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 l’accent distinctif de cette édition. Un brief écrit, une image de départ, des références visuelles ou audio, ou une vidéo source peuvent guider un clip avec sa bande sonore. Les livrables utiles comprennent une scène de produit, une courte séquence narrative, une image fixe animée ou une révision dirigée d’un plan existant.

Pour la génération de vidéo à partir de texte, 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 storyboard avec des libellés de plans et des plages temporelles, en recommandant environ quatre à six secondes par plan. Pour un clip de produit, passez d’un plan large stable d’un sac posé sur une table à un détail rapproché de la matière, puis maintenez une composition finale 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 de la première image, l’image fournie établit l’ouverture, et le prompt décrit les mouvements du sujet et de la caméra. La génération à partir de la première et de la dernière image fournit les deux extrémités et demande la transition entre elles. Préparez des images de début et de fin appartenant à la même scène et un format cible cohérent avec le résultat prévu. Le fabricant recommande le cadrage adaptatif pour les tâches fondées sur des images. Le mode à images de début et de fin et les modes de référence séparés suivent des règles différentes de combinaison des sources : une première ou une dernière image ne se combine pas avec des images, vidéos ou fichiers audio de référence dans une même requête.

Le mode de référence accepte jusqu’à dix images, cinq clips vidéo et cinq clips audio, dans une limite de vingt sources de référence multimodales. Les limites documentées par fichier sont de 20 Mo pour une image de référence, 100 Mo pour une vidéo et 15 Mo pour l’audio. Les clips vidéo de référence peuvent totaliser au maximum quinze secondes ; les clips audio de référence disposent de leur propre limite cumulée de quinze secondes. Nommez le rôle de chaque source et utilisez son indice propre au type, par exemple Image 1, Video 1 ou Audio 1. Une personne, un produit, un mouvement de caméra et une voix doivent avoir des rôles explicites plutôt que servir de références interchangeables.

Le fabricant prend aussi en charge un document ou une page web publique de référence, qui peut accompagner d’autres sources 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 les éléments qui doivent effectivement nourrir le clip et précisez ceux qui comptent. Comparez les détails visuels factuels et le texte de la scène générée à cette source, au lieu d’accepter une version séduisante mais altérée.

Les dialogues, l’ambiance, les effets sonores et la musique de fond sont générés avec l’image. Décrivez les mots prononcés, l’identité du locuteur, 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. Dans un dialogue, attribuez aux locuteurs des repères visuels et vocaux distincts et prévoyez assez de temps pour l’échange. Écoutez le résultat pour vérifier les mots réellement prononcés, l’attribution des voix et le lien entre un effet et l’action visible. L’audio intégré fait partie de la scène et nécessite donc le même contrôle que l’image.

Le guide tout-en-un du fabricant documente également le montage et le prolongement à partir d’une vidéo de référence. Un brief de montage doit indiquer l’élément à ajouter, supprimer ou remplacer et les caractéristiques à conserver. Un brief de prolongement doit décrire le contenu avant, après ou autour du clip existant. Utilisez le cadrage adaptatif et la durée intelligente pour ces processus. Lorsqu’une vidéo d’entrée est fournie, la durée cumulée documentée des vidéos d’entrée et de sortie ne doit pas dépasser 30 secondes. Préparez clairement le passage source et le changement souhaité ; examinez la transition, le sujet conservé et le son au lieu de juger seulement une image attrayante.

La sortie documentée est un MP4 à 30 images/s, en résolution 480p, 720p ou 1080p, avec une durée de deux à trente secondes pour les vidéos nouvellement générées. La durée intelligente permet au modèle de choisir une longueur adaptée. Les cadrages carré, paysage et portrait sont disponibles, et le cadrage adaptatif suit le contenu fourni. Le fabricant traite la génération comme une tâche et renvoie l’adresse de la vidéo terminée ; son guide précise que cette adresse reste valide pendant vingt-quatre heures. Conservez le clip lui-même et le brief créatif pour préparer un montage ou une séquence, et examinez le livrable 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 de délai fixe. Les modes antérieurs de 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, le dialogue et tous les détails dépendant des sources. Formulez précisément la correction suivante afin de préserver les éléments réussis de la scène pendant la révision du problème constaté.