Alibaba: Wan 3.0 Prime

Alibaba Wan 3.0 Prime är den accelererade utgåvan av videofamiljen Wan 3.0. Tillverkaren benämner den wan3.0-video-prime och dokumenterar samma allt-i-ett-uppgiftskategorier som standardversionen Wan 3.0, med snabbhet som utgåvans särskilda fokus. En skriven beskrivning, en startbild, visuella referenser eller ljudreferenser, eller källvideo kan vägleda ett klipp med dess ljud. Användbara resultat omfattar en produktscen, en kort berättelsesekvens, en animerad stillbild eller en riktad revidering av en befintlig tagning.

För text-till-video beskriver du motiv, scen, rörelse, kamera, visuellt uttryck och ljud. 3.0-guiden stöder enstaka tagningar eller ett bildmanus med tagningsetiketter och tidsintervall och rekommenderar ungefär fyra till sex sekunder per tagning. För ett produktklipp går du från en stabil vidbild av en väska på ett bord till en närmare materialdetalj och håller sedan en avslutande komposition medan en kort replik sägs. Ge sekvensen ett tydligt syfte och granska om kamera, tempo och produktidentitet förblir sammanhängande.

Vid generering från första bildrutan etablerar den tillhandahållna bilden öppningen och prompten beskriver rörelse och kameraarbete. Generering från första/sista bildrutan ger båda ändpunkterna och begär övergången mellan dem. Förbered ändpunkter som hör till samma scen och en målform som passar den avsedda utdatan. Tillverkaren rekommenderar adaptivt bildutsnitt för bildbaserade uppgifter. Ändpunktsläge och de separata referenslägena har olika regler för materialkombinationer: första eller sista bildrutor blandas inte med referensbilder, referensvideo eller referensljud i samma förfrågan.

Referensläget accepterar upp till tio bilder, fem videoklipp och fem ljudklipp inom tjugo multimodala referensmaterial. De dokumenterade filgränserna är 20 MB för en referensbild, 100 MB för video och 15 MB för ljud. Referensvideoklipp får tillsammans omfatta högst femton sekunder; referensljudklipp har ett eget sammanlagt utrymme på femton sekunder. Namnge varje materials roll och använd dess typspecifika index, såsom Image 1, Video 1 eller Audio 1. En person, en produkt, en kamerarörelse och en röst bör inte lämnas som utbytbara referenser.

Tillverkaren stöder även en dokumentreferens eller en offentlig webbsidereferens som kan kombineras med andra referensmaterial. En fil och en webblänk utesluter varandra och källan behöver vara åtkomlig utan inloggning. En dokumentbaserad scen kan använda relevant produkt- eller berättelseinnehåll som kontext medan en visuell referens definierar utseendet. Förbered materialet som faktiskt ska påverka klippet och ange vilka element som är viktiga. Granska faktiska visuella detaljer och text i den genererade scenen mot källan i stället för att acceptera en attraktiv men ändrad återgivning.

Röstdialog, miljöljud, ljudeffekter och bakgrundsmusik genereras med bilden. Beskriv de talade orden, talaridentiteten, framförandet och ljudets plats i scenen. Guiden dokumenterar ljud aktiverat som standard och ett reglage för tyst video. I dialog ger du talarna unika visuella och röstmässiga kännetecken och lämnar tillräckligt med tid för replikerna. Lyssna på resultatet efter faktisk ordalydelse, rätt talare och sambandet mellan en effekt och den synliga handlingen. Integrerat ljud är en del av scenen och behöver därför samma granskning som bilden.

Tillverkarens allt-i-ett-guide dokumenterar också redigering och förlängning från referensvideo. En redigeringsbeskrivning bör ange elementet som ska läggas till, tas bort eller ersättas och egenskaperna som ska behållas. En förlängningsbeskrivning bör ange innehåll före, efter eller runt det befintliga klippet. Använd adaptivt bildutsnitt och smart längd för dessa flöden. När videoindata tillhandahålls får den dokumenterade sammanlagda längden för indata- och utdatavideo inte överstiga 30 sekunder. Förbered källavsnittet och den avsedda ändringen tydligt; granska övergång, bevarat motiv och ljud i stället för att bara bedöma en tilltalande bildruta.

Den dokumenterade utdatan är MP4 med 30 fps, upplösningarna 480p, 720p eller 1080p och längd för nygenerering från två till trettio sekunder. Smart längd låter modellen välja en lämplig längd. Kvadratiska, liggande och stående bildutsnitt finns och adaptivt bildutsnitt följer det tillhandahållna materialet. Tillverkaren behandlar genereringen som ett jobb och returnerar platsen för den färdiga videon; guiden anger att resultatplatsen är giltig i tjugofyra timmar. Behåll det faktiska klippet och den kreativa beskrivningen när en redigering eller sekvens förbereds och inspektera hela resultatet före användning.

Prime och standardversionen Wan 3.0 delar de dokumenterade lägena och förberedelsestrukturen. Prime är det hastighetsoptimerade valet utan garanti för en bestämd färdigtid. Tidigare Wan 2.7- och 2.6-lägen har egna regler för längd, referenser och utdata; de gränserna definierar inte denna 3.0-utgåva. För en användbar granskning kontrollerar du objekt- och karaktärskontinuitet, ändpunktsutsnitt, begärda ändringar, dialog och källberoende detaljer. Håll nästa korrigering specifik så att lyckade delar av scenen förblir stabila medan det identifierade problemet revideras.