Alibaba: Wan 3.0 Prime

Alibaba Wan 3.0 Prime è l’edizione accelerata della famiglia video Wan 3.0. Il produttore la chiama wan3.0-video-prime e documenta le stesse categorie di attività del modello tutto in uno Wan 3.0 standard, distinguendo questa edizione per l’attenzione alla velocità. Un brief scritto, un’immagine iniziale, riferimenti visivi o audio oppure un video sorgente possono guidare una clip con il relativo suono. Tra i risultati utili figurano una scena di prodotto, una breve sequenza narrativa, un’immagine statica animata o una revisione guidata di una ripresa esistente.

Per il text-to-video, descrivi soggetto, scena, movimento, camera, trattamento visivo e suono. La guida 3.0 supporta riprese singole o uno storyboard con etichette delle riprese e intervalli temporali, consigliando circa quattro-sei secondi per ripresa. Per una clip di prodotto, passa da un’inquadratura larga stabile di una borsa su un tavolo a un dettaglio ravvicinato del materiale, poi mantieni la composizione finale mentre viene pronunciata una breve frase. Assegna alla sequenza uno scopo chiaro e verifica che camera, ritmo e identità del prodotto restino coerenti.

Nella generazione dal primo fotogramma, l’immagine fornita definisce l’apertura e il prompt descrive movimento e lavoro di camera. La generazione dal primo e ultimo fotogramma fornisce entrambi gli estremi e richiede la transizione fra essi. Prepara immagini iniziale e finale appartenenti alla stessa scena e un formato coerente con il risultato desiderato. Il produttore consiglia l’inquadratura adattiva per le attività basate su immagini. La modalità con fotogrammi estremi e le modalità di riferimento separate hanno regole diverse per combinare i materiali: il primo o ultimo fotogramma non si mescolano a immagini, video o audio di riferimento nella stessa richiesta.

La modalità di riferimento accetta fino a dieci immagini, cinque clip video e cinque clip audio, entro un totale di venti materiali di riferimento multimodali. I limiti documentati per file sono 20 MB per un’immagine di riferimento, 100 MB per un video e 15 MB per l’audio. Le clip video di riferimento possono contenere complessivamente al massimo quindici secondi; le clip audio di riferimento dispongono di un limite complessivo separato di quindici secondi. Specifica il ruolo di ogni materiale e usa l’indice relativo al tipo, come Image 1, Video 1 o Audio 1. Una persona, un prodotto, un movimento di camera e una voce non devono essere lasciati come riferimenti intercambiabili.

Il produttore supporta anche un documento o una pagina web pubblica come riferimento, che può accompagnare gli altri materiali. Un file e un link web si escludono a vicenda e la fonte deve essere raggiungibile senza accesso. Una scena basata su un documento può usare il contenuto pertinente del prodotto o della storia come contesto, mentre un riferimento visivo ne definisce l’aspetto. Prepara il materiale che deve realmente influenzare la clip e indica quali elementi contano. Controlla i dettagli visivi fattuali e il testo della scena generata rispetto alla fonte, invece di accettare una rappresentazione attraente ma alterata.

Dialoghi, atmosfera sonora, effetti sonori e musica di sottofondo vengono generati insieme all’immagine. Descrivi le parole pronunciate, l’identità del parlante, l’interpretazione e il posto del suono nella scena. La guida documenta l’audio attivo per impostazione predefinita e un controllo per il video muto. In un dialogo, assegna ai parlanti segnali visivi e vocali distinti e lascia tempo sufficiente allo scambio. Ascolta il risultato per verificare le parole effettive, l’attribuzione del parlante e la relazione fra un effetto e l’azione visibile. L’audio integrato fa parte della scena e richiede quindi la stessa verifica dell’immagine.

La guida tutto in uno del produttore documenta anche modifica ed estensione a partire da video di riferimento. Il brief di modifica deve indicare l’elemento da aggiungere, rimuovere o sostituire e le caratteristiche da mantenere. Il brief di estensione deve descrivere il contenuto prima, dopo o attorno alla clip esistente. Usa inquadratura adattiva e durata intelligente per questi flussi di lavoro. Quando viene fornito un video in ingresso, la durata complessiva documentata del video in ingresso e in uscita non deve superare 30 secondi. Prepara chiaramente il passaggio sorgente e la modifica desiderata; controlla transizione, soggetto mantenuto e suono, invece di giudicare un solo fotogramma piacevole.

L’output documentato è MP4 a 30 fps, con risoluzione 480p, 720p o 1080p e durata delle nuove generazioni da due a trenta secondi. La durata intelligente lascia al modello la scelta di una lunghezza adatta. Sono disponibili formati quadrati, orizzontali e verticali, mentre l’inquadratura adattiva segue il materiale fornito. Il produttore elabora la generazione come un job e restituisce l’indirizzo del video completato; la guida indica che tale indirizzo è valido per ventiquattro ore. Conserva la clip effettiva e il brief creativo quando prepari una modifica o una sequenza e ispeziona l’intero risultato prima di utilizzarlo.

Prime e Wan 3.0 standard condividono le modalità e la struttura di preparazione documentate. Prime è la scelta ottimizzata per la velocità, senza garanzia di un tempo di completamento fisso. Le precedenti modalità Wan 2.7 e 2.6 hanno regole proprie per durata, riferimenti e output; tali limiti non definiscono questa edizione 3.0. Per una verifica utile, controlla continuità di oggetti e personaggi, inquadratura iniziale e finale, modifiche richieste, dialoghi e tutti i dettagli dipendenti dalla fonte. Mantieni specifica la correzione successiva, così gli elementi riusciti della scena restano stabili mentre viene rivisto il problema individuato.