Alibaba: Wan 3.0

Alibaba Wan 3.0 ist ein umfassendes Videoerstellungsprofil, das ein Briefing und ergänzendes Material in eine Szene mit Ton verwandelt. Der Hersteller bezeichnet das Standardmodell als wan3.0-video. Reine Textgenerierung, Anfangs- und Endbilder, multimodale Referenzen, Bearbeitung und Fortsetzung nutzen unterschiedliche Eingabeanordnungen innerhalb dieses Profils. Nützliche Ergebnisse sind eine kurze Erzählung, eine Produktpräsentation, ein bildbasierter Übergang oder ein überarbeiteter Quellclip mit Änderungen nach einer konkreten kreativen Vorgabe.

Bereiten Sie für eine reine Textszene Motiv, Ort, Handlung, Kamera, Bildstil und Ton vor. Der Hersteller unterstützt einzelne Einstellungen und Storyboards mit mehreren Einstellungen; empfohlen sind ungefähr vier bis sechs Sekunden je Einstellung und optionale Zeitbereiche. Führen Sie für eine kurze Geschichte einen kleinen mechanischen Vogel auf einer Werkbank ein, folgen Sie seiner ersten Bewegung und enden Sie mit einer gehaltenen Nahaufnahme, während die Raumatmosphäre weiterläuft. Beschreiben Sie die visuelle Beziehung dieser Momente, damit der Dreißigsekundenrahmen einer zusammenhängenden Geschichte statt einer Liste unabhängiger Handlungen dient.

Die Generierung mit Anfangsbild animiert ein bereitgestelltes Standbild. Es bestimmt die Anfangskomposition, während der Prompt Bewegung und Kameraarbeit erklärt. Die Generierung mit Anfangs- und Endbild verankert zusätzlich das Ende und beschreibt den Übergang zwischen beiden Bildern. Bereiten Sie Endpunkte mit passender Szene und gewünschtem Ausschnitt vor. Der Leitfaden empfiehlt für diese Modi adaptive Seitenverhältnisse. Ihre Einzelbildeingaben bleiben von Referenzbildern, Referenzvideos, Referenzton, Dateien und Weblinks getrennt; wählen Sie daher den Materialmodus passend zur geplanten Einstellung.

Der Referenzmodus kombiniert bis zu zehn Bilder, fünf Videoclips und fünf Tonclips bei insgesamt höchstens zwanzig Materialien. Bildreferenzen können Figur, Gegenstand, Umgebung oder Stil festlegen; Video kann Bewegung oder Kameraarbeit und Ton Vortrag oder Rhythmus vorgeben. Typspezifische Bezeichnungen wie Image 1, Video 1 und Audio 1 folgen unabhängig voneinander der Eingabereihenfolge. Geben Sie jeder Referenz eine Rolle und beschreiben Sie ihr Zusammenspiel. Eine korrekt aussehende Figur am falschen Ort ist ein anderer Fehler als eine Kamera, die die gewünschte Bewegung verfehlt.

Die dokumentierten Dateigrenzen für Referenzen betragen 20 MB pro Bild, 100 MB pro Video und 15 MB pro Tonclip. Referenzvideos sind zusammen auf fünfzehn Sekunden begrenzt; für Tonreferenzen gilt eine separate Gesamtgrenze von fünfzehn Sekunden. Ein Dokument oder eine öffentliche Webseitenreferenz kann das Referenzmaterial ergänzen; Dokument und Link schließen sich gegenseitig aus. Die Quelle muss ohne Anmeldung öffentlich erreichbar sein. Bereiten Sie eine konzentrierte Quelle vor und nennen Sie die Inhalte, die den Clip beeinflussen sollen, besonders wenn ein Dokument mehr Informationen enthält, als die Szene nutzen kann.

Nativer Ton kombiniert Dialog, Hintergrundmusik, Atmosphäre und Geräusche mit dem generierten Bild. Nennen Sie die gesprochenen Wörter, Sprecher und Vortrag, wichtige Effekte und ob Hintergrundmusik vorhanden sein soll. Laut Herstellerleitfaden ist Ton standardmäßig aktiviert und kann deaktiviert werden. In einer Demonstrationsszene kann ein kurzer Einleitungssatz einem Produktdetail vorausgehen, während ein leises mechanisches Geräusch die Bewegung markiert. Prüfen Sie am fertigen Clip Wortlaut, Zuordnung und Synchronisierung, statt den Ton allein anhand des Briefings zu beurteilen.

Beschreiben Sie für eine Bearbeitung Änderung und zu erhaltende Inhalte. Der Leitfaden umfasst das Hinzufügen oder Entfernen von Elementen, Attributaustausch, Änderungen von Bildstil oder Licht und die Überarbeitung von Dialog. Beschreiben Sie für eine Fortsetzung, was vor, nach oder um den vorhandenen Clip geschehen soll. Adaptives Format und intelligente Dauer helfen dem Quellvideoablauf, Form und Timingabsicht zu bewahren. Bei Videoeingabe darf die dokumentierte Summe aus Eingabe- und Ausgabevideodauer 30 Sekunden nicht überschreiten. Behalten Sie die Originalquelle und prüfen Sie den geänderten Bereich sowie die Kontinuität im gesamten Clip.

Die Ausgabe ist MP4 mit 30 fps in 480p, 720p oder 1080p. Neue Generierungen dauern zwei bis dreißig Sekunden; alternativ kann eine intelligente Dauereinstellung das Modell die Länge wählen lassen. Quer-, Quadrat- und Hochformat sind dokumentiert, mit adaptivem Format für bereitgestelltes Material. Der Hersteller verarbeitet die Anfrage als Auftrag und liefert eine fertige Videoadresse, die vierundzwanzig Stunden gültig ist. Bewahren Sie tatsächliches Ergebnis, Briefing und Referenzen als Produktionsnachweis auf und prüfen Sie Dauer und Bildausschnitt, bevor Sie den Clip mit anderen anordnen.

Standard-Wan 3.0 und seine Prime-Variante teilen die dokumentierten umfassenden Modi; Prime betont Generierungsgeschwindigkeit. Wan 2.7 und 2.6 haben eigene aufgabenspezifische Dauer- und Referenzregeln, deren Schnittstellen daher nicht als Konfiguration dieser Ausgabe gelten. Prüfen Sie die fertige Szene auf Figuren- und Produktidentität, räumliche Kontinuität, Sprache, Effekte, aus Quellen übernommene Details und den gewünschten Anfang und Schluss. Eine konkrete nächste Korrektur bewahrt die gelungene Richtung und behebt den tatsächlich gefundenen Fehler.