Alibaba: Wan 3.0 Prime

Alibaba Wan 3.0 Prime est l’édition accélérée de la famille vidéo Wan 3.0. Le producteur la nomme wan3.0-video-prime et documente les mêmes catégories de tâches tout-en-un que Wan 3.0 standard, la vitesse constituant la particularité mise en avant de cette édition. Un brief écrit, une image de départ, des références visuelles ou sonores, ou une vidéo source peuvent guider un clip avec son audio. 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 étiquettes de plans et des plages temporelles, en recommandant environ quatre à six secondes par plan. Pour un clip de produit, passez d’une vue large stable d’un sac sur une table à un détail de matière plus rapproché, puis maintenez une composition finale pendant une courte réplique. Donnez un objectif clair à la séquence et vérifiez que la caméra, le rythme et l’identité du produit restent cohérents.

Pour la génération à partir d’une première image, l’image fournie définit l’ouverture et le prompt décrit le mouvement et le travail de caméra. La génération avec première et dernière image fournit les deux extrémités et demande la transition entre elles. Préparez des extrémités qui appartiennent à la même scène et un format cible cohérent avec la sortie prévue. Le producteur recommande le cadrage adaptatif pour les tâches basées sur des images. Le mode d’images de début et de fin et les modes de références distincts ont des règles différentes de combinaison des matériaux : les premières ou dernières images ne sont pas mélangées avec des entrées d’images, de vidéos ou de sons de référence dans une même requête.

Le mode de références accepte jusqu’à dix images, cinq clips vidéo et cinq clips audio, dans une limite de vingt matériaux de référence multimodaux. Les limites documentées par fichier sont de 20 Mo pour une image de référence, 100 Mo pour une vidéo et 15 Mo pour le son. Les clips vidéo de référence peuvent totaliser au maximum quinze secondes ; les clips audio de référence ont leur propre limite totale de quinze secondes. Nommez le rôle de chaque matériau 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 ne doivent pas rester des références interchangeables.

Le producteur prend aussi en charge un document ou une référence de page web publique, qui peuvent accompagner d’autres références. Un fichier et un lien web s’excluent mutuellement, et la source doit être accessible sans connexion. Une scène basée sur un document peut utiliser le contenu pertinent d’un produit ou d’une histoire comme contexte, tandis qu’une référence visuelle définit l’apparence. Préparez les matériaux qui doivent réellement informer le clip 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.

Le dialogue vocal, l’ambiance, les effets sonores et la musique de fond sont générés avec l’image. Décrivez les mots prononcés, l’identité de la personne qui parle, l’interprétation et la place du son dans la scène. Le guide documente le son activé par défaut et un contrôle de vidéo muette. Dans un dialogue, donnez aux personnes qui parlent des signes visuels et vocaux distinctifs et laissez assez de temps à l’échange. Écoutez le résultat pour les mots réellement prononcés, l’attribution des voix et la relation entre un effet et l’action visible. Le son intégré fait partie de la scène et nécessite donc la même revue que l’image.

Le guide tout-en-un du producteur documente aussi la modification et le prolongement à partir d’une vidéo de référence. Un brief de modification doit préciser 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 fonctions. Lorsqu’une entrée vidéo est fournie, la durée combinée documentée de la vidéo d’entrée et de celle de sortie ne doit pas dépasser 30 secondes. Préparez clairement le passage source et le changement souhaité ; vérifiez la transition, le sujet conservé et le son au lieu de juger une seule image attrayante.

La sortie documentée est un MP4 à 30 images par seconde, en 480p, 720p ou 1080p, avec une durée de nouvelle génération de deux à trente secondes. La durée intelligente laisse le modèle choisir une longueur adaptée. Des cadrages carrés, paysage et portrait sont disponibles, et le cadrage adaptatif suit les matériaux fournis. Le producteur traite la génération comme une tâche et renvoie l’adresse de la vidéo terminée ; son guide indique que cette adresse de résultat est valide pendant vingt-quatre heures. Conservez le clip lui-même et le brief créatif lorsque vous préparez un montage ou une séquence et examinez le livrable entier 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 d’achèvement. Les modes antérieurs de Wan 2.7 et 2.6 ont leurs propres règles de durée, de références et de sortie ; ces limites ne définissent pas cette édition 3.0. Pour une revue utile, vérifiez 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 dépendants des sources. Gardez la correction suivante précise afin que les éléments réussis de la scène restent stables pendant la révision du problème identifié.