Wan 3.0 : générateur de vidéos IA

Les points forts de Wan 3.0

Des références image et audio dans un même clip

Wan 3.0 accepte jusqu'à 10 images de référence et 5 extraits audio, et Alibaba permet de les combiner librement dans une même génération.

Désignez-les dans le prompt comme le fait Alibaba, Image 1, Image 2 et Audio 1 : « le pêcheur de l'Image 1 marche le long de la jetée de l'Image 2 et prononce la réplique de l'Audio 1 ».

Les extraits audio ont une limite de durée totale : coupez-les à la partie utile. Besoin d'abord d'une image de référence ? Créez le personnage ou le produit avec Wan 2.7 Image, puis ajoutez-le comme Image 1.

Utilisez des contenus qui vous appartiennent ou que vous avez le droit d'utiliser, surtout pour les visages et les voix.

Image clé vidéo cinématographique en 16:9, un triptyque de trois volets séparés par de fines bandes sombres : à gauche, un simple portrait en studio d'un pêcheur barbu coiffé d'un bonnet tricoté vert foncé ; au centre, une simple photo d'une jetée en bois déserte à l'aube avec des bateaux amarrés ; à droite, le même pêcheur avec le même bonnet qui marche sur cette même jetée à l'aube tandis que la caméra le suit de côté, des bateaux et des mouettes derrière lui. Visage et vêtements identiques, palette douce bleue et ambrée, aucun texte, aucun logo.

Des clips longs qui tiennent toute une scène

Les clips peuvent durer jusqu'à 30 secondes, assez pour une scène avec plusieurs actions à la suite.

Écrivez le prompt comme une courte séquence, chaque temps fort dans l'ordre, avec des repères de temps approximatifs quand ils comptent : « d'abord elle ouvre la boîte, puis elle en sort la lampe, puis elle l'allume et sourit ».

Les clips longs coûtent plus cher, car la vidéo est facturée à la seconde. Testez l'idée sur une durée plus courte et en résolution plus basse avant de générer la prise complète.

Image clé vidéo cinématographique en 16:9, un jeune homme assis à un bureau en bois ensoleillé sort une lampe de bureau en laiton d'un carton ouvert, du papier froissé autour, une plante en pot et un carnet à proximité, la lampe déjà allumée d'une lueur chaude. Lumière naturelle d'après-midi, caméra à l'épaule mais stable, appartement chaleureux, aucun texte, aucun logo.

Le son créé avec l'image

Wan 3.0 génère le son avec la vidéo : bruits de pas, pluie, moteur ou réplique arrivent dans le même clip.

Décrivez le son à côté de l'action à laquelle il appartient : « la bouilloire s'arrête avec un clic et se met à siffler », « elle dit doucement : "On y est arrivés" ».

Quand un clip est construit sur des références, un extrait audio peut donner une voix ou un rythme à la scène. Alibaba précise que les modes première image et première et dernière image n'acceptent pas de références audio : passez par les références quand la voix compte.

Écoutez chaque résultat avant de le publier.

Image clé vidéo cinématographique en 16:9, un batteur de rue en veste en jean joue avec des baguettes en bois sur une série de seaux en plastique retournés, sur une place pavée animée, des pigeons qui s'envolent, des passants qui s'arrêtent pour regarder, une fontaine derrière. Lumière vive d'après-midi, contre-plongée énergique, baguettes en mouvement, aucun texte, aucun logo.

Bien écrire ses prompts pour Wan 3.0

1. Décrivez le plan dans l'ordre : sujet, action, lieu, mouvement de caméra, lumière, puis son.

2. Désignez les références par type et par ordre, Image 1, Image 2 et Audio 1, et dites ce que contrôle chacune.

3. Pour les clips longs, listez les actions comme une séquence et donnez des repères de temps approximatifs pour les moments qui comptent.

4. Décrivez chaque son dans la même phrase que l'action qui le produit, et mettez les répliques entre guillemets.

5. Essayez l'idée sur Wan 3.0 Prime avec une durée courte et une résolution basse, puis générez la prise finale une fois le prompt au point.

Vidéos réalisées avec Wan 3.0

• 

  Balade à vélo le long du canal

  Réalisée avec Wan 3.0

  Un seul plan continu le long d'une rue de canal lavée par la pluie, au crépuscule. Une femme en ciré jaune passe à vélo devant des vitrines illuminées, fait tinter sa sonnette pour un passant sous son parapluie et s'engage sur un petit pont de pierre au-dessus de l'eau. La caméra la suit de côté à hauteur d'épaule, puis pivote derrière elle lorsqu'elle traverse le pont. Des reflets ondulent dans les flaques, une bruine légère, la lumière chaude des boutiques contre un ciel du soir bleu profond, le chuintement des pneus sur la pierre mouillée et la pluie qui goutte des auvents, rendu cinématographique naturel.

• 

  Des nouilles sur le comptoir

  Réalisée avec Wan 3.0

  Un seul plan continu dans un petit bar à nouilles, la nuit. Le cuisinier sort un enchevêtrement de nouilles d'une marmite fumante, les égoutte de deux secousses vives, les dépose dans un bol profond, les nappe de bouillon chaud et fait glisser le bol le long du comptoir en bois jusqu'à un client, qui se penche au-dessus de la vapeur. La caméra glisse lentement le long du comptoir en suivant le bol. Lumière chaude des lampes, vapeur qui s'élève, la marmite qui bouillonne, le tintement de la louche et des conversations feutrées en arrière-plan, cinématographique.

Exemples de prompts à essayer avec Wan 3.0

• 

  Le matin à la boulangerie

  Image clé vidéo cinématographique en 16:9, un plan moyen sur une boulangère en tablier blanc qui sort d'un four en pierre rougeoyant une pelle en bois chargée de pains dorés et croustillants, de la farine qui flotte dans la lumière rasante du petit matin, des étagères de pain derrière elle, de la vapeur qui monte des pains. Palette ambre et crème chaude, lent travelling avant, ambiance documentaire, aucun texte, aucun logo.

• 

  Un train dans le désert

  Image clé vidéo cinématographique en 16:9, un plan aérien en travelling qui suit un long train de voyageurs argenté traversant un désert de sable rouge au coucher du soleil, sa longue ombre étirée sur les dunes, des mesas au loin sur l'horizon, une fine traînée de poussière derrière le dernier wagon. Ciel orange profond et violet, mouvement de drone fluide, ambiance grandiose et calme, aucun texte, aucun logo.

• 

  Un petit robot à l'atelier

  Image clé vidéo cinématographique en 16:9, un petit robot rond aux allures de jouet, avec un seul œil bleu lumineux et de petits bras trapus, tend la main vers une clé sur un établi en bois encombré, entouré de bocaux de vis, d'une lampe de bureau et de plans, la lumière chaude de la lampe se mêlant à la lumière froide de la fenêtre. Rendu d'animation 3D stylisée, léger travelling latéral, ambiance espiègle, aucun texte, aucun logo.

• 

  Une violoniste sur un toit

  Image clé vidéo cinématographique en 16:9, une jeune femme en long manteau gris joue du violon sur un toit de la ville à l'heure bleue, le vent dans ses cheveux, une guirlande lumineuse sur la rambarde à côté d'elle, les lumières de la ville qui s'allument derrière. Lent mouvement circulaire autour d'elle, palette bleu profond et or chaud, faible profondeur de champ, aucun texte, aucun logo.

Les images d'exemple sont illustratives ; les résultats varient selon le modèle.

Wan 3.0 : caractéristiques et tarifs

Tous les prix ci-dessous proviennent de la grille tarifaire en vigueur : ils changent ici dès que les tarifs changent. Les crédits sont décomptés par image, ou par seconde de vidéo.

Limites de Wan 3.0

• Une première image, ou une première et une dernière image, ne peut pas être combinée avec des références dans un même clip, et ces modes n'acceptent pas l'audio. Choisissez une approche par clip.

• Un clip long laisse plus de place aux dérives sur les visages, les mains et les petits objets.

  Vérifiez chaque seconde avant de publier, et découpez la scène en clips plus courts quand une partie rate à chaque fois.

• Le même prompt donne un clip différent à chaque fois, et une seed fixe ne garantit pas de retrouver le même. Gardez la prise qui vous plaît plutôt que d'espérer la regénérer.