Alibaba Cloud Model Studio：微調映像產生模型

請儲存 id，這是上傳資料集的唯一標識。

{
    "id": "file-ft-3c67043a747c-xxxxxx",
    "object": "file",
    "bytes": 73310369,
    "filename": "wan-image-t2i-training-dataset.zip",
    "purpose": "fine-tune",
    "status": "processed",
    "created_at": 1782271893
}

步驟2.1 建立微調任務

使用步驟1中的檔案ID啟動訓練任務。

請求樣本

請將<替換為訓練資料集的檔案id>完整替換為上一步擷取的id。完整參數說明與格式約束請參見超參數。

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "wan2.7-image-pro",
    "training_datasets": [
        {
            "data_source_type": "file_id",
            "file_id": "<替換為訓練資料集的檔案id>"
        }
    ],
    "training_type": "efficient_sft",
    "hyper_parameters": {
        "learning_rate": 3e-5,
        "max_steps": 800,
        "eval_steps": 200,
        "max_token_length": "1k",
        "gradient_clip": 0.5,
        "weight_decay": 0.02,
        "max_pixels": "1k",
        "val_img_size": "1k",
        "generation_type": "t2i",
        "lora_rank": 32,
        "save_total_limit": 10
    }
}'

除使用步驟 1 擷取的檔案 ID 外，您還可以通過 OSS 掛載方式載入訓練資料集，請求樣本如下：

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "wan2.7-image-pro",
    "training_datasets": [
        {
            "data_source_type": "oss_mount",
            "mount_storage": {
                "region": "ap-southeast-1",
                "bucket": "example_bucket",
                "file_path": "dataset/data.jsonl"
            }
        }
    ],
    "training_type": "efficient_sft",
    "hyper_parameters": {
        "learning_rate": 3e-5,
        "max_steps": 800,
        "eval_steps": 200,
        "max_token_length": "1k",
        "gradient_clip": 0.5,
        "weight_decay": 0.02,
        "max_pixels": "1k",
        "val_img_size": "1k",
        "generation_type": "t2i",
        "lora_rank": 32,
        "save_total_limit": 10
    }
}'

響應樣本

關注 output 中的三個關鍵參數：

• job_id：任務ID，用於查詢進度。

• finetuned_output：微調後的新模型名稱，後續部署和調用時必須使用此名稱。

• status：模型訓練狀態。建立微調任務後，初始狀態為PENDING，表示訓練待開始。

{
    ...
    "output": {
        "job_id": "ft-202511111122-xxxx",
        "status": "PENDING",
        "finetuned_output": "xxxx-ft-202511111122-xxxx",
        ...
    }
}

步驟2.2 查詢微調任務狀態

通過步驟2.1獲得的 job_id 查詢任務進度，輪詢以下介面直到 status 變為 SUCCEEDED。

請求樣本

請將 URL 中的 <替換為微調任務job_id> 完整替換為job_id的值。

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/<替換為微調任務job_id>' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json'

響應樣本

關注output 欄位的兩個參數：

• status：當它的值變為 SUCCEEDED 時，表示模型已訓練完畢，可以進行模型部署。

• usage：模型訓練消耗的總Token數量，用於模型訓練計費。

{
    ...
    "output": {
        "job_id": "ft-202511111122-xxxx",
        "status": "SUCCEEDED",
        "usage": 432000,
        ...
    }
}

步驟3.1 部署模型為線上服務

當微調任務的狀態為 SUCCEEDED 後，將模型部署為線上服務。

請求樣本

請將<替換為模型名稱model_name> 完整替換為建立微調任務的輸出參數finetuned_output的值。

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/deployments' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model_name": "<替換為模型名稱model_name>",
    "capacity": 1,
    "plan": "lora"
}'

響應樣本

關注 output 中的兩個參數：

• deployed_model：部署的模型名稱，用於查詢部署狀態和調用模型。

• status：模型部署狀態。部署微調模型後，初始狀態為PENDING，表示部署未開始。

{
    ...
    "output": {
        "deployed_model": "wan2.7-image-pro-xxxxxxxxxxxx",
        "status": "PENDING",
        ...
    }
}

步驟3.2 查詢部署狀態

查詢部署狀態，輪詢以下介面直到 status 變為 RUNNING。

請求樣本

請將<替換為deployed_model>完整替換為步驟3.1輸出參數deployed_model的值。

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/deployments/<替換為deployed_model>' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' 

響應樣本

關注output欄位的兩個參數：

• status：當狀態變為 RUNNING 時，表示模型已部署成功，可以開始調用。

• deployed_model：部署的模型名稱。

{
    ...
    "output": {
        "status": "RUNNING",
        "deployed_model": "wan2.7-image-pro-xxxxxxxxxxxx",
        ...
    }
}

訓練集：必須提供

驗證集：可選

1. 確定微調情境

萬相支援映像產生的微調情境包括：

• IP角色風格化：讓模型學會特定IP角色的繪畫風格，如二次元人物、吉祥物形象等。

• 固定畫面風格：提升模型對特定藝術風格的複現度，如扁平插畫、水墨畫、像素風等。

• 特定情境產生：複刻特定的構圖模式或情境模板，如商品展示圖、海報版式等。

2. 擷取原始素材

• AI 產生篩選：利用"萬相"基本模型批量產生映像，再人工挑選出最符合目標效果的優質樣本。這是最常用的方法。

• 真實拍攝：如果您的目標是追求高真實感的情境（如產品實拍、人物攝影等），使用實拍素材是最佳選擇。

• 三維軟體渲染：對於需要控制細節的情境或3D渲染風格，建議使用 3D 軟體（如 Blender、C4D）製作素材。

3. 清洗資料

Prompt編寫公式

Prompt = [主體描述] + [背景描述] + [觸發詞] + [風格描述]

在訓練過程中，系統會定期儲存模型的"快照"（即 Checkpoint）。預設情況下，系統會輸出最後一個Checkpoint作為最終的微調模型。但中間過程產出的Checkpoint效果可能優於最終版本，您可以從中挑選出最滿意的一個進行部署。

系統將按照超參數eval_steps設定的間隔，在驗證集上運行Checkpoint並產生預覽映像。

• 如何評估：通過直接觀察產生的預覽映像來判斷效果。

• 挑選標準：找到效果最好、且風格最貼合的那個 Checkpoint 。

操作步驟

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/<替換為微調任務job_id>/validation-results' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' 

{
    "request_id": "da1310f5-5a21-4e29-99d4-xxxxxx",
    "output": [
        {
            "checkpoint": "checkpoint-160"
        },
        ...
    ]
}

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/<替換為微調任務job_id>/validation-details/<替換為選擇的checkpoint>?page_no=1&page_size=10' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY"

{
    "request_id": "375b3ad0-d3fa-451f-b629-xxxxxxx",
    "output": {
        "page_no": 1,
        "page_size": 10,
        "total": 5,
        "list": [
            {
                "img_path": "https://finetune-result.oss-cn-wulanchabu.aliyuncs.com/xxx.png?Expires=xxxxxx",
                "prompt": "s86b5p, Change the background to an elevator equipped with a white ceiling lighting, featuring large floor-to-ceiling windows. Change the character's clothing to red tight-fitting mech armor with black stripe decorations.",
                "input_img": "https://finetune-result.oss-cn-wulanchabu.aliyuncs.com/val_dataset/input_001.png?Expires=xxxxxx"
            },
            ...
        ]
    }
}

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/<替換為微調任務job_id>/export/<替換為待匯出的checkpoint>?model_name=<替換為控制台展示的匯出模型名稱>' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY"

{
    "request_id": "0817d1ed-b6b6-4383-9650-xxxxx",
    "output": true
}

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/<替換為微調任務job_id>/checkpoints' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY"

{
    "request_id": "b0e33c6e-404b-4524-87ac-xxxxxx",
    "output": [
         ...,
        {
            "create_time": "2025-11-11T13:27:29",
            "full_name": "ft-202511111122-496e:checkpoint-160",
            "job_id": "ft-202511111122-496e",
            "checkpoint": "checkpoint-160",                             
            "model_name": "xxxx-ft-202511111122-xxxx-c160", // 重要欄位，將用於模型部署和調用
            "model_display_name": "xxxx-ft-202511111122-xxxx", 
            "status": "SUCCEEDED" // 成功匯出的checkpoint
        },
        ...
        
    ]
}