Alibaba'nın Wan 3.0 video modeli Vercel AI Gateway'de: 30 saniyelik klipler ve ses desteğiyle

Alibaba'nın Wan 3.0 video modeli, artık Vercel'in AI Gateway'sinde alibaba/wan-v3.0-video model kimliğiyle kullanılabilir. Vercel bloguna göre tek bir model artık text-to-video, image-to-video, ilk ve son kare koşullandırması ile referans tabanlı üretimi kapsıyor; referans olarak image, video ve audio kabul ediyor. Klipler 30fps'de 480p, 720p veya 1080p çözünürlükte 30 saniyeye kadar sürebiliyor ve çıktı varsayılan olarak ses içeriyor.

Wan 2.7'nin iki modele ihtiyaç duyduğu yerde tek model

Vercel bu sürümü bir birleşim olarak konumlandırıyor. Önceki nesil Wan 2.7, iki ayrı model kimliğiyle sunuluyordu — biri text-to-video, diğeri referans tabanlı video için — ve her biri 24fps'de 15 saniyle sınırlıydı. Wan 3.0 bu yetenekleri tek bir kimliğin arkasında birleştiriyor, maksimum klip uzunluğunu ikiye katlıyor, kare hızını 30fps'ye çıkarıyor ve 1080p seçeneği ekliyor; sesi de ekstra bir adım olmaktan çıkarıp çıktının varsayılan bir parçası haline getiriyor.

Asenkron üretim, üç farklı yolla

Modelin yanı sıra duyuru, AI Gateway üzerindeki asenkron üretimi de öne çıkarıyor; bu yöntem işleri arka planda yürütüyor ve tüm süreç boyunca bir HTTP isteğini açık tutmuyor. Blog, neyin beklediğine göre farklılaşan üç yol ortaya koyuyor:

• Polling. Bir poll seçeneği geçirildiğinde gateway üretimi takip ederken, SDK video hazır olana kadar kısa durum istekleri gönderir. Vercel bunu düz bir senkron çağrıya en yakın seçenek olarak tanımlıyor. Yayınlanan örnek, 10 saniyelik 1080p bir klip üretiyor; beş saniyede bir kontrol ediliyor ve on dakikalık bir timeout uygulanıyor. -- Başlat ve sonra kontrol et. experimental_startVideo, gateway işi kabul eder etmez geri dönüyor; böylece hiçbir şey beklemez ve işi gönderen süreç kapansa bile iş çalışmaya devam eder. Dönen operation handle daha sonra aynı süreçten veya farklı bir süreçten getVideoStatus'a verilebilir. Vercel, serverless fonksiyonları, kuyrukları ve toplu dağıtımı (batch fan-out) doğal kullanım alanları olarak gösteriyor.
• Webhooks. Bir webhook URL'si geçirildiğinde, gateway üretim tamamlandığında geliştiricinin endpoint'ine tek bir event gönderir ve polling'i tamamen ortadan kaldırır. Dokümantasyon ayrıca bir teslimin gerçek olup olmadığının nasıl doğrulanacağını da ele alıyor.

Referanslar nasıl çalışıyor

Referanslar inputReferences altında sağlanıyor; her biri kendi URL'si ve medya türüyle birlikte, sahneyi tanımlayan bir prompt'a eşlik ediyor. Kısıtlamalar türe göre değişiyor: audio referansları barındırılan URL'ler olmalı, buna karşılık image'lar base64 veri olarak da gönderilebiliyor. İlk ve son kare koşullandırması her sınır karesi için tam olarak bir image kabul eder ve referans listesiyle birleştirilemez. Modeli kod yazmadan önce denemek isteyen geliştiriciler için model playground'da da sunuluyor.

Neden önemli

Burada aynı anda iki şey oluyor. Model tarafında Wan 3.0, eskiden çok modelli bir iş akışı olan — text-to-video veya referans tabanlı bir varyant arasında seçim yapma, 24fps'de 15 saniyelik sınırın etrafından dolanma ve sesi ayrıca ele alma — süreci tek bir model kimliğinin arkasındaki tek bir API çağrısına indiriyor. Bu, ürünlerine video çıktısı eklemek isteyen ekipler için entegrasyon maliyetini anlamlı biçimde düşürüyor.

Platform tarafında asenkron yollar önemli; çünkü 30 saniyelik 1080p bir klip, bir bağlantıyı açık tutarak üretmek isteyeceğiniz bir şey değil. Polling, operation handle'lar veya webhook'lar aracılığıyla yüzeye çıkan arka plan işleri, uzun ömürlü isteklerin sorunlu ya da uygulanamaz olduğu Vercel üzerinde çalışan serverless ve kuyruk temelli mimarilerle uyumlu. Tüm bunlar bir araya geldiğinde sürüm, AI Gateway'i tek seferlik denemeler yerine üretim ortamı video üretimi için makul bir yuvaya dönüştürüyor ve Vercel'in teklifini, video modellerini zaten birinci sınıf API'ler olarak sunan platformların yanına yerleştiriyor.