Alibaba: Wan 3.0

Alibaba Wan 3.0 ist ein umfassendes Videoerstellungsprofil, das ein Briefing und unterstützendes Material in eine Szene mit Ton umsetzt. Der Hersteller bezeichnet das Standardmodell als wan3.0-video. Reine Textgenerierung, Eröffnungs- und Schlussbilder, multimodale Referenzen, Bearbeitung und Fortsetzung nutzen innerhalb dieses Profils unterschiedliche Eingabeanordnungen. Nützliche Ergebnisse sind etwa eine kurze Erzählung, eine Produktpräsentation, ein bildbasierter Übergang oder ein überarbeiteter Quellclip mit einer bestimmten kreativen Richtung.

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 werden ungefähr vier bis sechs Sekunden pro Einstellung sowie 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 bei fortlaufender Raumatmosphäre. Beschreiben Sie die visuelle Beziehung zwischen diesen Momenten, damit der Spielraum von dreissig Sekunden einer zusammenhängenden Geschichte statt einer Liste unverbundener Handlungen dient.

Generierung mit erstem Einzelbild animiert ein bereitgestelltes Standbild. Es definiert die Anfangskomposition; der Prompt erklärt Bewegung und Kameraarbeit. Generierung mit erstem/letztem Einzelbild verankert auch den Schluss und beschreibt den Übergang zwischen beiden Bildern. Bereiten Sie Endpunkte mit einer kompatiblen Szene und dem vorgesehenen Bildausschnitt vor. Der Leitfaden empfiehlt für diese Modi adaptive Seitenverhältniswahl. Ihre Einzelbildeingaben bleiben von den Anordnungen für Referenzbilder, -videos, -ton, Dateien und Weblinks getrennt; wählen Sie deshalb den zur geplanten Einstellung passenden Materialmodus.

Der Referenzmodus kombiniert bis zu zehn Bilder, fünf Videoclips und fünf Audioclips innerhalb eines Gesamtkontingents von zwanzig Materialien. Bildreferenzen können Figur, Objekt, Umgebung oder Stil bestimmen; Video kann Bewegung oder Kameraarbeit und Ton Darbietung oder Rhythmus anleiten. 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 mit den anderen. Eine richtig aussehende Figur in der falschen Umgebung ist ein anderer Fehler als eine Kamera, die die gewünschte Bewegung verfehlt.

Die dokumentierten Referenzdateigrenzen betragen 20 MB pro Bild, 100 MB pro Video und 15 MB pro Audioclip. Referenzvideos sind zusammen auf fünfzehn Sekunden begrenzt; Tonreferenzen haben eine separate Gesamtgrenze von fünfzehn Sekunden. Ein Dokument oder eine öffentliche Webseitenreferenz kann Referenzmaterial begleiten; Dokument und Link schliessen sich gegenseitig aus. Die Quelle muss ohne Anmeldung öffentlich zugänglich sein. Bereiten Sie eine fokussierte Quelle vor und benennen Sie den für den Clip relevanten Inhalt, besonders wenn ein Dokument mehr Informationen enthält, als die Szene verwenden kann.

Nativer Ton verbindet Dialog, Hintergrundmusik, Atmosphäre und Geräuscheffekte mit dem generierten Bild. Geben Sie die zu sprechenden Wörter, Sprecher und Darbietung, wichtige Effekte und die gewünschte Hintergrundmusik an. Ton ist im Herstellerleitfaden standardmässig aktiv und kann deaktiviert werden. Bei einer Demonstrationsszene kann ein kurzer Einführungssatz einem Produktdetail vorausgehen, während ein leises mechanisches Geräusch die Bewegung markiert. Hören Sie den fertigen Clip auf tatsächlichen Wortlaut, Zuordnung und Synchronisation ab, statt den Ton allein aus dem schriftlichen Briefing zu beurteilen.

Beschreiben Sie bei einer Bearbeitung die Änderung und den beizubehaltenden Inhalt. Der Leitfaden behandelt das Hinzufügen oder Entfernen von Elementen, Ersetzen von Attributen, Ändern von Bildstil oder Licht sowie Überarbeiten von Dialog. Beschreiben Sie für eine Fortsetzung, was vor, nach oder um den vorhandenen Clip herum geschehen soll. Adaptiver Bildausschnitt und intelligente Dauer helfen dem Quellvideoablauf, Form und Timingabsicht zu erhalten. Bei Videoeingabe dürfen dokumentierte Eingabe- und Ausgabevideodauer zusammen 30 Sekunden nicht überschreiten. Bewahren Sie die Originalquelle auf und prüfen Sie den geänderten Bereich sowie die Kontinuität des gesamten Clips.

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 bestimmen lassen. Quer-, Quadrat- und Hochformat sind dokumentiert, mit adaptivem Bildausschnitt passend zu bereitgestelltem Material. Der Hersteller verarbeitet die Anfrage als Auftrag und liefert einen Speicherort des fertigen Videos, der vierundzwanzig Stunden gültig ist. Bewahren Sie tatsächliches Ergebnis, Briefing und Referenzen als Produktionsnachweis auf und prüfen Sie zurückgegebene Dauer und Bildausschnitt vor dem Zusammenstellen mit anderen Clips.

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; ihre Schnittstellen dürfen daher nicht als Konfiguration dieser Edition behandelt werden. Prüfen Sie die fertige Szene auf Figuren- und Produktidentität, räumliche Kontinuität, Sprache, Effekte, quellenabgeleitete Details sowie gewünschten Anfang und Schluss. Eine konkrete nächste Korrektur erhält die erfolgreiche Richtung und behebt den tatsächlich gefundenen Clipfehler.