Alibaba: Wan 3.0

Alibaba Wan 3.0 adalah profil pembuatan video terpadu yang dirancang untuk mengubah brief beserta materi pendukung menjadi adegan dengan suaranya. Produsen menamai model standar wan3.0-video. Generasi hanya dari teks, bingkai pembuka dan penutup, referensi multimodal, penyuntingan, serta kelanjutan menggunakan susunan masukan yang berbeda dalam profil tersebut. Hasil yang berguna mencakup cerita pendek, presentasi produk, transisi berbasis gambar, atau revisi klip sumber dengan perubahan yang mengikuti arahan kreatif tertentu.

Untuk adegan hanya dari teks, siapkan subjek, lokasi, aksi, kamera, gaya visual, dan suara. Pembuat mendukung shot tunggal dan storyboard multishot, dengan struktur yang disarankan sekitar empat hingga enam detik per shot serta rentang waktu opsional. Untuk cerita pendek, perkenalkan burung mekanis kecil di meja kerja, ikuti gerakan pertamanya, lalu akhiri dengan close-up yang ditahan sementara suara latar ruangan berlanjut. Jelaskan hubungan visual antarbagian tersebut agar jatah tiga puluh detik menyajikan satu cerita yang padu, alih-alih rangkaian aksi yang terputus.

Generasi dari bingkai pertama menganimasikan gambar diam yang diberikan. Gambar itu menentukan komposisi awal, sedangkan prompt menjelaskan gerakan dan kerja kamera. Generasi dari bingkai pertama/terakhir juga menetapkan akhir dan menjelaskan transisi antara kedua gambar. Siapkan kedua titik ujung dengan adegan yang selaras dan pembingkaian yang dimaksud. Panduan menyarankan pemilihan rasio aspek adaptif untuk mode ini. Masukan bingkainya dipisahkan dari susunan gambar referensi, video referensi, audio referensi, berkas, dan tautan web, sehingga pilih mode materi yang sesuai dengan shot yang direncanakan.

Mode referensi menggabungkan hingga sepuluh gambar, lima klip video, dan lima klip audio, dengan batas total dua puluh materi. Referensi gambar dapat menentukan karakter, objek, latar, atau gaya; video dapat memandu gerakan atau kerja kamera, dan audio dapat memandu penampilan atau ritme. Label khusus jenis seperti Image 1, Video 1, dan Audio 1 mengikuti urutan masukan secara terpisah. Berikan peran kepada setiap referensi dan jelaskan interaksinya dengan referensi lain. Karakter yang tampak benar tetapi berada di latar yang salah merupakan kegagalan berbeda dari kamera yang melewatkan gerakan yang diinginkan.

Batas berkas referensi yang didokumentasikan adalah 20 MB per gambar, 100 MB per video, dan 15 MB per klip audio. Durasi gabungan video referensi dibatasi lima belas detik, sedangkan referensi audio memiliki batas gabungan tersendiri sebesar lima belas detik. Satu dokumen atau satu referensi halaman web publik dapat menyertai materi referensi; dokumen dan tautan tidak dapat digunakan bersamaan. Sumber harus dapat diakses publik tanpa login. Siapkan sumber yang terarah dan nyatakan konten mana yang harus memengaruhi klip, terutama bila dokumen memuat lebih banyak informasi daripada yang dapat digunakan adegan.

Audio bawaan menggabungkan dialog, musik latar, ambience, dan efek suara dengan gambar yang dihasilkan. Nyatakan kata-kata yang harus diucapkan, pembicara dan cara penyampaiannya, efek penting, serta apakah musik latar harus ada. Audio aktif secara bawaan dalam panduan pembuat dan dapat dinonaktifkan. Untuk adegan demonstrasi, kalimat pengantar singkat dapat mendahului detail produk sementara suara mekanis pelan menandai gerakannya. Dengarkan klip selesai untuk memeriksa kata-kata yang benar-benar diucapkan, atribusi pembicara, dan sinkronisasi, alih-alih menilai audio hanya dari brief tertulis.

Untuk penyuntingan, jelaskan perubahan dan konten yang dipertahankan. Panduan mencakup penambahan atau penghapusan elemen, penggantian atribut, perubahan gaya visual atau pencahayaan, dan revisi dialog. Untuk kelanjutan, jelaskan apa yang harus terjadi sebelum, sesudah, atau di sekitar klip yang sudah ada. Pembingkaian adaptif dan durasi cerdas membantu alur video sumber mempertahankan bentuk serta maksud waktunya. Jika masukan video diberikan, durasi gabungan video masukan dan keluaran yang didokumentasikan tidak boleh melebihi 30 detik. Simpan sumber asli dan periksa bagian yang berubah sekaligus kesinambungan seluruh klip.

Keluaran berupa MP4 pada 30 fps, dengan resolusi 480p, 720p, atau 1080p. Durasi generasi baru berkisar dua hingga tiga puluh detik, atau pengaturan durasi cerdas dapat membiarkan model memilih panjangnya. Bentuk lanskap, persegi, dan potret didokumentasikan, dengan pembingkaian adaptif yang sesuai untuk materi yang diberikan. Produsen memproses permintaan sebagai pekerjaan dan mengembalikan lokasi video selesai yang berlaku selama dua puluh empat jam. Simpan hasil sebenarnya, brief, dan referensi sebagai catatan produksi, lalu verifikasi durasi serta pembingkaian yang dikembalikan sebelum menyusunnya bersama klip lain.

Wan 3.0 standar dan varian Prime berbagi mode terpadu yang didokumentasikan; Prime mengutamakan kecepatan generasi. Wan 2.7 dan 2.6 memiliki aturan durasi serta referensi tersendiri menurut tugas, sehingga antarmukanya tidak boleh diperlakukan sebagai konfigurasi edisi ini. Tinjau adegan selesai untuk identitas karakter dan produk, kesinambungan ruang, ucapan, efek, detail yang berasal dari sumber, serta awal dan akhir yang dimaksud. Koreksi berikutnya yang spesifik mempertahankan arah yang berhasil sambil menangani cacat nyata yang ditemukan dalam klip.