Alibaba: Wan 3.0 Prime

Alibaba Wan 3.0 Prime es la edición acelerada de la familia de vídeo Wan 3.0. El fabricante la denomina wan3.0-video-prime y documenta las mismas categorías de tareas integradas que Wan 3.0 estándar, con la velocidad como énfasis distintivo de la edición. Un encargo escrito, una imagen inicial, referencias visuales o de audio o un vídeo de origen pueden orientar un clip con su sonido. Entre los recursos útiles se incluyen una escena de producto, una secuencia narrativa breve, una imagen fija animada o una revisión dirigida de un plano existente.

Para texto a vídeo, describa el sujeto, la escena, el movimiento, la cámara, el tratamiento visual y el sonido. La guía 3.0 admite planos únicos o un guion gráfico con etiquetas de plano e intervalos temporales y recomienda aproximadamente de cuatro a seis segundos por plano. Para un clip de producto, pase de una vista amplia estable de un bolso sobre una mesa a un detalle más cercano del material y después mantenga una composición de cierre mientras se pronuncia una frase breve. Dé a la secuencia un propósito claro y revise si la cámara, el ritmo y la identidad del producto siguen siendo coherentes.

Para generación con primer fotograma, la imagen proporcionada establece la apertura y la instrucción describe el movimiento y el trabajo de cámara. La generación con primer y último fotograma aporta ambos extremos y solicita la transición entre ellos. Prepare extremos que pertenezcan a la misma escena y una forma de destino coherente con la salida prevista. El fabricante recomienda encuadre adaptable para tareas basadas en imagen. El modo de extremos y los modos independientes de referencia tienen reglas distintas de combinación de materiales: los primeros o últimos fotogramas no se mezclan con entradas de imagen, vídeo o audio de referencia en una solicitud.

El modo de referencias acepta hasta diez imágenes, cinco clips de vídeo y cinco clips de audio, dentro de veinte materiales de referencia multimodales. Los límites documentados por archivo son 20 MB para una imagen de referencia, 100 MB para un vídeo y 15 MB para audio. Los clips de vídeo de referencia pueden contener como máximo quince segundos en conjunto; los clips de audio de referencia tienen su propio margen combinado de quince segundos. Nombre la función de cada material y utilice su índice específico de tipo, como Image 1, Video 1 o Audio 1. Una persona, un producto, un movimiento de cámara y una voz no deben dejarse como referencias intercambiables.

El fabricante también admite un documento o una referencia de página web pública, que pueden acompañar a otros materiales de referencia. Un archivo y un enlace web se excluyen mutuamente y la fuente debe ser accesible sin iniciar sesión. Una escena basada en un documento puede utilizar como contexto el contenido pertinente de producto o historia, mientras una referencia visual define el aspecto. Prepare el material que realmente debe informar el clip e indique qué elementos importan. Revise los detalles visuales factuales y el texto de la escena generada frente a esa fuente, en lugar de aceptar una representación atractiva pero alterada.

El diálogo de voz, el ambiente, los efectos sonoros y la música de fondo se generan junto con la imagen. Describa las palabras habladas, la identidad del hablante, la interpretación y el lugar del sonido en la escena. La guía documenta audio activado de forma predeterminada y un control de vídeo silencioso. En un diálogo, asigne a los hablantes rasgos visuales y de voz únicos y deje tiempo suficiente para el intercambio. Escuche el resultado para comprobar la redacción real, la atribución del hablante y la relación entre un efecto y la acción visible. El audio integrado forma parte de la escena, por lo que necesita la misma revisión que la imagen.

La guía integrada del fabricante también documenta edición y ampliación a partir de vídeo de referencia. Un encargo de edición debe indicar el elemento que se va a añadir, eliminar o sustituir y los rasgos que deben conservarse. Un encargo de ampliación debe describir contenido anterior, posterior o alrededor del clip existente. Utilice encuadre adaptable y duración inteligente para estos flujos. Cuando se proporciona entrada de vídeo, la duración combinada documentada del vídeo de entrada y salida no debe superar 30 segundos. Prepare claramente el pasaje de origen y el cambio previsto; revise la transición, el sujeto conservado y el sonido, en lugar de juzgar solo un fotograma atractivo.

La salida documentada es MP4 a 30 fps, con resolución de 480p, 720p o 1080p y duración de generación nueva de dos a treinta segundos. La duración inteligente permite que el modelo seleccione una longitud adecuada. Hay encuadres cuadrados, horizontales y verticales, y el encuadre adaptable sigue el material proporcionado. El fabricante procesa la generación como una tarea y devuelve la ubicación del vídeo completado; su guía indica que la ubicación del resultado es válida durante veinticuatro horas. Conserve el clip real y el encargo creativo al preparar una edición o secuencia y examine todo el recurso antes de utilizarlo.

Prime y Wan 3.0 estándar comparten los modos y la estructura de preparación documentados. Prime es la opción optimizada para la velocidad, sin garantía de tiempo fijo de finalización. Los modos anteriores Wan 2.7 y 2.6 tienen sus propias reglas de duración, referencias y salida; esos límites no definen esta edición 3.0. Para una revisión útil, compruebe la continuidad de objetos y personajes, el encuadre de los extremos, las ediciones solicitadas, el diálogo y cualquier detalle dependiente de la fuente. Mantenga específica la siguiente corrección para que los elementos satisfactorios de la escena sigan estables mientras se modifica el problema identificado.