Alibaba Cloud Model Studio menyediakan model pembuatan video untuk pembuatan umum (text-to-video, image-to-video, reference-to-video, pengeditan video) dan skenario vertikal (sinkronisasi bibir manusia digital, image-to-action, penukaran karakter video, pembuatan emoji).
Ikhtisar model
|
Cakupan penerapan layanan Bandingkan cakupan |
Global Sumber daya komputasi untuk inferensi model dijadwalkan secara global. |
Internasional Sumber daya komputasi untuk inferensi model dijadwalkan secara global, kecuali Tiongkok daratan. |
AS Sumber daya komputasi untuk inferensi model dibatasi hanya di AS. |
Tiongkok daratan Sumber daya komputasi untuk inferensi model dibatasi hanya di Tiongkok daratan. |
|
Wilayah |
Virginia |
Singapura |
Virginia |
Beijing |
|
Model yang didukung |
Wan - image-to-video - frame pertama |
Wan - image-to-video - frame pertama Wan - image-to-video - frame pertama dan terakhir |
Pemilihan model
-
Pembuatan video umum
-
Untuk menghasilkan video dari prompt teks, gunakan Wan - text-to-video.
-
Untuk menghasilkan cuplikan sinematik dari satu gambar, gunakan Wan - image-to-video - frame pertama.
-
Untuk mengontrol transisi antara gambar awal dan akhir, gunakan Wan - image-to-video - frame pertama dan terakhir.
-
Untuk mereplikasi penampilan dan suara karakter dari video referensi agar sesuai dengan naskah baru, gunakan Wan - reference-to-video.
-
-
Sinkronisasi bibir manusia digital: Menganimasikan foto statis untuk berbicara, bernyanyi, atau bercerita — latar belakang tetap, sedangkan wajah, kepala, dan tubuh bergerak.
-
Untuk hasil paling alami, termasuk ekspresi wajah, gerakan kepala, dan tubuh, gunakan Wan - manusia digital. Model ini menggantikan EMO.
-
Untuk video lebih dari 20 detik dengan gerakan kepala sederhana, seperti laporan berita, gunakan LivePortrait.
-
-
Transfer gerakan video: Fitur ini menjaga latar belakang foto tetap statis dan menganimasikan orang menggunakan gerakan dari video referensi. Gunakan Wan - image-to-action.
-
Penukaran karakter video: Fitur ini mengganti orang dalam video dengan orang dari gambar sambil mempertahankan latar belakang aslinya. Gunakan Wan - penukaran karakter video.
-
Penggantian penari: Mengganti penari dalam video dengan orang dari gambar. Untuk kualitas terbaik, gunakan Wan - image-to-action dan Wan - penukaran karakter video. Jika anggaran terbatas, gunakan AnimateAnyone.
-
Penggantian gerakan bibir video: Fitur ini mengganti gerakan bibir dalam video yang ada agar sesuai dengan audio baru. Gunakan VideoRetalk.
-
Pembuatan emoji: Fitur ini membuat emoji menggunakan templat bergaya tetap. Gunakan Emoji.
-
Penggambaran ulang video: Untuk menggunakan templat bergaya tetap, gunakan Transformasi gaya video. Untuk mendeskripsikan gaya secara bebas menggunakan prompt, gunakan Wan - pengeditan video.
-
Pengeditan video: Untuk semua tugas berikut, gunakan Wan - pengeditan video umum.
-
Pengeditan video lokal: Ganti elemen seperti subjek atau pakaian, atau hapus orang yang lewat.
-
Perpanjangan video: Perpanjang video pendek, misalnya dari 1 detik menjadi 5 detik.
-
Ekspansi frame video: Ubah video landscape ke mode portrait atau isi bagian tepi yang hilang.
-
Generasi referensi multi-gambar: Gabungkan gambar latar belakang dan subjek untuk membuat video.
-
Model yang didukung
Wan - text-to-video
Menghasilkan video dari prompt teks. Mendukung input teks dan audio untuk membuat video multi-shot sinematik.
Referensi API | Harga model | Coba online: Singapura, Virginia, Beijing
Global
Jika Anda memilih cakupan penerapan Global, sumber daya komputasi inferensi model dijadwalkan secara dinamis di seluruh dunia. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: AS (Virginia) dan Jerman (Frankfurt).
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.6-t2v |
Video dengan audio Narasi multi-shot, sinkronisasi audio-video |
Teks, audio |
Opsi resolusi: 720P, 1080P Durasi video: 5d, 10d, 15d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
Internasional
Jika Anda memilih cakupan penerapan Internasional, sumber daya komputasi inferensi model dijadwalkan secara dinamis di seluruh dunia, kecuali Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Singapura.
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.7-t2v-2026-04-25 |
Video dengan audio Narasi multi-shot, sinkronisasi audio-video |
Teks, audio |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.7-t2v |
Video dengan audio Narasi multi-shot, sinkronisasi audio-video |
Teks, audio |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.6-t2v |
Video dengan audio Narasi multi-shot, sinkronisasi audio-video |
Teks, audio |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.5-t2v-preview |
Video dengan audio Sinkronisasi audio-video |
Teks, audio |
Opsi resolusi: 480P, 720P, 1080P Durasi video: 5d, 10d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.2-t2v-plus |
Video tanpa suara Stabilitas dan tingkat keberhasilan lebih baik dibandingkan model 2.1. |
Teks |
Opsi resolusi: 480P, 1080P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.1-t2v-turbo |
Video tanpa suara |
Teks |
Opsi resolusi: 480P, 720P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.1-t2v-plus |
Video tanpa suara |
Teks |
Opsi resolusi: 720P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
AS
Jika Anda memilih cakupan penerapan AS, sumber daya komputasi inferensi model dibatasi hanya di Amerika Serikat. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: AS (Virginia).
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.6-t2v-us |
Video dengan audio Narasi multi-shot, sinkronisasi audio-video |
Teks, audio |
Opsi resolusi: 720P, 1080P Durasi video: 5d, 10d, 15d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
Tiongkok daratan
Jika Anda memilih cakupan penerapan Tiongkok daratan, sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Tiongkok (Beijing).
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.7-t2v-2026-04-25 |
Video dengan audio Narasi multi-shot, sinkronisasi audio-video |
Teks, audio |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.7-t2v |
Video dengan audio Narasi multi-shot, sinkronisasi audio-video |
Teks, audio |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.6-t2v |
Video dengan audio Narasi multi-shot, sinkronisasi audio-video |
Teks, audio |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.5-t2v-preview |
Video dengan audio Sinkronisasi audio-video |
Teks, audio |
Opsi resolusi: 480P, 720P, 1080P Durasi video: 5d, 10d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.2-t2v-plus |
Video tanpa suara Stabilitas dan tingkat keberhasilan lebih baik dibandingkan model 2.1. |
Teks |
Opsi resolusi: 480P, 1080P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wanx2.1-t2v-turbo |
Video tanpa suara |
Teks |
Opsi resolusi: 480P, 720P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wanx2.1-t2v-plus |
Video tanpa suara |
Teks |
Opsi resolusi: 720P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
Prompt input |
Video output (wan2.6, video multi-shot) |
|
Cuplikan dari sudut rendah, dalam close-up medium, dengan nada hangat, pencahayaan campuran (lampu meja praktis menyatu dengan cahaya mendung dari jendela), pencahayaan samping, dan komposisi sentral. Di kantor detektif klasik, rak buku kayu dipenuhi berkas kasus lama dan asbak. Lampu meja hijau menerangi berkas kasus yang terbuka di tengah meja. Seekor rubah, mengenakan mantel trench coklat tua dan fedora abu-abu muda, duduk di kursi kulit, bulunya merah, ekornya terletak ringan di tepi, jarinya perlahan membalik halaman kuning. Di luar, hujan gerimis turun di bawah langit biru, mengalir di kaca membentuk alur-alur berkelok. Ia perlahan mengangkat kepalanya, telinganya sedikit bergerak, matanya yang kuning menatap langsung ke kamera, mulutnya bergerak jelas saat berbicara dengan suara halus dan sinis: 'Kasus ini sudah dingin, lebih dingin dari ikan di musim dingin. Tapi setiap ayam punya rahasia, dan aku, untuk satu hal, berniat menemukannya.' |
Wan - image-to-video
Model image-to-video Wan ditingkatkan dengan input multimodal (teks/gambar/audio/video) dan mendukung tiga tugas: frame-pertama-ke-video, frame-pertama-dan-terakhir-ke-video, dan kelanjutan video.
Referensi API | Harga model | Panduan prompt
Internasional
Jika Anda memilih cakupan penerapan Internasional, sumber daya komputasi inferensi model dijadwalkan secara dinamis di seluruh dunia, kecuali Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Singapura.
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.7-i2v-2026-04-25 |
Video dengan audio Frame-pertama-ke-video, frame-pertama-dan-terakhir-ke-video, kelanjutan video, kelanjutan video dengan kontrol frame terakhir Narasi multi-shot, sinkronisasi audio-video |
Teks, gambar, audio, video |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.7-i2v |
Video dengan audio Frame-pertama-ke-video, frame-pertama-dan-terakhir-ke-video, kelanjutan video, kelanjutan video dengan kontrol frame terakhir Narasi multi-shot, sinkronisasi audio-video |
Teks, gambar, audio, video |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
Tiongkok Daratan
Jika Anda memilih cakupan penerapan Tiongkok daratan, sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Tiongkok (Beijing).
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.7-i2v-2026-04-25 |
Video dengan audio Frame-pertama-ke-video, frame-pertama-dan-terakhir-ke-video, kelanjutan video, kelanjutan video dengan kontrol frame terakhir Narasi multi-shot, sinkronisasi audio-video |
Teks, gambar, audio, video |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.7-i2v |
Video dengan audio Frame-pertama-ke-video, frame-pertama-dan-terakhir-ke-video, kelanjutan video, kelanjutan video dengan kontrol frame terakhir Narasi multi-shot, sinkronisasi audio-video |
Teks, gambar, audio, video |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
Wan - image-to-video - frame pertama
Menghasilkan video dari gambar frame pertama yang ditentukan. Model ini menerima teks, gambar frame pertama, dan audio sebagai input untuk menghasilkan video multi-shot sinematik.
Referensi API | Harga model | Coba online: Singapura, Virginia, Beijing
Global
Jika Anda memilih cakupan penerapan Global, sumber daya komputasi inferensi model dijadwalkan secara dinamis di seluruh dunia. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: AS (Virginia) dan Jerman (Frankfurt).
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.6-i2v |
Video dengan audio Narasi multi-shot, sinkronisasi audio-video |
Teks, gambar, audio |
Opsi resolusi: 720P, 1080P Durasi video: 5d, 10d, 15d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
Internasional
Jika Anda memilih cakupan penerapan Internasional, sumber daya komputasi inferensi model dijadwalkan secara dinamis di seluruh dunia, kecuali Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Singapura.
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.6-i2v-flash |
Video dengan audio, video tanpa suara Narasi multi-shot, sinkronisasi audio-video |
Teks, gambar, audio |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.6-i2v |
Video dengan audio Narasi multi-shot, sinkronisasi audio-video |
Teks, gambar, audio |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.5-i2v-preview |
Video dengan audio Sinkronisasi audio-video |
Teks, gambar, audio |
Opsi resolusi: 480P, 720P, 1080P Durasi video: 5d, 10d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.2-i2v-flash |
Video tanpa suara 50% lebih cepat dibandingkan model 2.1. |
Teks, gambar |
Opsi resolusi: 480P, 720P, 1080P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.2-i2v-plus |
Video tanpa suara Stabilitas dan tingkat keberhasilan lebih baik dibandingkan model 2.1. |
Teks, gambar |
Opsi resolusi: 480P, 1080P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.1-i2v-plus |
Video tanpa suara |
Teks, gambar |
Opsi resolusi: 720P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.1-i2v-turbo |
Video tanpa suara |
Teks, gambar |
Opsi resolusi: 480P, 720P Durasi video: 3d, 4d, 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
AS
Jika Anda memilih cakupan penerapan AS, sumber daya komputasi inferensi model dibatasi hanya di Amerika Serikat. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: AS (Virginia).
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.6-i2v-us |
Video dengan audio Narasi multi-shot, sinkronisasi audio-video |
Teks, gambar, audio |
Opsi resolusi: 720P, 1080P Durasi video: 5d, 10d, 15d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
Tiongkok Daratan
Jika Anda memilih cakupan penerapan Tiongkok daratan, sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Tiongkok (Beijing).
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.6-i2v-flash |
Video dengan audio, video tanpa suara Narasi multi-shot, sinkronisasi audio-video |
Teks, gambar, audio |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.6-i2v |
Video dengan audio Narasi multi-shot, sinkronisasi audio-video |
Teks, gambar, audio |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 15d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.5-i2v-preview |
Video dengan audio Sinkronisasi audio-video |
Teks, gambar, audio |
Opsi resolusi: 480P, 720P, 1080P Durasi video: 5d, 10d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.2-i2v-flash |
Video tanpa suara 50% lebih cepat dibandingkan model 2.1. |
Teks, gambar |
Opsi resolusi: 480P, 720P, 1080P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.2-i2v-plus |
Video tanpa suara Stabilitas dan tingkat keberhasilan lebih baik dibandingkan model 2.1. |
Teks, gambar |
Opsi resolusi: 480P, 1080P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wanx2.1-i2v-plus |
Video tanpa suara |
Teks, gambar |
Opsi resolusi: 720P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wanx2.1-i2v-turbo |
Video tanpa suara |
Teks, gambar |
Opsi resolusi: 480P, 720P Durasi video: 3d, 4d, 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
Prompt input |
Gambar frame pertama input dan audio |
Video output (wan2.6, video multi-shot) |
|
Sebuah adegan seni fantasi urban. Karakter seni grafiti yang dinamis. Seorang remaja yang terbuat dari cat semprot hidup dari dinding beton. Ia melakukan rap bahasa Inggris dengan kecepatan tinggi sambil mengambil pose rapper klasik yang energetik. Adegan ini berlatar di bawah jembatan kereta api perkotaan pada malam hari. Pencahayaan berasal dari satu lampu jalan, menciptakan suasana sinematik penuh energi dan detail luar biasa. Audio video sepenuhnya terdiri dari rap-nya, tanpa dialog atau kebisingan lainnya. |
Input audio: |
Wan - image-to-video - frame pertama dan terakhir
Menghasilkan video yang transisi halus antara gambar frame pertama dan terakhir yang ditentukan. Model ini menerima teks, gambar frame pertama dan terakhir, serta audio sebagai input untuk menghasilkan video multi-shot sinematik.
Referensi API | Harga model | Coba online
Internasional
Jika Anda memilih cakupan penerapan Internasional, sumber daya komputasi inferensi model dijadwalkan secara dinamis di seluruh dunia, kecuali Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Singapura.
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.2-kf2v-flash |
Video tanpa suara Stabilitas dan tingkat keberhasilan lebih baik dibandingkan model 2.1. |
Teks, gambar |
Opsi resolusi: 480P, 720P, 1080P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.1-kf2v-plus |
Video tanpa suara |
Teks, gambar |
Opsi resolusi: 720P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
Tiongkok Daratan
Jika Anda memilih cakupan penerapan Tiongkok daratan, sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Tiongkok (Beijing).
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.2-kf2v-flash |
Video tanpa suara Stabilitas dan tingkat keberhasilan lebih baik dibandingkan model 2.1. |
Teks, gambar |
Opsi resolusi: 480P, 720P, 1080P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wanx2.1-kf2v-plus |
Video tanpa suara |
Teks, gambar |
Opsi resolusi: 720P Durasi video: 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
Gambar frame pertama input |
Gambar frame terakhir input |
Prompt input |
Video output |
|
|
|
Gaya realistis. Seekor kucing hitam kecil menatap langit dengan rasa ingin tahu. Kamera mulai dari ketinggian mata, perlahan naik, dan berakhir dengan bidikan dari atas ke bawah terhadap tatapan penasaran si kucing. |
Wan - reference-to-video
Buat karakter dari video tertentu melakukan aksi. Input video dan prompt teks untuk menghasilkan video output yang menjaga konsistensi karakter.
Global
Jika Anda memilih cakupan penerapan Global, sumber daya komputasi inferensi model dijadwalkan secara dinamis di seluruh dunia. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: AS (Virginia) dan Jerman (Frankfurt).
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.6-r2v |
Video dengan audio Generasi video peran tunggal/multi-peran Narasi multi-shot, sinkronisasi audio-video |
Teks, video |
Opsi resolusi: 720P, 1080P Durasi video: 5d, 10d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
Internasional
Jika Anda memilih cakupan penerapan Internasional, sumber daya komputasi inferensi model dijadwalkan secara dinamis di seluruh dunia, kecuali Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Singapura.
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.7-r2v |
Video dengan audio Reference-to-video multi-entitas; mendukung konfigurasi timbre suara untuk setiap entitas. |
Teks, gambar, video, audio |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 10d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.6-r2v-flash |
Video dengan audio, video tanpa suara Generasi video peran tunggal/multi-peran Narasi multi-shot, sinkronisasi audio-video Generasi lebih cepat, hemat biaya. |
Teks, gambar, video |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 10d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.6-r2v |
Video dengan audio Generasi video peran tunggal/multi-peran Narasi multi-shot, sinkronisasi audio-video |
Teks, gambar, video |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 10d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
Tiongkok daratan
Jika Anda memilih cakupan penerapan Tiongkok daratan, sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Tiongkok (Beijing).
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.7-r2v |
Video dengan audio Reference-to-video multi-entitas memungkinkan Anda mengonfigurasi timbre suara untuk setiap entitas. |
Teks, gambar, video, audio |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 10d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.6-r2v-flash |
Video dengan audio, video tanpa suara Generasi video peran tunggal/multi-peran Narasi multi-shot, sinkronisasi audio-video Generasi lebih cepat, hemat biaya. |
Teks, gambar, video |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 10d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.6-r2v |
Video dengan audio Generasi video peran tunggal/multi-peran Narasi multi-shot, sinkronisasi audio-video |
Teks, gambar, video |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 10d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
Video referensi input 1 (peran: gadis kecil) |
Video referensi input 2 (peran: jam alarm) |
Prompt input |
Video output (dialog multi-peran) |
|
character1 berkata kepada character2: “Aku akan mengandalkanmu besok pagi!” character2 menjawab: “Kamu bisa mengandalkanku!” |
Wan - pengeditan video
Model pengeditan video. Menerima input multimodal teks, gambar, dan video untuk melakukan berbagai tugas generasi dan pengeditan video.
Referensi API pengeditan video 2.7 | Referensi API pengeditan video 2.1 | Harga model
Internasional
Jika Anda memilih cakupan penerapan Internasional, sumber daya komputasi inferensi model dijadwalkan secara dinamis di seluruh dunia, kecuali Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Singapura.
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.7-videoedit |
Video dengan audio, video tanpa suara (tergantung video input) Pengeditan berbasis instruksi, migrasi video |
Teks, gambar, video |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 10d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wan2.1-vace-plus |
Video tanpa suara Referensi multi-gambar, penggambaran ulang video, pengeditan lokal, perpanjangan video, ekspansi frame video |
Teks, gambar, video |
Opsi resolusi: 720P Durasi video: Hingga 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
Tiongkok Daratan
Jika Anda memilih cakupan penerapan Tiongkok daratan, sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Tiongkok (Beijing).
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.7-videoedit |
Video dengan audio, video tanpa suara (tergantung video input) Pengeditan berbasis instruksi, migrasi video |
Teks, gambar, video |
Opsi resolusi: 720P, 1080P Durasi video: [2d, 10d] (bilangan bulat) Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
|
wanx2.1-vace-plus |
Video tanpa suara Referensi multi-gambar, penggambaran ulang video, pengeditan lokal, perpanjangan video, ekspansi frame video |
Teks, gambar, video |
Opsi resolusi: 720P Durasi video: Hingga 5d Spesifikasi tetap: 30 fps, MP4 (encoding H.264) |
-
Fitur 1: Referensi multi-gambar
Gambar referensi input 1 (entitas referensi)
Gambar referensi input 2 (latar belakang referensi)
Prompt input
Video output
Video menunjukkan seorang gadis berjalan anggun keluar dari kedalaman hutan berkabut kuno. Langkah-langkahnya ringan, dan kamera menangkap setiap momen lincahnya. Saat ia berhenti dan melihat sekeliling ke hutan yang rimbun, senyum kejutan dan sukacita mekar di wajahnya. Momen ini, membeku dalam permainan cahaya dan bayangan, merekam pertemuannya yang indah dengan alam.
-
Fitur 2: Penggambaran ulang video
Video input
Prompt input
Video output
Video menunjukkan sebuah mobil hitam bergaya steampunk, dikendarai seorang pria, dihiasi roda gigi dan pipa tembaga. Latar belakangnya adalah pabrik permen berbasis uap dengan elemen retro, menciptakan adegan vintage dan menyenangkan.
-
Fitur 3: Pengeditan video lokal
Video input
Gambar mask input (area putih menunjukkan area pengeditan)
Prompt input
Video output
Video menunjukkan kafe Prancis bergaya Paris tempat seekor singa berjas dengan elegan menyesap kopi. Ia memegang cangkir kopi dengan satu tangan, menyesap pelan dengan ekspresi puas. Kafe tersebut didekorasi dengan selera tinggi, dengan warna lembut dan pencahayaan hangat menerangi area tempat singa tersebut berada.
-
Fitur 4: Perpanjangan video
Segmen video input pertama (1d)
Prompt input
Video output (video yang diperpanjang adalah 5d)
Seekor anjing memakai kacamata hitam berseluncur di jalan, kartun 3D.
-
Fitur 5: Ekspansi frame video
Video input
Prompt input
Video output
Seorang wanita elegan memainkan biola dengan penuh gairah, dengan orkestra simfoni lengkap di belakangnya.
Wan - manusia digital
Hanya cakupan penerapan layanan Tiongkok daratan yang didukung. Penyimpanan data berada di wilayah akses Beijing. Sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan.
Sinkronisasi bibir manusia digital menganimasikan seseorang atau karakter kartun dalam gambar untuk berbicara, bernyanyi, bercerita, atau tampil. Anda memberikan gambar dan file audio, dan model secara otomatis menghasilkan video dengan gerakan bibir, ekspresi wajah, serta gerakan kepala dan tubuh yang tersinkronisasi.
Referensi API deteksi gambar | Referensi API generasi video | Harga model
|
Model |
Fitur |
Modalitas input |
Deskripsi output |
|
wan2.2-s2v-detect |
Deteksi gambar |
Gambar |
Status deteksi output: Lulus atau Gagal |
|
wan2.2-s2v |
Generasi video Video dengan audio |
Gambar, audio |
Opsi resolusi: 480P, 720P Durasi video: Hingga 20d (mengikuti durasi audio) Spesifikasi tetap:
|
|
Contoh input (gambar karakter + audio) |
Video output (sinkronisasi bibir) |
|
Input audio: |
Wan - image to action
Menganimasikan seseorang dari gambar menggunakan gerakan dari video referensi. Anda memberikan gambar dan video, dan model menghasilkan video yang menerapkan gerakan dari video referensi ke orang tersebut, sementara latar belakang gambar asli tetap statis.
Internasional
Jika Anda memilih cakupan penerapan Internasional, sumber daya komputasi inferensi model dijadwalkan secara dinamis di seluruh dunia, kecuali Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Singapura.
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.2-animate-move |
Video dengan audio, video tanpa suara (tergantung video input)
|
Gambar, video |
Opsi resolusi: 720P Durasi video: 2d < durasi < 30d Spesifikasi tetap:
|
Tiongkok daratan
Jika Anda memilih cakupan penerapan Tiongkok daratan, sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Tiongkok (Beijing).
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.2-animate-move |
Video dengan audio, video tanpa suara (tergantung video input)
|
Gambar, video |
Opsi resolusi: 720P Durasi video: 2d < durasi < 30d Spesifikasi tetap:
|
|
Gambar karakter input |
Video referensi input |
Video output (mode standar |
Video output (mode profesional |
|
|
Wan - penukaran karakter video
Mengganti karakter dalam video dengan karakter dari gambar referensi. Anda memberikan video sumber dan gambar referensi, dan model menghasilkan video output yang mempertahankan latar belakang asli. Fitur ini ideal untuk kasus penggunaan seperti penukaran wajah dan penggantian karakter penuh.
Internasional
Jika Anda memilih cakupan penerapan Internasional, sumber daya komputasi inferensi model dijadwalkan secara dinamis di seluruh dunia, kecuali Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Singapura.
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.2-animate-mix |
Video dengan audio, video tanpa suara (tergantung video input)
|
Gambar, video |
Opsi resolusi: 720P Durasi video: 2d < durasi < 30d Spesifikasi tetap:
|
Tiongkok daratan
Jika Anda memilih cakupan penerapan Tiongkok daratan, sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan. Data statis disimpan di wilayah yang Anda pilih. Wilayah yang didukung: Tiongkok (Beijing).
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
wan2.2-animate-mix |
Video dengan audio, video tanpa suara (tergantung video input)
|
Gambar, video |
Opsi resolusi: 720P Durasi video: 2d < durasi < 30d Spesifikasi tetap:
|
|
Video input |
Gambar karakter input untuk penggantian |
Video output (mode standar |
Video output (mode profesional |
|
|
AnimateAnyone
-
Hanya cakupan penerapan layanan Tiongkok daratan yang didukung. Penyimpanan data berada di wilayah akses Beijing. Sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan.
-
Kami merekomendasikan menggunakan Wan - image-to-action dan Wan - penukaran karakter video sebagai pengganti AnimateAnyone. Model-model ini menawarkan kualitas lebih baik, sedangkan AnimateAnyone adalah opsi yang lebih hemat biaya.
Dirancang khusus untuk menari, model ini mengganti penari dalam video dengan seseorang dari gambar. Anda memberikan gambar dan video untuk menghasilkan video output dengan dua cara: 1. Pertahankan latar belakang gambar. 2. Pertahankan latar belakang video.
Referensi API deteksi gambar | Referensi API generasi templat aksi | Referensi API generasi video | Harga model
|
Model |
Fitur |
Modalitas input |
Deskripsi output |
|
animate-anyone-detect-gen2 |
Deteksi gambar |
Gambar |
Status deteksi output: Lulus atau Gagal |
|
animate-anyone-template-gen2 |
Generasi templat video tari Mengekstraksi templat aksi dari video tari. |
Video |
Menghasilkan ID templat aksi tari. |
|
animate-anyone-gen2 |
Generasi video Video tanpa suara |
Gambar, video, ID templat aksi tari |
Opsi resolusi video: 720P Durasi video: 2d ≤ durasi ≤ 60d Spesifikasi tetap: 15 fps, MP4 (encoding H.264) |
|
Gambar karakter input |
Video tari input |
Video output (dihasilkan dengan latar belakang gambar) |
Video output (dihasilkan dengan latar belakang video) |
|
|
EMO
-
Hanya cakupan penerapan layanan Tiongkok daratan yang didukung. Penyimpanan data berada di wilayah akses Beijing. Sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan.
-
Pertimbangkan untuk menggunakan Wan - manusia digital sebagai alternatif untuk EMO. Wan - manusia digital memberikan hasil yang lebih baik, sedangkan EMO adalah opsi yang lebih hemat biaya.
Menghasilkan video bernyanyi dan pertunjukan dari gambar. Anda memberikan gambar dan file audio, dan model secara otomatis menghasilkan video dengan gerakan bibir, ekspresi wajah, dan gerakan kepala yang tersinkronisasi.
Referensi API deteksi gambar | Referensi API generasi video | Harga model
|
Model |
Fitur |
Modalitas input |
Deskripsi output |
|
emo-detect-v1 |
Deteksi gambar |
Gambar |
Status deteksi output: Lulus atau Gagal |
|
emo-v1 |
Generasi video Video dengan audio |
Gambar, audio |
Resolusi video:
Durasi video: Hingga 60d Spesifikasi tetap: 15 fps, MP4 (encoding H.264) |
|
Contoh input (gambar potret + audio) |
Video output (nyanyian sinkronisasi bibir) |
|
Input audio: |
LivePortrait
-
Hanya cakupan penerapan layanan Tiongkok daratan yang didukung. Penyimpanan data berada di wilayah akses Beijing. Sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan.
-
Pertimbangkan untuk menggunakan Wan - manusia digital sebagai alternatif untuk LivePortrait. Wan - manusia digital memberikan hasil berkualitas lebih tinggi, sedangkan LivePortrait adalah opsi yang lebih hemat biaya. Perhatikan bahwa LivePortrait cocok untuk menghasilkan video panjang (lebih dari 20 detik).
Menghasilkan video narasi dari gambar dengan menganimasikan orang dalam gambar untuk menyampaikan berita atau bercerita. Anda memberikan Gambar dan file Audio, dan model secara otomatis menghasilkan video dengan gerakan bibir, ekspresi wajah, dan gerakan kepala ringan yang tersinkronisasi.
Referensi API deteksi gambar | Referensi API generasi video | Harga model
|
Model |
Fitur |
Modalitas input |
Deskripsi output |
|
liveportrait-detect |
Deteksi gambar |
Gambar |
Status deteksi output: Lulus atau Gagal |
|
liveportrait |
Generasi video Video dengan audio |
Gambar, audio |
Resolusi video: Mengikuti gambar input, hingga hampir 4K (4096 × 4096). Durasi video: 1d < durasi < 180d Laju frame video: 15 fps ≤ laju frame ≤ 30 fps Format video: MP4 (encoding H.264) |
|
Contoh input (gambar potret + audio) |
Video output (pengisi suara sinkronisasi bibir) |
|
Input audio: |
Emoji
Hanya cakupan penerapan layanan Tiongkok daratan yang didukung. Penyimpanan data berada di wilayah akses Beijing. Sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan.
Membuat emoji menggunakan templat emoji tetap. Anda memberikan gambar dan ID templat emoji untuk menghasilkan video emoji.
Referensi API deteksi gambar | Referensi API generasi video | Harga model
|
Model |
Fitur |
Modalitas input |
Deskripsi output |
|
emoji-detect-v1 |
Deteksi gambar |
Gambar |
Status deteksi output: Lulus atau Gagal |
|
emoji-v1 |
Generasi video Video tanpa suara |
Gambar, ID templat emoji |
Resolusi video: Tetap pada 512 × 512 Durasi video: Hingga 5d (mengikuti durasi templat) Spesifikasi tetap: 15 fps, MP4 (encoding H.264) |
|
Gambar potret input |
Video output (emoji "jijik") |
|
|
VideoRetalk
Hanya cakupan penerapan layanan Tiongkok daratan yang didukung. Penyimpanan data berada di wilayah akses Beijing. Sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan.
Sinkronisasi bibir: Mengganti gerakan bibir dalam video agar sesuai dengan trek audio baru. Anda memberikan video dan file audio, dan model menghasilkan video output dengan gerakan bibir yang tersinkronisasi.
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
videoretalk |
Video dengan audio |
Video, audio |
Resolusi video: Mengikuti video input, hingga hampir 2K (2048 × 2048). Durasi video: 2d < durasi < 120d Laju frame video: 15 fps ≤ laju frame ≤ 60 fps Format video: MP4 (encoding H.264) |
|
Contoh input (video siaran karakter + audio) |
Video output (penggantian sinkronisasi bibir) |
|
Input audio: |
Transformasi gaya video
Hanya cakupan penerapan layanan Tiongkok daratan yang didukung. Penyimpanan data berada di wilayah akses Beijing. Sumber daya komputasi inferensi model dibatasi hanya di Tiongkok daratan.
Menerapkan gaya artistik baru ke video berdasarkan templat gaya yang telah ditentukan. Anda memberikan video dan ID transfer gaya untuk menghasilkan video bergaya ulang.
|
Model |
Fitur |
Modalitas input |
Spesifikasi video output |
|
video-style-transform |
Video dengan audio, video tanpa suara Tergantung pada video input. |
ID gaya redraw video |
Resolusi video: Mengikuti video input, hingga hampir 4K (4096 × 4096). Durasi video: Hingga 30d Laju frame video: 15 fps ≤ laju frame ≤ 25 fps Format video: MP4 (encoding H.264) |
|
Video input |
Video output (transfer gaya: "manga Jepang") |