Wan API: Open Video Generation by Alibaba

Wan API डेवलपर्स को एक एकीकृत कुंजी के माध्यम से Atlas Cloud पर Alibaba के ओपन Wan वीडियो मॉडल प्रदान करता है। यह पृष्ठ Wan 2.2 चलाता है, जो एक आधारभूत वीडियो मॉडल है जिसने वीडियो प्रसार के लिए Mixture-of-Experts आर्किटेक्चर की शुरुआत की, जिसमें सिनेमाई मोशन कंट्रोल के साथ टेक्स्ट-टू-वीडियो, इमेज-टू-वीडियो और वीडियो-टू-वीडियो शामिल हैं। यह उसी खाते पर 300+ अन्य मॉडलों के साथ मौजूद है, इसलिए आप OpenAI-संगत एंडपॉइंट्स के साथ और बिना किसी अलग सेटअप के इस तक पहुंच सकते हैं।

Wan 2.2 कुछ वेरिएंट्स में आता है: A14B मॉडल जो सिनेमैटिक-क्वालिटी वाले टेक्स्ट टू वीडियो और इमेज टू वीडियो के लिए बनाए गए हैं, और हल्का TI2V-5B मॉडल जो दोनों मोड को जोड़ता है और कंज्यूमर GPUs पर 720p पर चलता है। Atlas Cloud टर्बो (turbo) वेरिएंट भी प्रदान करता है जो तेज़, कम-लेटेंसी वाले जनरेशन के लिए थोड़ी फिडेलिटी का समझौता करते हैं। अधिकतम गुणवत्ता के लिए A14B चुनें, दक्षता के लिए TI2V-5B चुनें, और तेज़ पुनरावृत्ति के लिए turbo चुनें।

Wan API टेक्स्ट टू वीडियो, इमेज टू वीडियो और वीडियो टू वीडियो को कवर करता है, जिससे आप एक प्रॉम्प्ट से शुरुआत कर सकते हैं, किसी स्थिर छवि को एनिमेट कर सकते हैं, या मौजूदा फुटेज को बदल सकते हैं। यह पहले से लेकर अंतिम फ्रेम तक नियंत्रण, क्लिप को लंबा करने के लिए वीडियो एक्सटेंड और रिज़ॉल्यूशन को स्पष्ट करने के लिए अपस्केलिंग का भी समर्थन करता है। प्रत्येक मोड केवल एक पैरामीटर या एंडपॉइंट परिवर्तन है, जो एक ही एकीकरण पर मिश्रित पाइपलाइन को बनाए रखता है।

Mixture-of-Experts, or MoE, splits the denoising process across specialized expert models that each handle part of the work. Wan 2.2 was the first video diffusion model to use this design, which raises overall model capacity and detail without increasing inference cost per step. In practice that means richer scenes and more accurate motion at the same compute budget.

Wan 2.2 मूल रूप से 480p और 720p पर जनरेट करता है, जिसमें 1080p या 2K तक अपस्केलिंग के माध्यम से उच्च रिज़ॉल्यूशन उपलब्ध है, और प्रति जनरेशन क्लिप की सामान्य लंबाई कुछ सेकंड की छोटी रेंज में होती है। इसका हल्का TI2V-5B वेरिएंट 24fps पर 720p को लक्षित करता है।

हाँ। Wan 2.2 को Alibaba द्वारा Apache 2.0 लाइसेंस के तहत जारी किया गया है, जिसके मॉडल वेट्स और इनफेरेंस कोड HuggingFace और GitHub पर प्रकाशित किए गए हैं, इसलिए आप इसे डाउनलोड, संशोधित और सेल्फ-होस्ट कर सकते हैं। इसे स्थानीय रूप से चलाने के लिए कम से कम 16GB VRAM वाले GPU की आवश्यकता होती है, आदर्श रूप से बड़े A14B मॉडल के लिए अधिक। Atlas Cloud, Wan API को होस्ट करता है ताकि आप हार्डवेयर और स्केलिंग के काम को पूरी तरह से छोड़ सकें।

हाँ। Apache 2.0 लाइसेंस व्यावसायिक उपयोग, संशोधन और पुनर्वितरण की अनुमति देता है, इसलिए Wan 2.2 के साथ जनरेट किए गए वीडियो व्यावसायिक प्रोजेक्ट्स में इस्तेमाल किए जा सकते हैं। अपने प्लान की विशिष्टताओं के लिए Atlas Cloud की सेवा की शर्तों की समीक्षा करें, और बिना उनकी सहमति के वास्तविक, पहचान योग्य लोगों को दर्शाने वाली सामग्री उत्पन्न करने के आसपास के सामान्य प्रतिबंधों पर ध्यान दें।

The turbo variants apply an rCM sampler and 4-step distillation, which compress the denoising process into far fewer steps. This lowers latency and cost per clip while keeping strong visual fidelity, which makes turbo a good fit for iteration, batch runs, and prompt testing. Move to the standard A14B models when a final render needs maximum detail.

जनरेशन एसिंक्रोनस है: प्रत्येक अनुरोध एक प्रेडिक्शन आईडी लौटाता है जिसे आप क्लिप के तैयार होने तक पोल (poll) करते हैं, जो कतारों और उच्च-मात्रा वाले रनों के अनुकूल है। 429 प्रतिक्रिया पर एक्सपोनेंशियल बैकऑफ़ (exponential backoff) और पुन: प्रयास जोड़ें, और थ्रूपुट को उच्च रखने के लिए ड्राफ्ट के लिए turbo वेरिएंट का उपयोग करें। जैसे-जैसे आपका वर्कलोड बढ़ता है, समवर्ती (concurrency) सीमाएं बढ़ाने के लिए सपोर्ट से संपर्क करें।

Atlas Cloud पर एक खाता बनाएं, एक API कुंजी जनरेट करें, और OpenAI-संगत एंडपॉइंट के माध्यम से अपने प्रॉम्प्ट या इनपुट छवि के साथ Wan मॉडल को एक अनुरोध भेजें। तैयार क्लिप के लिए प्रेडिक्शन एंडपॉइंट को पोल करें, फिर आवश्यकतानुसार स्केल अप करें। क्योंकि एक ही कुंजी 300 से अधिक मॉडलों तक पहुंचती है, आप बिना किसी अतिरिक्त सेटअप के अन्य वीडियो और छवि मॉडलों का परीक्षण कर सकते हैं।