Wan Image and Video Generation and Editting

核心功能

Wan Models 是阿里巴巴集团开源的多模态生成模型，该 Skill 通过 Python 脚本封装阿里云百炼平台（ModelStudio）的 API，提供完整的图像与视频生成编辑能力。

主要能力

文生图（text2image）：支持通过文本提示生成高质量图像，可选 1-4 张，分辨率支持 512×512 至 1440×1440 像素范围内的多种比例，如 1280×1280、960×1696 等。

图生图/图像编辑（image-edit）：支持上传 1-4 张参考图进行风格迁移、背景替换、元素融合等编辑操作，支持 URL 或本地文件路径。

文生视频（text2video）：根据文本描述生成 5-15 秒视频，支持 720P 和 1080P 分辨率，采用异步任务模式，需通过 task-id 轮询获取结果。

图生视频（image2video）：以单张图片作为首帧生成动态视频，保持画面一致性，同样支持 5-15 秒时长。

参考生视频（reference2video）：该模型最具特色的功能，可基于 1-5 张图片或 1-3 个视频作为角色/场景/物体参考，生成保持特定人物一致性或风格延续的新视频，支持单镜头或多镜头智能切换。

技术特点

• 基于 Wan2.1 系列模型，开源且社区活跃
• 支持中文提示词优化
• 本地文件自动转 base64 上传，使用便捷
• 异步任务机制适配长时视频生成场景

局限性与注意事项

• 异步任务设计：视频生成非即时返回，需二次查询任务状态，增加使用复杂度
• API 依赖：必须配置 DASHSCOPE_API_KEY，且调用消耗阿里云百炼平台额度
• 分辨率限制：图像最大 1440×1440，视频固定 720P/1080P 档位，无 4K 支持
• 参考资源限制：reference2video 对引用素材数量和类型有严格限制
• 网络要求：视频/图像 URL 需公网可访问

适用人群

• AI 内容创作者、短视频制作者
• 广告营销与设计行业从业者
• 需快速生成视觉素材的开发者和产品经理
• 对角色一致性视频有强需求的故事板创作者

风险提示

API 密钥需妥善保管，避免硬编码泄露；生成内容需遵守阿里云内容安全规范；视频生成成本显著高于图像，建议控制测试频率。

核心功能

Wan-image-video-gen-edit 是基于阿里巴巴Wan2.6系列模型的多模态AI内容生成工具，深度集成阿里云百炼(Bailian)平台官方API，提供五种核心能力：

• 文生图(text2image)：从文本描述生成高质量图像，支持1280×1280等多种分辨率，单次最多生成4张
• 图生图编辑(image-editing)：支持1-4张参考图像的风格融合、背景替换等创意编辑
• 文生视频(text2video)：将文本转化为5-15秒动态视频，支持720P/1080P分辨率
• 图生视频(image2video)：以静态图像为起始帧生成动态视频，实现"让图片动起来"
• 参考视频生成(reference2video)：通过角色/场景/物体参考素材生成一致性视频，支持多角色对话场景

显著优点

官方可靠性：直接调用阿里云dashscope官方API，TLS加密传输，数据来源可信(T2级)。

功能完整性：覆盖图像生成→编辑→视频制作的完整创作链路，reference2video功能在多角色一致性生成方面具有技术领先性。

使用灵活性：同时支持URL远程素材和本地文件输入(自动转base64)，CLI设计适合自动化工作流集成。

异步任务架构：视频生成采用任务提交+轮询查询模式，适配AI生成任务的长时间处理特性。

潜在局限

• 成本敏感：阿里云API按调用量计费，高频使用成本较高
• 中文生态依赖：最优效果需中文提示词，英文场景表现可能受限
• 异步复杂度：视频生成需手动管理task_id和轮询查询，相比同步接口用户体验稍复杂
• 分辨率限制：图像最大1440×1440像素，无法满足超高分辨率印刷需求

适合人群

• 内容创作者、短视频制作者、广告设计师
• 需要AI辅助视觉制作的开发者和自动化工作流构建者
• 中文语境下的多模态AI应用探索者

常规风险

API密钥(DASHSCOPE_API_KEY)需妥善保管；生成内容需遵守阿里云使用规范及当地法规；参考视频功能涉及人脸/声音合成时需注意肖像权与深度伪造合规风险。