Alibaba: Wan 3.0 Prime

Alibaba Wan 3.0 Prime adalah edisi yang dipercepat dari keluarga video Wan 3.0. Pengembang menamainya wan3.0-video-prime dan mendokumentasikan kategori tugas terpadu yang sama dengan Wan 3.0 standar, dengan kecepatan sebagai fokus pembeda edisi ini. Deskripsi tertulis, gambar awal, referensi visual atau audio, maupun video sumber dapat memandu pembuatan klip beserta suaranya. Hasil yang berguna mencakup adegan produk, rangkaian narasi singkat, gambar diam yang dianimasikan, atau revisi terarah pada shot yang sudah ada.

Untuk teks-ke-video, jelaskan subjek, adegan, gerakan, kamera, gaya visual, dan suara. Panduan 3.0 mendukung satu shot atau storyboard dengan label shot dan rentang waktu, serta menyarankan sekitar empat hingga enam detik per shot. Untuk klip produk, mulai dari pandangan lebar yang stabil pada tas di atas meja, beralih ke detail bahan yang lebih dekat, lalu tahan komposisi penutup saat satu kalimat pendek diucapkan. Berikan satu tujuan yang jelas pada rangkaian tersebut dan periksa apakah kamera, tempo, serta identitas produk tetap koheren.

Untuk generasi dari frame pertama, gambar yang diberikan menentukan pembukaan, dan prompt menjelaskan gerakan serta kerja kamera. Generasi dari frame pertama/terakhir menyediakan kedua titik akhir dan meminta transisi di antaranya. Siapkan titik akhir yang berasal dari adegan yang sama dan bentuk keluaran yang sesuai dengan tujuan penggunaan. Pengembang menyarankan pembingkaian adaptif untuk tugas berbasis gambar. Mode titik akhir dan mode referensi terpisah memiliki aturan penggabungan materi yang berbeda: frame pertama atau terakhir tidak dicampur dengan masukan gambar referensi, video referensi, atau audio referensi dalam satu permintaan.

Mode referensi menerima hingga sepuluh gambar, lima klip video, dan lima klip audio, dengan total maksimal dua puluh materi referensi multimodal. Batas per file yang didokumentasikan adalah 20 MB untuk gambar referensi, 100 MB untuk video, dan 15 MB untuk audio. Gabungan klip video referensi boleh berdurasi maksimal lima belas detik; klip audio referensi memiliki jatah gabungan lima belas detik tersendiri. Sebutkan peran setiap materi dan gunakan indeks sesuai jenisnya, seperti Image 1, Video 1, atau Audio 1. Orang, produk, gerakan kamera, dan suara tidak boleh dibiarkan sebagai referensi yang saling dapat dipertukarkan.

Pengembang juga mendukung satu dokumen atau satu referensi halaman web publik yang dapat menyertai materi referensi lainnya. File dan tautan web tidak dapat digunakan bersamaan, dan sumber harus dapat diakses tanpa login. Adegan berbasis dokumen dapat menggunakan konten produk atau cerita yang relevan sebagai konteks, sementara referensi visual menentukan tampilannya. Siapkan materi yang benar-benar perlu menjadi dasar klip dan sebutkan unsur yang penting. Periksa detail visual faktual dan teks dalam adegan yang dibuat terhadap sumber tersebut, alih-alih menerima hasil yang menarik tetapi telah berubah.

Dialog suara, suasana, efek suara, dan musik latar dibuat bersama gambar. Jelaskan kata-kata yang diucapkan, identitas pembicara, cara penyampaian, dan posisi suara dalam adegan. Panduan mendokumentasikan audio yang aktif secara bawaan serta kontrol video tanpa suara. Dalam dialog, berikan petunjuk visual dan suara yang unik kepada setiap pembicara dan sisakan waktu yang cukup untuk percakapan. Dengarkan hasil untuk memeriksa kata-kata yang benar-benar diucapkan, atribusi pembicara, dan hubungan antara efek dengan tindakan yang terlihat. Audio terintegrasi merupakan bagian dari adegan, sehingga membutuhkan pemeriksaan yang sama seperti gambar.

Panduan terpadu pengembang juga mendokumentasikan penyuntingan dan perpanjangan dari video referensi. Deskripsi penyuntingan perlu menyatakan unsur yang akan ditambahkan, dihapus, atau diganti, serta ciri yang harus dipertahankan. Deskripsi perpanjangan perlu menjelaskan konten sebelum, sesudah, atau di sekitar klip yang sudah ada. Gunakan pembingkaian adaptif dan durasi cerdas untuk alur kerja ini. Ketika masukan video diberikan, gabungan durasi video masukan dan keluaran yang didokumentasikan tidak boleh melebihi 30 detik. Siapkan bagian sumber dan perubahan yang dimaksud dengan jelas; periksa transisi, subjek yang dipertahankan, dan suara, alih-alih menilai hanya satu frame yang menarik.

Keluaran yang didokumentasikan adalah MP4 pada 30 fps, dengan resolusi 480p, 720p, atau 1080p dan durasi generasi baru dari dua hingga tiga puluh detik. Durasi cerdas memungkinkan model memilih panjang yang sesuai. Pembingkaian persegi, lanskap, dan potret tersedia, sedangkan pembingkaian adaptif mengikuti materi yang diberikan. Pengembang memproses generasi sebagai pekerjaan dan mengembalikan lokasi video yang telah selesai; panduannya menyatakan bahwa lokasi hasil berlaku selama dua puluh empat jam. Simpan klip aktual dan deskripsi kreatif saat menyiapkan penyuntingan atau rangkaian, dan periksa seluruh hasil sebelum menggunakannya.

Prime dan Wan 3.0 standar memiliki mode dan struktur persiapan terdokumentasi yang sama. Prime adalah pilihan yang dioptimalkan untuk kecepatan, tanpa jaminan waktu penyelesaian tetap. Mode Wan 2.7 dan 2.6 sebelumnya memiliki aturan durasi, referensi, dan keluaran tersendiri; batas tersebut tidak menentukan edisi 3.0 ini. Untuk pemeriksaan yang berguna, periksa kesinambungan objek dan karakter, pembingkaian titik akhir, penyuntingan yang diminta, dialog, serta detail yang bergantung pada sumber. Buat koreksi berikutnya tetap spesifik agar unsur adegan yang berhasil tetap stabil saat masalah yang ditemukan direvisi.