Wan2.6 stellt einen Durchbruch in der KI-Videogenerierung dar und bietet die umfassendsten Videogenerierungsfunktionen der Welt. Das Modell verfügt über Rollenspiel-, Mehr-Einstellungs-Steuerungs- und Audio-Video-Synchronisationsfunktionen, die es von der Konkurrenz abheben.
Jetzt auf der Modell-API-Plattform von Novita AI verfügbar, können Entwickler und Unternehmen dieses moderne Modell über eine einfache API-Integration nutzen, ohne komplexe Infrastruktur verwalten zu müssen.
Dieser Leitfaden zeigt, wie Sie Wan2.6 auf Novita AI für Text-zu-Video-, Bild-zu-Video- und Referenzvideogenerierung nutzen können.
Testen Sie Wan2.6 im Novita AI Playground
Was ist Wan2.6?
Dieses Video wurde von Wan2.6 generiert
Wan2.6 ist die neueste Generation der Videogenerierungsmodellreihe von Alibaba Cloud, die speziell für professionelle Filmproduktion und kreative Inhalts-Szenarien entwickelt wurde.
Als das funktionsumfangreichste Videogenerierungsmodell der Welt führt Wan2.6 revolutionäre Funktionen ein, die die Lücke zwischen amateurhafter Inhaltserstellung und professioneller Kinematographie schließen.
Kern-Technologie
Wan2.6 nutzt fortschrittliches multimodales gemeinsames Modellieren, um Referenzvideos zu verarbeiten. Das System extrahiert zeitliche Informationen zu Emotionen, Posen und umfassenden visuellen Merkmalen von Subjekten aus mehreren Winkeln.
Das Modell erfasst gleichzeitig akustische Merkmale, einschließlich Stimmtimbre und Sprechgeschwindigkeit. Diese Elemente dienen als Steuerungsbedingungen während der Generierung, um eine vollständige sensorische Konsistenz von visuellen zu akustischen Inhalten aufrechtzuerhalten.
Technische Innovationen
Das Modell integriert mehrere bahnbrechende Technologien:
- Multimodales Lernen: Verarbeitet visuelle, akustische und zeitliche Daten gleichzeitig für kohärente Ausgaben
- Hochwertiges semantisches Verständnis: Wandelt einfache Prompts in professionelle Mehr-Einstellungs-Erzählungen mit vollständigen Handlungssträngen um
- Einheitliches Modellieren: Erhält die Konsistenz von Kernsubjekten, Szenen-Layouts und Umgebungsatmosphäre über Einstellungsübergänge hinweg
- Audio-Video-Synchronisation: Stellt perfekte Lippensynchronisation und Audio-Ausrichtung mit visuellen Inhalten sicher
Hauptfunktionen von Wan2.6
1. Rollenspiel-Funktion
Die charakteristische Funktion von Wan2.6 ermöglicht es Nutzern, persönliche Videos hochzuladen und sich selbst in Charaktere in Szenen von professioneller Qualität zu verwandeln.
Das Modell verarbeitet:
- Einzel- und Mehrcharakter-Darstellungen: Unterstützt Solo-Darstellungen oder Gruppeninteraktionen
- Emotions- und Gestenübertragung: Erfasst und repliziert nuancierte Ausdrücke und Bewegungen
- Stilübergreifende Transformation: Wendet verschiedene Genres (Science-Fiction, Thriller, Romanze) auf Ausgangsmaterial an
- Professionelle Schauspiel-Simulation: Generiert kinoreife Darstellungen aus gewöhnlichen Nutzervideos
2. Mehr-Einstellungs-Steuerung und Übergänge
Das Modell zeichnet sich durch professionelle Einstellungs-Komposition und Übergänge aus:
- Automatische Einstellungsplanung: Wandelt einfache Prompts in Mehr-Einstellungs-Skripte um
- Nahtlose Übergänge: Sanfte Schnitte zwischen verschiedenen Kamerawinkeln und Perspektiven
- Erzählerische Kohärenz: Erhält die Kontinuität der Geschichte über mehrere Einstellungen hinweg
- Konsistenzwahrung: Hält Charaktere, Einstellungen und Atmosphäre durchgehend einheitlich
3. Erweiterte Videodauer
Wan2.6 unterstützt bis zu 15 Sekunden pro Generierung – die längste Einzelgenerierungsdauer, die auf Chinas KI-Videomarkt verfügbar ist.
Diese erweiterte Dauer ermöglicht komplexere Erzählungen und vollständige Szenenentwicklung, ohne dass mehrere Generierungen und Zusammenführungen erforderlich sind.
4. Audio-Video-Synchronisation
Perfekte Ausrichtung zwischen akustischen und visuellen Elementen:
- Lippensynchronisationsgenauigkeit: Genaue Anpassung von Mundbewegungen für Dialoge
- Soundgesteuerte Animation: Audio-Hinweise steuern Charakterbewegungen und -ausdrücke
- Umgebungsaudio: Kontextuell passende Hintergrundgeräusche und Effekte
5. Verbesserte Qualitätsmetriken
Jüngste Upgrades haben mehrere Aspekte des Modells deutlich verbessert:
- Verbesserte visuelle Treue: Höhere Auflösung und Detailqualität
- Bessere Audioeffekte: Professionelles Sounddesign
- Überlegene Prompt-Befolgung: Genauere Interpretation komplexer Anweisungen
- Kinematographische Kameraführung: Professionelle Kinematographie-Techniken werden automatisch angewendet
Wan2.6 Modellvarianten auf Novita AI
Novita AI bietet drei distincte API-Endpunkte für Wan2.6, die jeweils für spezifische Anwendungsfälle optimiert und über die Modell-API-Plattform zugänglich sind.
Text-zu-Video (T2V)
Generieren Sie Videos direkt aus Text-Prompts, ohne dass Eingabebilder oder -videos erforderlich sind.
Ideal zum Erstellen von Originalinhalten aus kreativen Beschreibungen mit Mehr-Einstellungs-Steuerung und narrativer Sequenzierung.
Hauptfunktionen:
- Mehr-Einstellungs-Erzählgenerierung aus sequenziellen Prompts
- Automatische Auswahl von Einstellungsarten und Kamerabewegungen
- Kinematographische Übergänge zwischen Szenen
- Unterstützung von 5, 10 und 15 Sekunden langen Videodauern
Technische Spezifikationen:
| Parameter | Unterstützte Werte | Hinweise |
|---|---|---|
| Dauer | 5s, 10s, 15s | Wählen Sie basierend auf der Inhaltskomplexität |
| Auflösung | 1280×720, 720×1280, 960×960, 1088×832, 832×1088, 1920×1080, 1080×1920, 1440×1440, 1632×1248, 1248×1632 | Unterstützt keine 480P |
| Modell-ID | wan2.6-t2v |
Verwenden Sie diese Kennung in API-Aufrufen |
Weitere Informationen: Wan2.6 Text-zu-Video API-Dokumentation
Bild-zu-Video (I2V)
Animieren Sie statische Bilder zu dynamischen Videosequenzen.
Perfekt, um Produktfotos, Illustrationen oder Konzeptkunst mit kontrollierter Bewegung und narrativem Kontext zum Leben zu erwecken.
Hauptfunktionen:
- Bewegungsstärkesteuerung für Animationsintensität
- Mehrere Auflösungsoptionen für verschiedene Anwendungsfälle
- Prompt-gesteuerte Animationsrichtung
- Charakter- und Objektanimation
Technische Spezifikationen:
| Parameter | Unterstützte Werte | Hinweise |
|---|---|---|
| Dauer | 5s, 10s, 15s | Erweiterte Dauer für komplexe Animationen |
| Auflösung | 1080P, 720P | Unterstützt keine 480P |
| Modell-ID | wan2.6-i2v |
Verwenden Sie diese Kennung in API-Aufrufen |
Weitere Informationen: Wan2.6 Bild-zu-Video API-Dokumentation
Referenzvideo (R2V)
Transformieren Sie vorhandene Videos mit Stilübertragung, Rollenspiel oder Szenenmodifikationen unter Verwendung von Referenzvideo-Eingaben.
Hauptfunktionen:
- Rollenspiel und Charakterersetzung
- Stilübertragung über visuelle Genres hinweg
- Wahrung der Audio-Video-Synchronisation
- Unterstützung von mehreren Referenzvideos (1-2 Videos empfohlen)
Technische Spezifikationen:
| Parameter | Unterstützte Werte |
|---|---|
| Dauer | 5s, 10s (unterstützt keine 15s) |
| Auflösung | 1280×720, 720×1280, 960×960, 1088×832, 832×1088, 1920×1080, 1080×1920, 1440×1440, 1632×1248, 1248×1632 (keine 480P) |
| Videoformat | MP4, MOV |
| Dateigröße | < 30 MB pro Datei |
| Einzelreferenz | Max. 5s Dauer |
| Doppelreferenz | Max. 2,5s pro Video (3 Videos nicht empfohlen) |
| Modell-ID | wan2.6-v2v |
Wichtige Hinweise: Referenzvideos können nicht gleichzeitig mit Audiodateien hochgeladen werden. Der Parameter reference_video_urls akzeptiert ein Array von Video-URLs.
Weitere Informationen: Wan2.6 Referenzvideo API-Dokumentation
Erste Schritte mit Wan2.6 auf Novita AI
Voraussetzungen
Stellen Sie vor Beginn sicher, dass Sie über Folgendes verfügen:
- Novita AI-Konto: Registrieren Sie sich unter novita.ai. Sie erhalten automatisch $1 Gratis-Guthaben bei der Registrierung
- API-Schlüssel: Holen Sie ihn aus Ihrer Konsole
- Entwicklungsumgebung: Python, Node.js oder ein beliebiger HTTP-Client
Asynchroner Anfrageablauf
Wan2.6 auf Novita AI nutzt ein asynchrones Verarbeitungsmodell, um Generierungsanfragen effizient zu bearbeiten:
- Anfrage senden: Senden Sie einen POST an den entsprechenden Endpunkt mit Ihren Parametern
- Task-ID erhalten: Die API gibt sofort eine
task_idzurück - Ergebnisse abfragen: Nutzen Sie die Task-ID, um den Generierungsstatus zu prüfen
- Ausgabe abrufen: Laden Sie das generierte Video herunter, sobald es fertig ist
Text-zu-Video Generierungsbeispiel
Hier ist ein vollständiges Beispiel für die Generierung eines Videos aus Text mithilfe der T2V-API von Wan2.6:
Schritt 1: Generierungsanfrage senden
import requests
url = "https://api.novita.ai/v3/async/wan2.6-t2v"
payload = {
"input": {
"prompt": "<string>",
"audio_url": "<string>",
"negative_prompt": "<string>"
},
"parameters": {
"seed": 123,
"size": "<string>",
"audio": True,
"duration": 123,
"shot_type": "<string>",
"watermark": True,
"prompt_extend": True
}
}
headers = {
"Content-Type": "<content-type>",
"Authorization": "<authorization>"
}
response = requests.post(url, json=payload, headers=headers)
print(response.text)
Schritt 2: Videogenerierungsergebnisse abrufen
import requests
url = "https://api.novita.ai/v3/async/task-result"
headers = {
"Content-Type": "<content-type>",
"Authorization": "<authorization>"
}
response = requests.get(url, headers=headers)
print(response.text)
Erklärung der wichtigsten Parameter
| Parameter | Beschreibung | Optionen |
|---|---|---|
prompt |
Textbeschreibung des gewünschten Videos | Detaillierte Szenenbeschreibung |
audio_url |
Optionale Audiodatei für Synchronisation | HTTPS-URL zur Audiodatei |
negative_prompt |
Zu vermeidende Elemente | Qualitätsprobleme, unerwünschte Objekte |
seed |
Seed für Reproduzierbarkeit | Beliebige Ganzzahl |
size |
Videoauflösung | “1280x720”, “1920x1080”, “720x1280” etc. |
duration |
Videolänge in Sekunden | 5, 10 oder 15 |
shot_type |
Kamerawinkel | “wide_shot”, “medium_shot”, “close_up” |
prompt_extend |
Prompt automatisch verbessern | true/false |
watermark |
Wasserzeichen zum Video hinzufügen | true/false |
audio |
Audiogenerierung aktivieren | true/false |
Für vollständige API-Spezifikationen und zusätzliche Parameter besuchen Sie die Wan2.6 API-Dokumentation.
Mehr-Einstellungs-Prompt-Struktur
Die Mehr-Einstellungs-Funktion von Wan2.6 ermöglicht es Ihnen, zusammenhängende Erzählsequenzen mit mehreren Kamerawinkeln und Szenen zu erstellen. Um die Qualität von Mehr-Einstellungs-Videos zu maximieren, befolgen Sie dieses strukturierte Prompt-Format.
Prompt-Struktur-Formel
Prompt = Gesamtbeschreibung + Einstellungsnummer + Zeitstempel + Einstellungsinhalt
Komponentenaufschlüsselung
1. Gesamtbeschreibung
Geben Sie eine kurze Übersicht über den gesamten Videoinhalt. Dieser Abschnitt sollte beschreiben:
- Geschichte-Thema und Erzählstil
- Hauptemotionen oder zentrale Ereignisse
- Gesamter Ton und Atmosphäre
Dies hilft der KI, die globale Erzählrichtung zu verstehen und die Konsistenz über Einstellungen hinweg aufrechtzuerhalten.
2. Einstellungsnummer
Weisen Sie jeder Einstellung eine fortlaufende Nummer zu, um:
- Unterschiedliche Szenen oder Segmente zu unterscheiden
- Die Videostruktur klar zu organisieren
- Den logischen Fluss zwischen Übergängen aufrechtzuerhalten
3. Zeitstempel
Geben Sie den genauen Zeitbereich für jede Einstellung innerhalb der Video-Zeitleiste an:
- Stellt sicher, dass Inhalte mit der Videozeit übereinstimmen
- Verbessert die Generierungsgenauigkeit
- Hilft bei der präzisen Steuerung der Einstellungsdauer
4. Einstellungsinhalt
Geben Sie detaillierte Beschreibungen für jede Einstellung an, einschließlich:
- Hauptcharaktere oder Objekte und deren spezifische Verhaltensweisen
- Aktionen, Dialoge, Ausdrücke und Gesten
- Kamerawinkel und -bewegungen
- Beleuchtungs- und Atmosphäredetails
Befolgen Sie für diesen Abschnitt die Standardkonventionen für das Schreiben von Einzel-Einstellungs-Prompts.
Mehr-Einstellungs-Prompt-Beispiel
Hier ist ein praktisches Beispiel, das die vollständige Struktur demonstriert:
This story is told from a third-person perspective, depicting a short drama about abandonment and the rekindling of hope.
Shot 1 [0-3 seconds]: A boy sits alone in the corner of a playground, head down, looking at a letter in his hands. He lets out a soft sigh, his eyes revealing confusion and uncertainty.
Shot 2 [3-5 seconds]: Hard cut transition, fixed camera position, focusing on the boy's eyes. Tears glisten, conveying a sense of loss and helplessness.
Shot 3 [5-10 seconds]: Hard cut transition, scene shifts to a simple classroom. A girl with gentle yet determined eyes, wearing modest clothing, approaches the boy with a warm and reassuring smile to comfort him.
Fazit
Wan2.6 auf Novita AI demokratisiert die professionelle Videoproduktion und bietet beispiellose kreative Kontrolle durch Rollenspiel, Mehr-Einstellungs-Erzählungen und Audio-Video-Synchronisation.
Egal, ob Sie ein Entwickler sind, der Videogenerierungsfunktionen erstellt, ein Vermarkter, der Kampagneninhalte erstellt, oder ein Filmemacher, der Vorvisualisierung erkundet: Die Modell-API-Plattform von Novita AI beseitigt Infrastrukturkomplexität und liefert gleichzeitig kinoreife Ergebnisse.
Beginnen Sie noch heute mit der Generierung professioneller Videos und verwandeln Sie Ihre kreative Vision innerhalb von Minuten in Realität.
Bereit, loszulegen? Erstellen Sie Ihr Novita AI-Konto und greifen Sie auf Wan2.6 mit Gratis-Guthaben zu, um die Zukunft der KI-Videogenerierung zu erleben.
Novita AI ist eine führende KI-Cloud-Plattform, die Entwicklern benutzerfreundliche APIs und erschwingliche, zuverlässige GPU-Infrastruktur zum Erstellen und Skalieren von KI-Anwendungen bietet.
