Alibaba: Wan 3.0

Alibaba Wan 3.0 est un profil de création vidéo tout-en-un conçu pour transformer un brief et des éléments complémentaires en une scène avec son ambiance sonore. Le fabricant identifie le modèle standard comme wan3.0-video. La génération à partir de texte seul, les images d’ouverture et de clôture, les références multimodales, le montage et la continuation utilisent différentes configurations d’entrée dans ce profil. Parmi les résultats utiles figurent une courte histoire, une présentation de produit, une transition fondée sur des images ou une séquence source révisée dont les modifications suivent une direction créative précise.

Pour une scène à partir de texte seul, préparez le sujet, le lieu, l’action, la caméra, le style visuel et le son. Le fabricant prend en charge les plans uniques et les scénarimages à plusieurs plans, avec une structure recommandée d’environ quatre à six secondes par plan et des plages de temps facultatives. Pour une courte histoire, présentez un petit oiseau mécanique sur un établi, suivez son premier mouvement et terminez sur un gros plan maintenu pendant que l’ambiance de la pièce continue. Décrivez la relation visuelle entre ces moments pour que la limite de trente secondes serve une histoire cohérente plutôt qu’une liste d’actions sans lien.

La génération à partir d’une première image anime une image fixe fournie. Celle-ci définit la composition initiale, tandis que le prompt explique le mouvement et le travail de caméra. La génération à partir d’une première et d’une dernière image ancre aussi la fin et décrit la transition entre les deux images. Préparez des images avec une scène compatible et le cadrage voulu. Le guide recommande la sélection adaptative du format pour ces modes. Leurs images d’entrée restent distinctes des configurations d’images, de vidéos et de fichiers audio de référence, de documents et de liens Web : choisissez donc le mode d’éléments qui correspond au plan prévu.

Le mode de référence combine jusqu’à dix images, cinq séquences vidéo et cinq extraits audio, pour un total maximal de vingt éléments. Les images de référence peuvent définir un personnage, un objet, un décor ou un style; la vidéo peut guider le mouvement ou le travail de caméra, et l’audio peut guider l’interprétation ou le rythme. Les étiquettes propres à chaque type, comme Image 1, Video 1 et Audio 1, suivent indépendamment l’ordre des entrées. Attribuez un rôle à chaque référence et décrivez leur interaction. Un personnage visuellement correct dans le mauvais décor représente un problème différent d’une caméra qui ne capte pas le mouvement prévu.

Les limites documentées des fichiers de référence sont de 20 Mo par image, de 100 Mo par vidéo et de 15 Mo par extrait audio. La durée totale des vidéos de référence est limitée à quinze secondes, et les références audio ont une limite cumulée distincte de quinze secondes. Un document ou une page Web publique de référence peut accompagner les éléments de référence; un document et un lien s’excluent mutuellement. La source doit être accessible publiquement sans connexion. Préparez une source ciblée et indiquez quel contenu doit guider la séquence, surtout lorsqu’un document contient plus d’information que la scène peut en utiliser.

L’audio natif combine les dialogues, la musique de fond, l’ambiance et les effets sonores à l’image générée. Précisez les paroles à prononcer, la personne qui parle et son interprétation, les effets importants et la présence éventuelle d’une musique de fond. L’audio est activé par défaut dans le guide du fabricant et peut être désactivé. Pour une scène de démonstration, une courte phrase d’introduction peut précéder un détail du produit, tandis qu’un son mécanique discret marque le mouvement. Écoutez la séquence terminée pour vérifier les paroles exactes, leur attribution et la synchronisation, au lieu de juger l’audio uniquement à partir du brief écrit.

Pour un montage, décrivez la modification et le contenu à conserver. Le guide couvre l’ajout ou le retrait d’éléments, le remplacement d’attributs, le changement de style visuel ou d’éclairage et la révision des dialogues. Pour une continuation, décrivez ce qui doit se produire avant, après ou autour de la séquence existante. Le cadrage adaptatif et la durée intelligente aident le processus fondé sur une vidéo source à préserver le format et l’intention temporelle. Lorsqu’une vidéo d’entrée est fournie, la durée combinée documentée des vidéos d’entrée et de sortie ne doit pas dépasser 30 secondes. Conservez la source originale et inspectez la zone modifiée ainsi que la continuité de l’ensemble de la séquence.

La sortie est un fichier MP4 à 30 images/s, en résolution 480p, 720p ou 1080p. Les durées de nouvelle génération vont de deux à trente secondes, ou un réglage de durée intelligente peut laisser le modèle choisir la longueur. Les formats paysage, carré et portrait sont documentés, avec un cadrage adaptatif adapté aux éléments fournis. Le fabricant traite la requête comme une tâche et renvoie un emplacement de vidéo terminée valide pendant vingt-quatre heures. Conservez le résultat, le brief et les références comme dossier de production, et vérifiez la durée et le cadrage obtenus avant de l’agencer avec d’autres séquences.

Wan 3.0 standard et sa variante Prime partagent les modes tout-en-un documentés; Prime met l’accent sur la vitesse de génération. Wan 2.7 et 2.6 ont des règles distinctes de durée et de référence propres à chaque tâche : leurs interfaces ne doivent donc pas être considérées comme la configuration de cette édition. Vérifiez l’identité des personnages et des produits, la continuité spatiale, la parole, les effets, les détails tirés des sources ainsi que le début et la fin de la scène terminée. Une correction suivante précise conserve la direction réussie tout en traitant le défaut réellement repéré dans la séquence.