Alibaba: Wan 3.0

Alibaba Wan 3.0 est un profil de création vidéo tout-en-un conçu pour transformer un brief et des sources complémentaires en une scène avec sa bande sonore. Le fabricant identifie le modèle standard sous le nom wan3.0-video. La génération à partir de texte seul, les images d’ouverture et de fermeture, les références multimodales, le montage et le prolongement utilisent différentes combinaisons d’entrées dans ce profil. Les livrables utiles comprennent une courte histoire, une présentation de produit, une transition fondée sur des images ou un clip source remanié selon une direction créative précise.

Pour une scène fondée uniquement sur du texte, 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 storyboards à plusieurs plans, avec une structure recommandée d’environ quatre à six secondes par plan et des plages temporelles facultatives. Pour une courte histoire, présentez un petit oiseau mécanique sur un établi, suivez son premier mouvement et terminez par un gros plan maintenu pendant que l’ambiance de la pièce se poursuit. Décrivez le lien visuel entre ces moments afin que les trente secondes autorisées servent une histoire cohérente plutôt qu’une liste d’actions sans rapport.

La génération à partir de la première image anime une image fixe fournie. Celle-ci définit la composition initiale, tandis que le prompt explique les mouvements du sujet et de la caméra. La génération à partir de la première et de la dernière image ancre aussi la fin et décrit la transition entre les deux images. Préparez des images de début et de fin avec une scène compatible et le cadrage souhaité. Le guide recommande une sélection adaptative du format pour ces modes. Leurs images d’entrée restent séparées des combinaisons utilisant des images, vidéos, fichiers audio, documents et liens web de référence ; choisissez donc le mode de sources correspondant au plan prévu.

Le mode de référence combine jusqu’à dix images, cinq clips vidéo et cinq clips audio, dans une limite totale de vingt sources. Les images de référence peuvent identifier un personnage, un objet, un décor ou un style ; la vidéo peut guider les mouvements du sujet ou de la caméra, et l’audio peut guider l’interprétation ou le rythme. Les libellés propres à chaque type, tels que Image 1, Video 1 et Audio 1, suivent indépendamment l’ordre des entrées. Donnez un rôle à chaque référence et décrivez ses interactions avec les autres. Un personnage d’apparence correcte dans le mauvais décor constitue un problème différent d’une caméra qui manque le mouvement voulu.

Les limites documentées des fichiers de référence sont de 20 Mo par image, 100 Mo par vidéo et 15 Mo par clip audio. Les vidéos de référence sont limitées à quinze secondes au total, et les références audio disposent d’une limite cumulée distincte de quinze secondes. Un document ou une page web publique de référence peut accompagner les sources de référence ; un document et un lien s’excluent mutuellement. La source doit être accessible publiquement sans connexion. Préparez une source ciblée et précisez le contenu qui doit nourrir le clip, en particulier lorsqu’un document contient plus d’informations que la scène ne peut en exploiter.

L’audio natif associe dialogue, musique de fond, ambiance et effets sonores à l’image générée. Indiquez les mots à prononcer, le locuteur et l’interprétation, les effets importants et la présence ou l’absence de 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 de produit, tandis qu’un discret bruit mécanique marque le mouvement. Écoutez le clip terminé pour vérifier les mots réels, leur attribution et la synchronisation, au lieu d’évaluer l’audio sur la seule base du brief écrit.

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

La sortie est un MP4 à 30 images/s, en résolution 480p, 720p ou 1080p. Les vidéos nouvellement générées durent 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 sources fournies. Le fabricant traite la requête comme une tâche et renvoie une adresse de vidéo terminée valide pendant vingt-quatre heures. Conservez le résultat lui-même, le brief et les références comme dossier de production, et vérifiez la durée et le cadrage renvoyés avant de l’assembler avec d’autres clips.

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 de durée et de référence propres à leurs tâches, de sorte que leurs interfaces ne doivent pas être considérées comme la configuration de cette édition. Vérifiez dans la scène terminée l’identité des personnages et des produits, la continuité spatiale, la parole, les effets, les détails issus des sources et le début et la fin souhaités. Une correction suivante précise préserve la direction réussie tout en traitant le défaut réellement constaté dans le clip.