Alibaba: Wan 3.0 Prime

Alibaba Wan 3.0 Prime est l’édition accélérée de la famille vidéo Wan 3.0. Le fabricant la nomme wan3.0-video-prime et documente les mêmes catégories de tâches tout-en-un que pour Wan 3.0 standard, la vitesse étant la caractéristique distinctive de cette édition. Un brief écrit, une image de départ, des références visuelles ou audio, ou une vidéo source peuvent guider une séquence et son ambiance sonore. Parmi les résultats utiles figurent une scène de produit, une courte séquence narrative, une image fixe animée ou une révision dirigée d’un plan existant.

Pour la génération de texte en vidéo, décrivez le sujet, la scène, le mouvement, la caméra, le traitement visuel et le son. Le guide 3.0 prend en charge les plans uniques ou un scénarimage comportant des étiquettes de plans et des plages de temps, et recommande environ quatre à six secondes par plan. Pour une vidéo de produit, passez d’une vue d’ensemble stable d’un sac posé sur une table à un détail rapproché de la matière, puis maintenez une composition de clôture pendant qu’une courte phrase est prononcée. Donnez à la séquence un objectif clair et vérifiez la cohérence de la caméra, du rythme et de l’identité du produit.

Pour la génération à partir d’une première image, l’image fournie établit l’ouverture et le prompt décrit le mouvement et le travail de caméra. La génération à partir d’une première et d’une dernière image fournit les deux points d’ancrage et demande la transition entre eux. Préparez des images qui appartiennent à la même scène et un format cible compatible avec le résultat prévu. Le fabricant recommande le cadrage adaptatif pour les tâches fondées sur des images. Le mode avec images de début et de fin et les modes de référence distincts suivent des règles différentes de combinaison des éléments : les premières ou dernières images ne sont pas combinées à des images, vidéos ou fichiers audio de référence dans une même requête.

Le mode de référence accepte jusqu’à dix images, cinq séquences vidéo et cinq extraits audio, pour un total maximal de vingt éléments de référence multimodaux. Les limites documentées par fichier sont de 20 Mo pour une image de référence, de 100 Mo pour une vidéo et de 15 Mo pour un fichier audio. La durée totale des vidéos de référence ne peut dépasser quinze secondes; les extraits audio de référence ont leur propre limite cumulée de quinze secondes. Précisez le rôle de chaque élément et utilisez son index propre au type, comme Image 1, Video 1 ou Audio 1. Une personne, un produit, un mouvement de caméra et une voix ne doivent pas être laissés comme des références interchangeables.

Le fabricant prend également en charge un document ou une page Web publique de référence, qui peut accompagner d’autres éléments de référence. Un fichier et un lien Web s’excluent mutuellement, et la source doit être accessible sans connexion. Une scène fondée sur un document peut utiliser le contenu pertinent du produit ou de l’histoire comme contexte, tandis qu’une référence visuelle définit l’apparence. Préparez le contenu qui doit réellement guider la séquence et précisez les éléments importants. Vérifiez les détails visuels factuels et le texte de la scène générée par rapport à cette source, au lieu d’accepter une interprétation séduisante mais altérée.

Les dialogues, les ambiances, les effets sonores et la musique de fond sont générés avec l’image. Décrivez les paroles, l’identité de la personne qui parle, son interprétation et la place du son dans la scène. Le guide indique que l’audio est activé par défaut et documente une commande de vidéo silencieuse. Pour un dialogue, donnez aux interlocuteurs des caractéristiques visuelles et vocales distinctes et prévoyez assez de temps pour l’échange. Écoutez le résultat pour vérifier les paroles exactes, l’attribution des voix et le lien entre un effet et l’action visible. L’audio intégré fait partie de la scène et exige donc la même vérification que l’image.

Le guide tout-en-un du fabricant documente aussi le montage et la prolongation à partir d’une vidéo de référence. Un brief de montage doit préciser l’élément à ajouter, à retirer ou à remplacer, ainsi que les caractéristiques à conserver. Un brief de prolongation doit décrire le contenu avant, après ou autour de la séquence existante. Utilisez le cadrage adaptatif et la durée intelligente pour ces processus. Lorsqu’une vidéo d’entrée est fournie, la durée combinée documentée des vidéos d’entrée et de sortie ne doit pas dépasser 30 secondes. Préparez clairement le passage source et la modification souhaitée; vérifiez la transition, le sujet conservé et le son au lieu de juger uniquement une image attrayante.

La sortie documentée est un fichier MP4 à 30 images/s, en résolution 480p, 720p ou 1080p, avec une durée de nouvelle génération de deux à trente secondes. La durée intelligente permet au modèle de choisir une longueur appropriée. Les cadrages carré, paysage et portrait sont disponibles, et le cadrage adaptatif suit les éléments fournis. Le fabricant traite la génération comme une tâche et renvoie l’emplacement de la vidéo terminée; son guide précise que cet emplacement est valide pendant vingt-quatre heures. Conservez la séquence et le brief créatif lorsque vous préparez un montage ou une séquence, et inspectez le résultat complet avant de l’utiliser.

Prime et Wan 3.0 standard partagent les modes et la structure de préparation documentés. Prime est le choix optimisé pour la vitesse, sans garantie fixe de délai de traitement. Les anciens modes Wan 2.7 et 2.6 ont leurs propres règles de durée, de référence et de sortie; ces limites ne définissent pas cette édition 3.0. Pour une vérification utile, contrôlez la continuité des objets et des personnages, le cadrage des images de début et de fin, les modifications demandées, les dialogues et les détails qui dépendent des sources. Formulez précisément la correction suivante pour que les éléments réussis de la scène restent stables pendant la révision du problème repéré.