Alibaba: Wan 3.0

Alibaba Wan 3.0 é um perfil integrado de criação de vídeo concebido para transformar instruções e material de apoio numa cena com o seu som. O fabricante identifica o modelo Standard como wan3.0-video. A geração apenas em texto, os fotogramas inicial e final, as referências multimodais, a edição e a continuação utilizam configurações de entrada diferentes dentro desse perfil. Os recursos úteis incluem uma narrativa curta, uma apresentação de produto, uma transição baseada em imagem ou um clipe de origem revisto cujas alterações seguem uma direção criativa específica.

Para uma cena apenas em texto, prepare o sujeito, o local, a ação, a câmara, o estilo visual e o som. O fabricante suporta planos únicos e storyboards de vários planos, com uma estrutura recomendada de cerca de quatro a seis segundos por plano e intervalos de tempo opcionais. Numa história curta, apresente um pequeno pássaro mecânico numa bancada, acompanhe o seu primeiro movimento e termine num grande plano mantido enquanto o som ambiente da sala continua. Descreva a relação visual entre esses momentos, para que um limite de trinta segundos sirva uma história coerente em vez de uma lista de ações desligadas.

A geração a partir do primeiro fotograma anima uma imagem fixa fornecida. A imagem define a composição inicial, enquanto a instrução explica o movimento e o trabalho de câmara. A geração com primeiro/último fotograma fixa também o fim e descreve a transição entre as duas imagens. Prepare extremos com uma cena compatível e o enquadramento pretendido. O guia recomenda seleção adaptativa de proporção para estes modos. As suas entradas de fotogramas mantêm-se separadas das configurações de imagem de referência, vídeo de referência, áudio de referência, ficheiro e ligação Web, pelo que deve selecionar o modo de material correspondente ao plano previsto.

O modo de referências combina até dez imagens, cinco clipes de vídeo e cinco clipes de áudio, dentro de um limite total de vinte materiais. As referências de imagem podem identificar uma personagem, um objeto, um cenário ou um estilo; o vídeo pode orientar o movimento ou o trabalho de câmara e o áudio pode orientar a interpretação ou o ritmo. Rótulos específicos do tipo, como Image 1, Video 1 e Audio 1, seguem a ordem de entrada de forma independente. Dê um papel a cada referência e descreva como deve interagir com as restantes. Uma personagem com o aspeto correto no cenário errado é uma falha diferente de uma câmara que não capta o movimento pretendido.

Os limites documentados dos ficheiros de referência são 20 MB por imagem, 100 MB por vídeo e 15 MB por clipe de áudio. Os vídeos de referência estão limitados, em conjunto, a quinze segundos, e as referências de áudio têm um limite combinado separado de quinze segundos. Um documento ou uma referência a uma página Web pública podem acompanhar o material de referência; um documento e uma ligação são mutuamente exclusivos. A fonte tem de estar publicamente acessível sem início de sessão. Prepare uma fonte focada e indique que conteúdo deve informar o clipe, sobretudo quando um documento contém mais informação do que a cena consegue utilizar.

O áudio nativo combina diálogo, música de fundo, ambiente e efeitos sonoros com a imagem gerada. Indique as palavras a dizer, quem as diz e a interpretação, os efeitos importantes e se deve existir música de fundo. O áudio está ativado por predefinição no guia do fabricante e pode ser desativado. Numa cena de demonstração, uma frase introdutória curta pode anteceder um pormenor de produto enquanto um som mecânico discreto marca o movimento. Ouça o clipe concluído quanto à redação efetiva, à atribuição e à sincronização, em vez de avaliar o áudio apenas a partir das instruções escritas.

Numa edição, descreva a alteração e o conteúdo conservado. O guia abrange acrescentar ou remover elementos, substituir atributos, mudar o estilo visual ou a iluminação e rever o diálogo. Para continuação, descreva o que deve ocorrer antes, depois ou à volta do clipe existente. O enquadramento adaptativo e a duração inteligente ajudam o fluxo com vídeo de origem a preservar o seu formato e a intenção temporal. Quando é fornecida uma entrada de vídeo, a duração combinada documentada do vídeo de entrada e de saída não pode exceder 30 segundos. Conserve a fonte original e inspecione a região alterada, bem como a continuidade ao longo de todo o clipe.

A saída é MP4 a 30 fps, com resolução de 480p, 720p ou 1080p. As durações de nova geração vão de dois a trinta segundos, ou uma definição de duração inteligente pode deixar o modelo escolher a duração. Estão documentados formatos horizontal, quadrado e vertical, com enquadramento adaptativo adequado ao material fornecido. O fabricante processa o pedido como uma tarefa e devolve uma localização de vídeo concluído válida durante vinte e quatro horas. Guarde o resultado efetivo, as instruções e as referências como registo de produção e verifique a duração e o enquadramento devolvidos antes de o organizar com outros clipes.

Wan 3.0 Standard e a sua variante Prime partilham os modos integrados documentados; Prime dá ênfase à velocidade de geração. Wan 2.7 e 2.6 têm regras distintas de duração e referências por tarefa, pelo que as suas interfaces não devem ser tratadas como a configuração desta edição. Reveja a cena concluída quanto à identidade de personagens e produtos, continuidade espacial, fala, efeitos, pormenores derivados das fontes e início e fim pretendidos. Uma correção seguinte específica preserva a direção bem-sucedida enquanto resolve o defeito efetivo encontrado no clipe.