Alibaba: Wan 3.0

Alibaba Wan 3.0 est un profil de création vidéo tout-en-un conçu pour transformer un brief et des matériaux complémentaires en scène avec son audio. Le producteur identifie le modèle standard sous le nom wan3.0-video. La génération à partir de texte seul, les images d’ouverture et de fin, les références multimodales, la modification et le prolongement utilisent des configurations d’entrée différentes dans ce profil. Les livrables utiles comprennent une courte narration, une présentation de produit, une transition basée sur des images ou un clip source révisé dont les changements suivent une direction créative précise.

Pour une scène à partir de texte uniquement, préparez le sujet, le lieu, l’action, la caméra, le style visuel et le son. Le producteur 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 sur un gros plan maintenu pendant que l’ambiance sonore de la pièce se poursuit. Décrivez la relation visuelle entre ces moments afin que les trente secondes autorisées servent 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 avec première et dernière image fixe aussi la fin et décrit la transition entre les deux images. Préparez des extrémités avec une scène compatible et le cadrage souhaité. Le guide recommande la sélection adaptative du rapport largeur/hauteur pour ces modes. Leurs images d’entrée restent séparées des configurations d’images, de vidéos et de sons de référence, de fichiers et de liens web : choisissez donc le mode de matériaux correspondant au plan prévu.

Le mode de références combine jusqu’à dix images, cinq clips vidéo et cinq clips audio, dans une limite totale de vingt matériaux. Les images de référence peuvent identifier un personnage, un objet, un décor ou un style ; la vidéo peut guider le mouvement ou le travail de caméra, et le son peut guider l’interprétation ou le rythme. Les étiquettes propres au type, telles que Image 1, Video 1 et Audio 1, suivent indépendamment l’ordre d’entrée. Donnez un rôle à chaque référence et décrivez ses interactions avec les autres. Un personnage dont l’apparence est correcte dans le mauvais décor constitue un échec différent d’une caméra qui manque le mouvement prévu.

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 ensemble à quinze secondes, et les références audio ont une limite totale distincte de quinze secondes. Un document ou une référence de page web publique peut accompagner les références ; 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 informer le clip, surtout lorsqu’un document contient plus d’informations que la scène ne peut en utiliser.

Le son natif combine le dialogue, la musique de fond, l’ambiance et les effets sonores avec l’image générée. Précisez les mots à prononcer, la personne qui parle et son interprétation, les effets importants et la présence souhaitée ou non de musique de fond. Le son est activé par défaut dans le guide du producteur et peut être désactivé. Pour une scène de démonstration, une courte réplique d’introduction peut précéder un détail de produit tandis qu’un léger bruit mécanique marque le mouvement. Écoutez le clip terminé pour les mots réels, leur attribution et leur synchronisation, au lieu de juger le son à partir du brief écrit seul.

Pour une modification, décrivez le changement et le contenu à conserver. Le guide couvre l’ajout ou la suppression d’éléments, le remplacement d’attributs, les changements de style visuel ou d’éclairage et la révision des dialogues. 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 avec vidéo source à préserver son format et l’intention temporelle. 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. Conservez la source originale et examinez la zone modifiée ainsi que la continuité de tout le clip.

La sortie est un MP4 à 30 images par seconde, en 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 matériaux fournis. Le producteur 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 références distinctes selon la tâche : leurs interfaces ne doivent donc pas être considérées comme la configuration de cette édition. Examinez la scène terminée pour 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 réel constaté dans le clip.