Wan 2.5 text-to-video od Alibaba zamienia opisane ujęcie w klip 5 lub 10 s z generowanym dźwiękiem, w 480p, 720p lub 1080p. Wybierz 16:9, 9:16, 1:1, 4:3 lub 3:4 i opcjonalnie dodaj ścieżkę audio, za którą ma podążać.
Obszar roboczy
Te przykłady napisano specjalnie dla tego endpointu. Podmień prompt i przykładowe adresy mediów na własne, dostępne materiały, a przed wysłaniem sprawdź aktualną wycenę i dostępność modelu.
- Wyjście5 s
bar-slow-dance Dwoje ludzi w jednym ruchu, wyłącznie ze słów: po zamknięciu lokalu ona przyciąga go za krawat, aż ich twarze prawie się stykają, po czym odchyla się w jego ramionach i śmieje się, a kamera krąży wokół nich. Mgiełka w bursztynowych smugach światła daje temu okrążeniu coś do odsłonięcia.
- 720p
- 16:9
- 5s
- Wyjście10 s
sax-solo-ten-seconds `duration_seconds` to `10`, dłuższa z dwóch długości, jakie ten endpoint przyjmuje, przy `1080p` i `16:9`. Od przebiegu dźwiękowego opis żąda czegoś konkretnego: żeby brzmienie instrumentu zgadzało się z palcowaniem, a to twierdzenie o synchronizacji, a nie o tle dźwiękowym. Jeśli zamierzasz sprawdzać generowany dźwięk, sprawdzaj go przy widocznym mechanizmie — wtedy sam zobaczysz, czy się schodzi.
- 1080p
- 16:9
- 10s
- Wyjście5 s
harbour-dawn-swim Jedna czynność i jedna pozycja kamery, z rozpisanym dźwiękiem, żeby plusk i śmiech trafiły we właściwe klatki.
- 720p
- 16:9
- 5s
- Wyjście10 s
record-shop-vertical Dziesięciosekundowy pionowy dubel w 1080p: najazd od dłoni do twarzy, z negatywnym promptem trzymającym poza kadrem napisy i dodatkowe osoby.
- 250924
- 1080p
- 9:16
Ten przykład zaczyna się od $0.045 za sekundę wyniku. Playground przelicza szacunek po każdej zmianie ustawień.