Alibaba: Wan 3.0 Prime

Alibaba Wan 3.0 Prime ist die beschleunigte Edition der Videofamilie Wan 3.0. Der Hersteller nennt sie wan3.0-video-prime und dokumentiert dieselben umfassenden Aufgabenkategorien wie für das Standardmodell Wan 3.0; die besondere Betonung dieser Edition liegt auf Geschwindigkeit. Eine schriftliche Beschreibung, ein Anfangsbild, visuelle oder Audioreferenzen oder ein Quellvideo können einen Clip samt Ton anleiten. Nützliche Ergebnisse sind etwa eine Produktszene, eine kurze Erzählsequenz, ein animiertes Standbild oder eine gezielte Überarbeitung einer vorhandenen Einstellung.

Beschreiben Sie für Text-zu-Video Motiv, Szene, Bewegung, Kamera, visuelle Gestaltung und Ton. Der Leitfaden für 3.0 unterstützt einzelne Einstellungen oder ein Storyboard mit Einstellungskennzeichnungen und Zeitbereichen; er empfiehlt ungefähr vier bis sechs Sekunden je Einstellung. Ein Produktclip kann von einer ruhigen Totalen einer Tasche auf einem Tisch zu einer näheren Materialaufnahme übergehen und anschließend eine Schlusskomposition halten, während ein kurzer Satz gesprochen wird. Geben Sie der Sequenz einen klaren Zweck und prüfen Sie, ob Kamera, Tempo und Produktidentität stimmig bleiben.

Bei der Generierung mit einem ersten Bild legt das bereitgestellte Bild den Anfang fest; der Prompt beschreibt Bewegung und Kameraführung. Die Generierung mit erstem und letztem Bild gibt beide Endpunkte vor und verlangt den Übergang dazwischen. Bereiten Sie Endpunkte vor, die zur selben Szene gehören, und ein zur gewünschten Ausgabe passendes Zielformat. Der Hersteller empfiehlt adaptive Bildausschnitte für bildbasierte Aufgaben. Endpunktmodus und separate Referenzmodi haben unterschiedliche Regeln für die Materialkombination: Erste oder letzte Bilder werden in einer Anfrage nicht mit Referenzbildern, Referenzvideos oder Referenzaudio gemischt.

Der Referenzmodus nimmt bis zu zehn Bilder, fünf Videoclips und fünf Audioclips innerhalb von zwanzig multimodalen Referenzmaterialien an. Die dokumentierten Grenzen je Datei betragen 20 MB für ein Referenzbild, 100 MB für ein Video und 15 MB für Audio. Referenzvideoclips dürfen zusammen höchstens fünfzehn Sekunden enthalten; für Referenzaudioclips gilt ein eigener gemeinsamer Rahmen von fünfzehn Sekunden. Benennen Sie die Rolle jedes Materials und verwenden Sie seinen typspezifischen Index, etwa Image 1, Video 1 oder Audio 1. Eine Person, ein Produkt, eine Kamerabewegung und eine Stimme sollten nicht als austauschbare Referenzen offenbleiben.

Der Hersteller unterstützt außerdem ein Dokument oder eine öffentliche Webseite als Referenz, die mit anderen Referenzmaterialien kombiniert werden kann. Datei und Weblink schließen sich gegenseitig aus; die Quelle muss ohne Anmeldung erreichbar sein. Eine dokumentbasierte Szene kann den relevanten Produkt- oder Erzählungsinhalt als Kontext nutzen, während eine visuelle Referenz das Aussehen festlegt. Bereiten Sie das Material vor, das den Clip tatsächlich bestimmen soll, und geben Sie die wichtigen Elemente an. Prüfen Sie sachliche visuelle Details und Text in der erzeugten Szene anhand dieser Quelle, statt eine attraktive, aber veränderte Darstellung zu akzeptieren.

Gesprochene Dialoge, Umgebungsgeräusche, Klangeffekte und Hintergrundmusik werden zusammen mit dem Bild erzeugt. Beschreiben Sie die gesprochenen Worte, die Sprecheridentität, den Vortrag und den Platz des Tons in der Szene. Der Leitfaden dokumentiert standardmäßig aktiviertes Audio und eine Steuerung für stumme Videos. Geben Sie Dialogsprechern eindeutige visuelle und stimmliche Merkmale und lassen Sie genügend Zeit für den Austausch. Prüfen Sie beim Anhören den tatsächlichen Wortlaut, die Sprecherzuordnung und die Beziehung zwischen einem Effekt und der sichtbaren Handlung. Integriertes Audio ist Teil der Szene und benötigt deshalb dieselbe Prüfung wie das Bild.

Der umfassende Herstellerleitfaden dokumentiert außerdem Bearbeitung und Erweiterung anhand von Referenzvideo. Eine Bearbeitungsbeschreibung sollte das hinzuzufügende, zu entfernende oder zu ersetzende Element und die zu bewahrenden Merkmale benennen. Eine Erweiterungsbeschreibung sollte Inhalte vor, nach oder um den vorhandenen Clip beschreiben. Verwenden Sie für diese Abläufe adaptive Bildausschnitte und intelligente Dauerwahl. Bei bereitgestellter Videoeingabe darf die dokumentierte gemeinsame Dauer von Ein- und Ausgabevideo 30 Sekunden nicht überschreiten. Bereiten Sie die Quellpassage und die gewünschte Änderung klar vor; prüfen Sie Übergang, beibehaltenes Motiv und Ton, statt nur ein ansprechendes Einzelbild zu beurteilen.

Die dokumentierte Ausgabe ist MP4 mit 30 fps in 480p, 720p oder 1080p und einer Dauer neuer Generierungen von zwei bis dreißig Sekunden. Die intelligente Dauerwahl lässt das Modell eine passende Länge auswählen. Quadratische, horizontale und vertikale Bildformate stehen zur Verfügung; adaptive Bildausschnitte folgen dem bereitgestellten Material. Der Hersteller verarbeitet die Generierung als Auftrag und liefert die Adresse des fertigen Videos zurück; laut Leitfaden ist diese Ergebnisadresse vierundzwanzig Stunden gültig. Bewahren Sie den tatsächlichen Clip und die kreative Beschreibung auf, wenn Sie eine Bearbeitung oder Sequenz vorbereiten, und prüfen Sie das vollständige Ergebnis vor der Verwendung.

Prime und das Standardmodell Wan 3.0 teilen sich die dokumentierten Modi und die Vorbereitungsstruktur. Prime ist die auf Geschwindigkeit optimierte Wahl ohne feste Garantie einer Fertigstellungszeit. Frühere Modi von Wan 2.7 und 2.6 haben eigene Regeln für Dauer, Referenzen und Ausgabe; diese Grenzen definieren die Edition 3.0 nicht. Prüfen Sie für eine sinnvolle Bewertung die Kontinuität von Objekten und Figuren, die Bildausschnitte an den Endpunkten, die gewünschten Bearbeitungen, Dialoge und quellenabhängige Details. Halten Sie die nächste Korrektur konkret, damit gelungene Szenenelemente stabil bleiben, während das erkannte Problem überarbeitet wird.