Afuera

Charlar

desactivar

Wan 2.2 Plus Texto a vídeo

Destaca en tareas como la respuesta visual a preguntas, la recuperación intermodal y el análisis complejo de datos que involucran imágenes e idiomas. Optimizado para un uso escalable de API, Wan2.2 T2V admite la transmisión y la llamada a funciones para permitir la automatización eficiente de flujos de trabajo multimodales.

Tokens gratis de $1 para nuevos miembros

Text to Speech

Javascript

Python

                                        const main = async () => {
  const response = await fetch('https://api.ai.cc/v2/generate/video/alibaba/generation', {
    method: 'POST',
    headers: {
      Authorization: 'Bearer ',
      'Content-Type': 'application/json',
    },
    body: JSON.stringify({
      model: 'alibaba/wan2.2-t2v-plus',
      prompt: 'A DJ on the stand is playing, around a World War II battlefield, lots of explosions, thousands of dancing soldiers, between tanks shooting, barbed wire fences, lots of smoke and fire, black and white old video: hyper realistic, photorealistic, photography, super detailed, very sharp, on a very white background',
      aspect_ratio: '16:9',
    }),
  }).then((res) => res.json());

  console.log('Generation:', response);
};

main()

                                        import requests


def main():
    url = "https://api.ai.cc/v2/generate/video/alibaba/generation"
    payload = {
        "model": "alibaba/wan2.2-t2v-plus",
        "prompt": "A DJ on the stand is playing, around a World War II battlefield, lots of explosions, thousands of dancing soldiers, between tanks shooting, barbed wire fences, lots of smoke and fire, black and white old video: hyper realistic, photorealistic, photography, super detailed, very sharp, on a very white background",
        "aspect_ratio": "16:9",
    }
    headers = {"Authorization": "Bearer ", "Content-Type": "application/json"}

    response = requests.post(url, json=payload, headers=headers)
    print("Generation:", response.json())


if __name__ == "__main__":
    main()

Docs

Una API con más de 300 modelos de IA

Ahorre un 20% en costos y $1 en tokens gratis

Obtener clave API Explorar modelos

Wan 2.2 Plus Texto a vídeo

Detalle del producto

de Alibaba Wan2.2 es un dispositivo de última generación modelo de IA Diseñado meticulosamente para uso avanzado comprensión multimodalIntegra a la perfección entradas de texto y visión, ofreciendo capacidades robustas para el procesamiento de grandes contextos y brindando una precisión superior en tareas complejas de texto a visión y desafíos de razonamiento intrincados.

✨ Especificaciones técnicas

Puntos de referencia de rendimiento

✅ Banco de control de calidad VQA: 78,3%
✅ Razonamiento multimodal: 52,7%
✅ Recuperación intermodal: 81,9%

Métricas de rendimiento (Wan2.1)

Wan2.1 lidera con un impresionante rendimiento general Puntuación de VBench del 86,22%, demostrando un rendimiento excepcional en movimiento dinámico, relaciones espaciales, precisión de color e interacción multiobjeto. El entrenamiento de modelos de video fundamentales exige una gran potencia de procesamiento y acceso a grandes conjuntos de datos de alta calidad. El acceso abierto a estos modelos avanzados reduce drásticamente las barreras, lo que permite a más empresas crear contenido visual personalizado y de alta calidad de forma rentable.

Capacidades de IA multimodal de Alibaba Wan2.2

Capacidades clave

💡 Fusión visión-lenguaje: Se destaca en la interpretación y generación de respuestas precisas combinando sin problemas datos de imágenes y texto.
💡 Razonamiento avanzado: Demuestra fuertes habilidades de razonamiento de múltiples pasos en diversas modalidades para realizar análisis en profundidad y una comprensión compleja.

💲 Precios de la API

🎥 480P: $0.105/vídeo
🎥 1080P: $0.525/vídeo

🚀 Casos de uso óptimos

✅ Análisis multimodal: Mejorar la comprensión mediante la combinación experta de datos de imágenes y texto.
✅ Respuesta visual a preguntas (VQA): Proporcionar respuestas precisas y adaptadas al contexto basadas en entradas integradas de imagen y texto.
✅ Recuperación intermodal: Permitir la correspondencia y recuperación eficiente de información en los dominios de la visión y el lenguaje.
✅ Inteligencia de negocios: Facilitar la interpretación de datos complejos mediante la integración de contenido visual con análisis textual para obtener información más profunda.

Ejemplo de código

📊 Comparación con otros modelos líderes

Contra. Géminis 2.5 Flash: Alibaba Wan2.2 ofrece una mayor precisión multimodal (78,3% frente al 70,8 % del banco VQA), lo que lo convierte en una opción superior para tareas integradas de visión y lenguaje.
Vs. Visión GPT-4 de OpenAI: Wan2.2 proporciona una ventana de contexto significativamente más grande (65 mil vs. texto de 32K tokens), lo que permite conversaciones más amplias y coherentes con imágenes incrustadas.
Frente a Qwen3-235B-A22B: Alibaba Wan2.2 demuestra una precisión de recuperación intermodal superior (81,9% frente a ~78% estimado), optimizándolo para flujos de trabajo de visión-lenguaje exigentes a gran escala.

⚠️ Limitaciones

Ocasionalmente, los videos generados pueden contener elementos no deseados, como artefactos de texto o marcas de agua. Si bien usar indicaciones negativas puede ayudar a mitigar estos problemas, no los elimina por completo.

🔗 Integración API

Se puede acceder fácilmente a Alibaba Wan2.2 a través de API de IA/MLHay documentación completa disponible para facilitar un proceso de integración fluido y eficiente.

❓ Preguntas frecuentes (FAQ)

P: ¿Para qué está diseñado principalmente Alibaba Wan2.2?
R: Alibaba Wan2.2 es un modelo de IA avanzado diseñado para la comprensión multimodal, que integra específicamente entradas de texto y visión para razonamiento complejo y tareas de texto a visión de alta precisión.

P: ¿Cómo funciona Wan2.2 en comparación con otros modelos como Gemini 2.5 Flash?
A: Wan2.2 demuestra una mayor precisión multimodal (78,3 % VQA-bench) en comparación con Gemini 2.5 Flash (70,8 %), lo que lo hace particularmente eficaz para tareas integradas de visión y lenguaje.

P: ¿Cuáles son las capacidades clave de Alibaba Wan2.2?
R: Sus principales capacidades incluyen una robusta fusión de visión y lenguaje para interpretar y generar contenido a partir de datos combinados de imágenes y texto, y un razonamiento avanzado de múltiples pasos en todas las modalidades.

P: ¿Existen limitaciones conocidas al utilizar Wan2.2?
R: Ocasionalmente, los videos generados pueden contener elementos no deseados, como artefactos de texto o marcas de agua. Si bien las indicaciones negativas pueden mitigarlos, no los eliminan por completo.

P: ¿Cómo pueden las empresas integrar Alibaba Wan2.2 en sus sistemas?
R: Se puede acceder fácilmente a Alibaba Wan2.2 a través de la API de IA/ML, y se proporciona documentación completa para guiar el proceso de integración.

Patio de juegos de IA

Pruebe todos los modelos de API en el entorno de pruebas antes de integrarlos. Ofrecemos más de 300 modelos para integrar en su aplicación.

Pruébalo gratis

Una API
Más de 300 modelos de IA

Ahorre un 20% en costos