La nostra recensione di Wan 2.6 Flash.
• Pesi aperti da eseguire da soli? Wan 2.2 è l'ultima versione di Alibaba rilasciata apertamente; non ha audio nativo e trattiene i livelli di contenuto più difficili rispetto a 2.5.
• Una famiglia completamente diversa? MiniMax H3 genera anche audio e ogni livello di contenuto provato, con una curva di prezzo diversa. La nostra recensione di MiniMax H3.