Ano ang Wan 2.7: Mga Detalye, Tampok at Paano Ito Gamitin

Halos bawat magandang modelo ng AI video ay parang isang black box. Magpapadala ka ng prompt sa pamamagitan ng isang API, may babalik, at kung mali ito, babaguhin mo ang mga salita at i-roll muli. Iba ang paggana ng Wan 2.7, at simple lang ang dahilan: open source ito. Dahil open ito, binibigyan ka nito ng kontrol sa mga closed model na kadalasang lumalaktaw. Maaari mong itakda ang eksaktong una at huling frame at hayaan itong gumana sa gitna. Maaari mo itong gabayan gamit ang isang grid ng mga reference na imahe. Maaari mo itong ibigay sa natapos na footage at i-edit ito sa pamamagitan ng paglalarawan ng pagbabago sa simpleng wika.

Iyan ang pagbabagong dapat mong pagtuunan ng pansin. Wan 2.7 Inililipat ng AI video ang palayo sa prompt-and-pray patungo sa isang bagay na iyong pinapatnubayan. Ito ay ginawa ng Alibaba; sinusuportahan nito ang parehong text-to-video at larawan-sa-video; bumubuo ito ng sarili nitong audio; at available ito sa Tagshop AISa pagsusuring ito, tatalakayin ko kung ano talaga ang maitutulong ng kontrol na iyon, kung saan pa rin ito humihingi ng pasensya, at kung paano ito patakbuhin. Tagshop.

Ano ang Wan 2.7?

Ang Wan 2.7 ang pinakabagong open-source AI video model ng Alibaba. Bibigyan mo ito ng teksto, larawan, o hanay ng mga reperensya, at bubuo ito ng video na may tunog. Ang nagpapaiba rito sa iba ay hindi lamang sa isang magarbong trick kundi sa kung gaano kalaki ang bahagi ng prosesong hinahayaan nitong idirekta mo.

Ang pagiging open source ang pundasyon. Nangangahulugan ito na ang modelo ay naa-access, madaling ibagay, at hindi nakakulong sa likod ng mga patakaran ng iisang vendor, kaya naman lumago ang isang komunidad ng mga tool at integrasyon sa paligid nito. Para sa karamihan ng mga marketer, ang pagiging bukas na iyon ay hindi gaanong mahalaga para sa ideolohiya kundi mas mahalaga para sa resulta: mas maraming kontrol, mas maraming lugar para patakbuhin ito, mas kaunting mga hadlang.

Kung ikukumpara sa mga naunang bersyon tulad ng Wan 2.2 at 2.5, ang kwento ng 2.7 ay tungkol sa kontrol at pagpapaganda. Mas mahusay na audio sync, mas maaasahang frame control, at mga tool sa pag-eedit na nagbibigay-daan sa iyong ayusin at baguhin ang istilo ng footage sa halip na gawin lamang ito mula sa simula. Hindi ito kumikilos na parang generator na iyong pinapakain at mas parang workspace na iyong pinapatakbo.

Mga Pangunahing Espesipikasyon ng Wan 2.7

Bumuo ng mga AI Video gamit ang Wan 2.7

Simulan ang paggamit ng Wan 2.7 ngayon at makakuha ng mga de-kalidad na AI UGC na video para sa mga Ad, Social Media at Website.

Subukan ang para sa Free

Ano ang Nagpapaangat sa Wan 2.7

1. Bukas na mapagkukunan ng accessibility

Bukas ang Wan 2.7, at binabago nito ang magagawa mo rito. Mas madaling ibagay ito kaysa sa isang closed API, tumatakbo ito sa mas maraming lugar, at mas mabilis itong nakakaakit ng mga tooling at community fix kaysa sa isang locked model. Tagshop Sa AI, makukuha mo ang flexibility na iyon nang hindi mo na kailangang mag-set up ng kahit ano.

Kung saan ito nagkukulang: ang open source ay karaniwang nangangahulugan na ang kahusayan ay nahuhuli sa marketing ng malalaking saradong kumpanya, at kung minsan ay mararamdaman mo itong nasa mahirap na kalagayan. Ito ay makapangyarihan, hindi palaging maganda.

Bakit ito mahalaga: ang pagiging naa-access ay ang kakayahang magamit. Ang isang mahusay na modelo na maaari mong ibagay sa iyong daloy ng trabaho ay mas mahusay kaysa sa isang medyo makintab na modelo na maaari mo lamang gamitin sa isang paraan.

2. Kontrol ng una at huling frame

Ito ang feature na uunahin kong ipakilala sa mga tao. Bibigyan mo ang Wan 2.7 ng eksaktong frame na gusto mong pagbuksan ng shot at ng eksaktong frame na gusto mong pagtapusan nito, at bubuo ito ng galaw sa pagitan nila. Sa halip na ilarawan ang isang galaw at umasa, itatala mo ito sa bookend.

Kung saan ito nagkukulang: ang gitna ay nasa desisyon pa rin ng modelo, kaya ang isang kumplikadong transisyon ay maaaring mangailangan ng ilang pagsubok upang mapunta sa paraang iyong naisip.

Bakit ito mahalaga: ito ay tunay na kontrol sa direktoryo. Para sa mga pagsisiwalat ng produkto, mga pagbabago, at anumang kuha na may malinaw na bago at pagkatapos, ang pagtatakda ng magkabilang dulo ay nag-aalis ng karamihan sa panghuhula na nagpapahirap sa AI video.

3. Patnubay sa sanggunian na 9-grid

Sa Wan 2.7, maaari mong gabayan ang isang henerasyon gamit ang isang grid ng mga sangguniang imahe sa halip na iisa lamang. Isipin ito bilang pagpapakita sa modelo ng isang maliit na pisara ng kung ano ang gusto mo: ang paksa, ang estilo, ang paleta, ang mood, lahat nang sabay-sabay.

Kung saan ito nagkukulang: tulad ng bawat sistemang sanggunian, ginagantimpalaan nito ang malinis at pare-parehong mga input. Ang isang magulo na grid ay nagbibigay sa iyo ng magulong resulta.

Bakit ito mahalaga: mas maraming reperensya ang nangangahulugan ng mas mahigpit na kontrol sa hitsura. Para sa gawaing brand, kung saan ang pananatiling naka-istilo ang buong punto, ang paggabay gamit ang grid ay naglalapit sa iyo sa output ng brand sa unang pagdaan.

4. Pag-edit mula video hanggang video at batay sa pagtuturo

Dito hindi na parang generator ang Wan 2.7. Maaari mong idagdag ang mga dati nang footage at baguhin ang istilo nito (video-to-video), o maaari mo ring i-edit ang isang clip sa pamamagitan lamang ng pagsasabi kung ano ang babaguhin (pag-eedit batay sa instruksyon). Baguhin ang kulay ng jacket, palitan ang background, baguhin ang oras ng araw, sa mga salita.

Kung saan ito nagkukulang: ang pag-eedit ng instruksyon ay literal pa rin ang pananaw. Ang mga malabong kahilingan ay nakakakuha ng malabong pag-edit, at ang mga kumplikadong pagbabago ay maaaring kailangang hatiin sa mga hakbang.

Bakit ito mahalaga: ang pag-eedit, hindi lamang ang paglikha, ang siyang ginagawang kasangkapan ang isang laruan. Ang kakayahang ayusin at iakma ang mga footage na mayroon ka na ay nakakatipid sa pagsisikap na muling buuin mula sa simula na nagsasayang ng napakaraming oras.

5. Katutubong audio at pag-sync

Ang Wan 2.7 ay bumubuo ng audio para sa video at pinapanatili itong naka-sync. Ito ay isang tunay na kaginhawahan, at inilalagay nito ang Wan sa parehong usapan tulad ng mga modelo ng audio-forward.

Kung saan ito nagkukulang: hindi ito ang dahilan para piliin si Wan kaysa sa isang espesyalista sa audio. Kung ang realismo ng diyalogo ang buong laro mo, mas pinagsisikapan ito ng ibang mga modelo. Dito, ang audio ay isang malaking bonus sa halip na ang headline.

Bakit ito mahalaga: kahit bilang pangalawang lakas, ang pagbuo ng tunog sa iisang pass ay nag-aalis ng hakbang pagkatapos ng produksyon, at kapag sinamahan ng mga tool sa pag-eedit ni Wan, nangangahulugan ito na mas maraming trabaho ang nananatili sa iisang lugar.

Paano gamitin ang Wan 2.7 Tagshop AI

Isang payo muna: Ginagantimpalaan ng Wan ang mga partikular na input. Mas magiging maayos ang paggana nito kung mas madalas mong ginagamit ang mga kontrol, frame, reference, at malinaw na mga tagubilin sa pag-edit, kaya mas umasa sa mga ito kaysa sa isang mahabang prompt.

Hakbang 1. I-paste ang URL ng iyong produkto o mag-upload ng larawan.

I-paste ang URL ng iyong produkto, at Tagshop Kinukuha ng AI ang mga imahe at detalye para sa iyo. O kaya naman ay mag-upload ng hanggang 50 file, kabilang ang mga imahe at video. Kung plano mong gumamit ng frame control o reference grid, dito napupunta ang mga imaheng iyon, kaya pumili ng mga malinis. 

Hakbang 2. Piliin ang Wan 2.7 at itakda ang iyong mga kontrol.

Piliin ang Wan 2.7 mula sa menu ng AI Models. Isulat ang iyong prompt, pagkatapos ay gamitin ang mga kontrol na akma sa kuha: magtakda ng una at huling frame, magdagdag ng reference grid, o itutok ito sa umiiral na footage para baguhin ang istilo o i-edit. 

Hakbang 3. Bumuo, pinuhin, at ilathala.

Ang Wan 2.7 ang gumagawa ng video na may audio. Hindi ba? Gumamit ng instruction-based editing para baguhin ang mga partikular na detalye sa teksto sa halip na muling buuin ang kabuuan. Kapag handa na ito, i-publish nang diretso sa Meta o TikTok mula sa Tagshop Dashboard ng AI. 

Bumuo ng mga AI Video gamit ang Wan 2.7

Simulan ang paggamit ng Wan 2.7 ngayon at makakuha ng mga de-kalidad na AI UGC na video para sa mga Ad, Social Media at Website.

Subukan ang para sa Free

Mga Nangungunang Wan 2.7 na Pahiwatig na Dapat Subukan

Nakadepende ang mga ito sa mga kontrol ni Wan, dahil doon ito pinakamalakas. Palitan ang mga bahaging naka-bracket at i-load muna ang iyong mga frame o reference.

1. Pagbubunyag ng produkto ng una at huling frame

Unang frame: [produkto] nababalot ng anino, halos hindi nakikita. Huling frame: ang parehong produkto ay ganap na naiilawan, nasa gitna, matalas ang logo. Bumuo ng maayos na pagbubunyag sa pagitan ng dalawa, ang iisang pinagmumulan ng liwanag ay lumalawak sa buong kuha. Panatilihing eksakto ang hugis at kulay ng produkto.

2. Pag-ikot ng produkto mula sa imahe patungong video

Kunin ang na-upload na larawan ng produkto at i-animate ang mabagal na 360-degree na pag-ikot sa isang replektibong ibabaw. Ilaw sa studio, mahinang repleksyon, banayad na tunog sa paligid. Panatilihin ang proporsyon ng produkto at tapusin ito nang kapareho ng pinagmulang larawan.

3. 9-grid na sangguniang video ng tatak

Gamit ang reference grid, bumuo ng 10-segundong brand clip para sa [brand] na tumutugma sa paleta, mood, at istilo na ipinapakita. Itampok ang [product] sa isang malinis at editoryal na setting. Manatiling naaayon sa brand sa mga sanggunian sa kabuuan.

4. Pagbabago ng estilo mula sa video patungo sa video

Baguhin ang istilo ng na-upload na clip sa isang mainit at mala-pelikula na hitsura: ginintuang mga tono, malambot na hilatsa, banayad na contrast. Panatilihin ang galaw at pagkakabalangkas ng orihinal, baguhin lamang ang kulay at mood.

5. Pag-edit batay sa pagtuturo

Mula sa huling clip, palitan ang background ng matingkad na studio white at palitan ang kulay ng [item] ng deep navy. Hayaan ang lahat ng iba pang kulay nang eksakto kung ano ito. Itugma ang ilaw sa bagong background.

6. Paglulunsad ng produktong sinematiko (text-to-video)

Sinematikong 8-segundong clip ng paglulunsad para sa [produkto]. Mabagal na pagtulak mula sa dilim patungo sa liwanag, dramatikong nag-iisang pinagmumulan, mga partikulo sa hangin. Tiwala sa sarili, premium na mood, mababang ambient sound bed. Mga materyales na photoreal.

7. Premium na social reel

Patayong social reel para sa [brand]. Tatlong mabilis at naka-istilong kuha ng [product] sa iba't ibang setting, masiglang ritmo, magaan na musika at masiglang tunog sa bawat hiwa. Magtapos sa logo. Panatilihing pare-pareho ang produkto sa lahat ng tatlo.

8. Pagpapatuloy sa pamamagitan ng grid ng sanggunian

Gamit ang reference grid ng [character/product], bumuo ng clip na magpapanatili ng parehong hitsura nito sa buong kuha. Neutral na background, natural na galaw, pare-parehong ilaw. Ito ay isang continuity check, unahin ang pagtutugma ng mga reference kaysa sa pagdaragdag ng mga palamuti.

Mga Nangungunang Gamit para sa Wan 2.7

Para sa Mga TagalikhaAng sakit gawin ang lahat nang mag-isa nang walang badyet. Ang Wan 2.7 ay bukas at aktibo. Tagshop nangangahulugan ito ng tunay na kontrol nang walang production team, at ang mga tool sa pag-eedit ay nagbibigay-daan sa iyong ayusin ang isang clip sa halip na i-burn ang isang araw para muling buuin ito.

Para sa mga Performance marketer: Masyado nang sinusubok ang hirap ng pagiging malikhain. Ang pagkontrol sa frame at pag-edit ng mga tagubilin ay nagbibigay-daan sa iyong mabilis na paikutin ang mga variation ng isang ad, baguhin ang background, kulay, at wakas, nang hindi sinisimulan ang bawat isa sa wala.

Para sa mga D2C Brand: Ang problema ay video para sa bawat produkto. Ginagawang galaw ng Image-to-Video ang mga kuha ng iyong mga kasalukuyang produkto, at pinapanatili ng reference grid na parang aktwal mong katalogo ang bawat isa.

Para sa mga Ahensya: Ang problema ay ang mga rebisyon ng kliyente. Ang pag-eedit na nakabatay sa instruksyon ay nangangahulugan na maaari mong gawin ang "papulahin ang jacket, pasayahin ang silid" sa loob ng ilang minuto sa halip na muling kunan ng larawan o muling i-prompt mula sa simula.

Para sa mga In-house Brand Team: Ang hirap manatili sa brand nang walang vendor para sa bawat asset. Ang 9-grid reference guidance ay ginawa para mismo dito: i-feed ito sa iyong brand board at panatilihin ang hitsura nito.

Para sa mga Post at Edit Team: Ang hirap i-adapt ang footage na meron ka na. Ang video-to-video restyling ay nagbibigay-daan sa iyong gamitin muli at i-refresh ang mga dati nang clip sa halip na gumawa ng mga bago.

Paano Maihahambing ang Wan 2.7 sa Iba Pang Modelo ng AI Video

Isang tapat na paghahambing sa mga modelong malamang na tinitimbang mo. Kung saan hindi ko makumpirma ang kasalukuyang detalye, minarkahan ko ito sa halip na manghula.

Ang aking rekomendasyon: Kung gusto mo ng pinakamalaking kontrol sa aktwal na output, at lalo na kung gusto mong i-edit at baguhin ang istilo ng footage sa halip na i-generate lang ito, ang Wan 2.7 ang piliin, at ang open-source base nito ang dahilan kung bakit ito ang pinaka-flexible na opsyon dito. Kung ang prayoridad mo ay diyalogo at mga kwentong may maraming kuha, piliin ang Kling 3.0. Kung ito ay isang mahabang tuloy-tuloy na pagkuha, ang Seedance 2, Veo 3, at ang kasalukuyang mga detalye ng Runway at Tagshop siguraduhing handa ka nang gamitin bago ang isang tawag na nakaharap sa kliyente, dahil mabilis kumilos ang mga ito.

Mga Kalakasan at Disbentaha ng Wan 2.7

Ano ang tunay na mabuti

• Tunay na kontrol: una at huling frame, isang reference grid, at mga pag-edit na maaari mong gawin sa simpleng wika.
• Pag-edit mula video papuntang video at instruksyon, para maayos at mabago ang estilo, hindi lang basta makabuo.
• Open source, na nangangahulugang kakayahang umangkop at malawak na pag-access sa halip na mga pader ng isang vendor lamang.
• Katutubong audio sa parehong pass, isang matibay na bonus sa ibabaw ng kontrol.

Ano pa ang kailangan mo

• Kayang-kaya ng Polish na sundan ang malalaking modelong sarado ang disenyo. Magaling ito, hindi palaging ang pinakamaganda agad.
• Ito ay sensitibo sa input. Ang frame control at reference grids ay nagbibigay ng gantimpala sa pag-aalaga at nagpaparusa sa mga pabaya na input.
• Literal ang pag-eedit ng tagubilin, kaya maaaring kailanganing hatiin sa mga hakbang ang mga kumplikadong pagbabago.
• Bonus lang ang audio, hindi espesyalidad. Para sa mga gawaing maraming diyalogo, maaaring mas makatutulong sa iyo ang isang nakalaang modelo.

Ang takeaway

Ang Wan 2.7 ay para sa mga taong sawang-sawa na sa kakaisip ng prompt box. Open source ang core nito, binibigyan ka nito ng mga kontrol na hindi nagagamit ng mga closed model: itakda ang iyong mga frame, gabayan ito gamit ang mga reference, at i-edit ang natapos na footage sa pamamagitan ng paglalarawan ng pagbabago.

Hindi ito palaging magiging ang pinakapino na resulta sa screen, at ginagantimpalaan nito ang pag-iingat sa pamamagitan ng mga input nito. Ngunit kung mas mahalaga sa iyo ang kontrol at kakayahang umangkop kaysa sa isang logo ng marketing, ito ang pinaka-napapatakbong modelo ng video ng AI na maaari mong gamitin ngayon.