Alibaba: Wan 3.0

Alibaba Wan 3.0 è un profilo tutto in uno per la creazione video, progettato per trasformare un brief e materiali di supporto in una scena con il relativo suono. Il produttore identifica il modello standard come wan3.0-video. Generazione da solo testo, fotogrammi iniziali e finali, riferimenti multimodali, modifica e continuazione utilizzano disposizioni diverse degli input all’interno del profilo. Tra i risultati utili figurano una breve narrazione, una presentazione di prodotto, una transizione basata su immagini o una clip sorgente rivista secondo una precisa direzione creativa.

Per una scena da solo testo, prepara soggetto, luogo, azione, camera, stile visivo e suono. Il produttore supporta riprese singole e storyboard con più riprese, con una struttura consigliata di circa quattro-sei secondi per ripresa e intervalli temporali facoltativi. Per una breve storia, presenta un piccolo uccello meccanico su un banco da lavoro, seguine il primo movimento e termina con un primo piano mantenuto mentre continua il suono ambientale della stanza. Descrivi la relazione visiva fra questi momenti, affinché il limite di trenta secondi serva una storia coerente anziché una lista di azioni scollegate.

La generazione dal primo fotogramma anima un’immagine statica fornita. L’immagine definisce la composizione iniziale, mentre il prompt spiega movimento e lavoro di camera. La generazione dal primo e ultimo fotogramma fissa anche la conclusione e descrive la transizione fra le due immagini. Prepara immagini iniziale e finale con una scena compatibile e l’inquadratura desiderata. La guida consiglia la selezione adattiva del rapporto d’aspetto per queste modalità. Gli input dei fotogrammi restano separati dalle combinazioni con immagini, video e audio di riferimento, file e link web; scegli quindi la modalità dei materiali adatta alla ripresa prevista.

La modalità di riferimento combina fino a dieci immagini, cinque clip video e cinque clip audio, entro un totale di venti materiali. Le immagini di riferimento possono identificare un personaggio, un oggetto, un’ambientazione o uno stile; i video possono guidare movimento o camera e l’audio può guidare interpretazione o ritmo. Le etichette specifiche per tipo, come Image 1, Video 1 e Audio 1, seguono indipendentemente l’ordine degli input. Assegna a ogni riferimento un ruolo e descrivi come deve interagire con gli altri. Un personaggio dall’aspetto corretto nell’ambientazione sbagliata è un errore diverso da una camera che manca il movimento desiderato.

I limiti documentati dei file di riferimento sono 20 MB per ogni immagine, 100 MB per ogni video e 15 MB per ogni clip audio. I video di riferimento sono limitati complessivamente a quindici secondi e i riferimenti audio hanno un limite complessivo separato di quindici secondi. Un documento o una pagina web pubblica possono accompagnare il materiale di riferimento; documento e link si escludono a vicenda. La fonte deve essere accessibile pubblicamente senza accesso. Prepara una fonte mirata e indica quale contenuto deve influenzare la clip, soprattutto quando un documento contiene più informazioni di quante la scena possa utilizzare.

L’audio nativo combina dialoghi, musica di sottofondo, atmosfera sonora ed effetti con l’immagine generata. Indica le parole da pronunciare, il parlante e l’interpretazione, gli effetti importanti e la presenza o meno di musica di sottofondo. Nella guida del produttore l’audio è attivo per impostazione predefinita e può essere disattivato. In una dimostrazione, una breve frase introduttiva può precedere un dettaglio di prodotto, mentre un leggero suono meccanico ne scandisce il movimento. Ascolta la clip completata per verificare parole effettive, attribuzione e sincronizzazione, invece di giudicare l’audio dal solo brief scritto.

Per una modifica, descrivi il cambiamento e il contenuto da mantenere. La guida tratta aggiunta o rimozione di elementi, sostituzione di attributi, cambiamenti di stile visivo o illuminazione e revisione dei dialoghi. Per la continuazione, descrivi cosa deve accadere prima, dopo o attorno alla clip esistente. Inquadratura adattiva e durata intelligente aiutano il flusso con video sorgente a conservarne formato e intento temporale. Quando viene fornito un video in ingresso, la durata complessiva documentata del video in ingresso e in uscita non deve superare 30 secondi. Conserva la sorgente originale e ispeziona sia la zona modificata sia la continuità dell’intera clip.

L’output è MP4 a 30 fps, con risoluzione 480p, 720p o 1080p. Le nuove generazioni durano da due a trenta secondi, oppure un’impostazione di durata intelligente può lasciare al modello la scelta della lunghezza. Sono documentati formati orizzontali, quadrati e verticali, con inquadratura adattiva adatta al materiale fornito. Il produttore elabora la richiesta come un job e restituisce l’indirizzo del video completato, valido per ventiquattro ore. Conserva il risultato effettivo, il brief e i riferimenti come registro di produzione e verifica durata e inquadratura restituite prima di affiancarlo ad altre clip.

Wan 3.0 standard e la variante Prime condividono le modalità tutto in uno documentate; Prime privilegia la velocità di generazione. Wan 2.7 e 2.6 hanno regole distinte di durata e riferimenti per ogni attività, quindi le loro interfacce non vanno considerate la configurazione di questa edizione. Controlla la scena finita per identità di personaggi e prodotti, continuità spaziale, parlato, effetti, dettagli derivati dalla fonte e inizio e fine desiderati. Una correzione successiva specifica conserva la direzione riuscita e affronta il difetto effettivamente individuato nella clip.