Wan 2.1 da immagine a video prende un singolo fotogramma fermo e genera una breve clip che prosegue da lì. Carichi un'immagine, descrivi il movimento che vuoi ottenere e il modello la anima a partire da quel punto di partenza. Tutto viene eseguito su hardware ospitato, quindi l'unica cosa che deve fare la tua macchina è caricare una pagina web.
Questa pagina riguarda nello specifico la generazione 2.1. Se ti interessano le versioni più recenti, /wan-2-2 e /wan-2-5 le trattano, mentre /wan-2-1 è l'hub generale di questa generazione. Il flusso di lavoro più ampio basato sulle immagini si trova su /image-to-video.
Il modello riceve la tua immagine come primo fotogramma e prevede cosa succede dopo. Non è uno strumento da presentazione che applica panoramiche e zoom a un'immagine statica. Sintetizza nuovi fotogrammi, il che significa che i soggetti possono muoversi, capelli e tessuti possono spostarsi e la luce può cambiare nel corso della clip. L'immagine originale resta il punto di ancoraggio, quindi il fotogramma iniziale appare come quello che hai caricato.
Poiché l'immagine porta con sé gran parte dell'informazione, il tuo prompt qui ha un compito diverso rispetto a /text-to-video. Non stai descrivendo ciò che dovrebbe esistere. Stai descrivendo ciò che dovrebbe accadere.
Parti da un'immagine sorgente pulita. Gli artefatti di compressione, il rumore marcato e la nitidezza eccessiva vengono tutti trascinati in avanti e amplificati una volta che i fotogrammi iniziano a muoversi. Se il tuo file è troppo grande o in un formato scomodo, il compressor di immagini e il convertitore di immagini se ne occupano prima del caricamento.
Componi pensando al movimento. Un fotogramma in cui il soggetto è centrato con un po' di spazio attorno dà al modello margine di manovra. Un volto ritagliato stretto senza contesto sullo sfondo lascia pochissimo da animare.
Scrivi il prompt come una sequenza di eventi, non come un elenco di sostantivi. "She turns her head slowly to the left, hair drifting, background lights pulsing" dà al modello una traiettoria. "Woman, beautiful, cinematic, 4k" non gli dà nulla da muovere.
Mantieni il movimento contenuto. Un movimento piccolo e credibile appare reale. Un movimento ampio su una clip breve tende a sbavare o deformarsi, soprattutto su mani, volti e bordi sottili.
Considera il primo render come una prova. Guardalo una volta per il movimento complessivo, poi una seconda per gli artefatti. La maggior parte dei miglioramenti arriva al secondo e al terzo tentativo, non al primo.
Il prompt è la leva più importante, ma non l'unica.
Il rapporto d'aspetto dovrebbe corrispondere all'immagine sorgente. Forzare una foto verticale in un formato orizzontale significa che il modello deve inventare le regioni mancanti, e quelle aree inventate sono di solito la parte più debole della clip.
La durata della clip è un compromesso con la coerenza. Output più lunghi danno al movimento più tempo per svilupparsi, ma la deriva e la perdita di identità si accumulano man mano che ci si allontana dal fotogramma sorgente. Le clip brevi restano più vicine all'originale.
La risoluzione influisce su quanto dettaglio fine sopravvive. Impostazioni più alte preservano la texture ma costano di più da renderizzare e possono mettere in evidenza i difetti di un'immagine sorgente morbida.
Il controllo del seed conta quando vuoi iterare. Riutilizzare un seed cambiando una sola variabile ti permette di vedere cosa ha realmente prodotto quella variabile, invece di tirare a indovinare rispetto a un risultato completamente diverso.
Il costo in crediti di un'esecuzione è mostrato accanto al modulo prima dell'invio, così puoi vedere quanto costa una configurazione prima di impegnarti. I piani attuali sono su /pricing.
Non è uno strumento per ricostruire una scena che non hai mai fotografato. Se non hai un'immagine di partenza, /text-to-image o /ai-generator sono il punto di ingresso giusto.
Non è pensato per video di lunga durata. Le clip sono brevi per concezione, e unirne molte insieme è un problema separato che /video-extend affronta.
Non produrrà in modo affidabile testo leggibile, gesti precisi delle mani o interazioni fisiche esatte. Questi restano punti deboli.
Non è uno strumento di face-swap o di coerenza dei personaggi. Se il tuo obiettivo è guidare un personaggio specifico con una performance di riferimento, /wan-animate e /wan-2-2-animate sono più vicini a ciò che cerchi.
E non è un'installazione locale. Questo sito esegue il modello per te nel browser. Non distribuiamo i pesi del modello e non offriamo alcun tipo di download. Se cerchi file da eseguire sulla tua GPU, questo non fa per te.
Serve una GPU o un software installato?
No. Il rendering avviene su hardware ospitato. Ti servono un browser e un'immagine.
Posso usare la foto di una persona reale?
Sei responsabile di avere i diritti su tutto ciò che carichi. Non inviare immagini di persone che non hanno acconsentito.
Perché la mia clip si è allontanata dall'immagine originale?
Di solito il movimento che hai richiesto era troppo ampio per la durata della clip, oppure l'immagine sorgente aveva pochi dettagli a cui il modello potesse aggrapparsi. Riduci il movimento o accorcia la clip.
Posso scaricare i pesi del modello qui?
No. Non distribuiamo i pesi e non ci sono download su questo sito. Eseguiamo i modelli Wan per te e restituiamo il video renderizzato.
E se ho solo del testo e nessuna immagine?
Parti da /text-to-video, oppure genera prima un'immagine ferma e portala qui.