Wan 3.0 – generator wideo AI

Mocne strony Wan 3.0

Referencje z obrazów i audio w jednym klipie

Wan 3.0 przyjmuje do 10 obrazów referencyjnych i 5 nagrań audio, a Alibaba pozwala dowolnie łączyć je w jednym generowaniu.

Odwołuj się do nich w prompcie tak jak Alibaba, jako Image 1, Image 2 i Audio 1: „rybak z Image 1 idzie po molo z Image 2 i wypowiada kwestię z Audio 1”.

Nagrania audio mają wspólny limit długości, więc przytnij je do potrzebnego fragmentu. Potrzebujesz najpierw obrazu referencyjnego? Zrób postać albo produkt w Wan 2.7 Image, a potem dodaj go jako Image 1.

Korzystaj z materiałów, które są Twoje albo masz zgodę na ich użycie, zwłaszcza gdy chodzi o twarze i głosy.

Filmowa klatka kluczowa wideo 16:9, tryptyk z trzech paneli oddzielonych cienkimi ciemnymi pasami: po lewej prosty studyjny portret brodatego rybaka w ciemnozielonej dzianej czapce; pośrodku proste zdjęcie pustego drewnianego molo o świcie z zacumowanymi łodziami; po prawej ten sam rybak w tej samej czapce idzie po tym samym molo o świcie, a kamera jedzie obok niego, w tle łodzie i mewy. Spójna twarz i ubranie, miękka paleta błękitu i bursztynu, bez tekstu, bez logo.

Długie klipy, które mieszczą całą scenę

Klipy mogą trwać do 30 sekund, czyli tyle, by zmieścić scenę z kilkoma czynnościami po kolei.

Napisz prompt jako krótką sekwencję, z każdym etapem po kolei, i podaj przybliżony czas tam, gdzie ma to znaczenie: „najpierw otwiera pudełko, potem wyjmuje lampę, na końcu ją włącza i się uśmiecha”.

Dłuższe klipy kosztują więcej, bo wideo jest rozliczane za sekundę. Pomysł sprawdź w krótszym klipie i niższej rozdzielczości, zanim wygenerujesz pełne ujęcie.

Filmowa klatka kluczowa wideo 16:9: młody mężczyzna przy słonecznym drewnianym biurku wyjmuje mosiężną lampkę biurową z otwartego kartonowego pudełka, wokół zmięty papier, obok roślina w doniczce i notes, lampka już świeci ciepłym światłem. Naturalne popołudniowe światło, kamera z ręki, ale stabilna, przytulne mieszkanie, bez tekstu, bez logo.

Dźwięk tworzony razem z obrazem

Wan 3.0 generuje dźwięk razem z wideo, więc kroki, deszcz, szum silnika czy wypowiedziana kwestia trafiają do tego samego klipu.

Opisz dźwięk obok akcji, do której należy: „czajnik pstryka i zaczyna gwizdać”, „mówi cicho: «Udało się»”.

Gdy klip jest zbudowany na referencjach, nagranie audio może nadać scenie głos albo rytm. Alibaba zaznacza, że tryby z pierwszą klatką oraz z pierwszą i ostatnią nie przyjmują referencji audio, więc gdy liczy się głos, użyj referencji.

Odsłuchaj każdy wynik przed publikacją.

Filmowa klatka kluczowa wideo 16:9: uliczny perkusista w dżinsowej kurtce gra drewnianymi pałkami na zestawie odwróconych plastikowych wiader na ruchliwym kamiennym placu, gołębie zrywają się do lotu, przechodnie przystają, żeby popatrzeć, w tle fontanna. Jasne popołudniowe światło, energiczna żabia perspektywa, pałki w ruchu, bez tekstu, bez logo.

Jak pisać prompty do Wan 3.0

1. Opisuj ujęcie po kolei: postać, czynność, miejsce, ruch kamery, światło, a na końcu dźwięk.

2. Do referencji odwołuj się według typu i kolejności, jako Image 1, Image 2 i Audio 1, i napisz, za co odpowiada każda z nich.

3. Przy długich klipach wypisz czynności jako sekwencję i podaj przybliżony czas ważnych momentów.

4. Każdy dźwięk opisz w tym samym zdaniu co akcję, która go wywołuje, a wypowiadane kwestie wpisz w cudzysłowie.

5. Pomysł sprawdź na Wan 3.0 Prime w krótkim klipie i niskiej rozdzielczości, a finalne ujęcie wygeneruj, gdy prompt jest gotowy.

Filmy stworzone za pomocą Wan 3.0

• 

  Przejażdżka rowerem wzdłuż kanału

  Wygenerowano za pomocą Wan 3.0

  Jedno ciągłe ujęcie na obmytej deszczem ulicy wzdłuż kanału o zmierzchu. Kobieta w żółtym płaszczu przeciwdeszczowym jedzie rowerem obok rozświetlonych witryn sklepów, dzwoni dzwonkiem na przechodnia z parasolem i skręca na mały kamienny mostek nad wodą. Kamera jedzie obok niej na wysokości ramion, a potem okrąża ją od tyłu, gdy przejeżdża przez mostek. W kałużach falują odbicia, siąpi lekki deszcz, ciepłe światło sklepów na tle głębokiego granatu wieczornego nieba, szum opon na mokrym kamieniu i krople kapiące z markiz, filmowy, naturalny wygląd.

• 

  Makaron podany przez ladę

  Wygenerowano za pomocą Wan 3.0

  Jedno ciągłe ujęcie w małym barze z makaronem nocą. Kucharz wyjmuje z parującego garnka plątaninę makaronu, odcedza ją dwoma energicznymi potrząśnięciami, układa w głębokiej misce, zalewa chochlą gorącym bulionem i przesuwa miskę po drewnianej ladzie do klienta, który pochyla się nad parą. Kamera powoli sunie wzdłuż lady, podążając za miską. Ciepłe światło lamp, unosząca się para, bulgoczący garnek, stuknięcie chochli i ciche rozmowy w tle, filmowo.

Przykładowe prompty do wypróbowania w Wan 3.0

• 

  Poranek w piekarni

  Filmowa klatka kluczowa wideo 16:9, plan średni: piekarka w białym fartuchu wysuwa z rozżarzonego kamiennego pieca drewnianą łopatę ze złotymi, chrupiącymi bochenkami, w ukośnym porannym świetle unosi się mąka, za nią półki z chlebem, z bochenków bucha para. Ciepła paleta bursztynu i kremu, powolny najazd kamery, dokumentalny charakter, bez tekstu, bez logo.

• 

  Pociąg przez pustynię

  Filmowa klatka kluczowa wideo 16:9, ujęcie z powietrza podążające za długim srebrnym pociągiem pasażerskim, który przecina pustynię z czerwonym piaskiem o zachodzie słońca, jego długi cień kładzie się na wydmach, na horyzoncie odległe stoliwa, za ostatnim wagonem cienka smuga pyłu. Głęboko pomarańczowe i fioletowe niebo, płynny ruch drona, epicko i spokojnie, bez tekstu, bez logo.

• 

  Mały robot w warsztacie

  Filmowa klatka kluczowa wideo 16:9: mały okrągły robot przypominający zabawkę, z jednym świecącym niebieskim okiem i krótkimi rączkami, sięga po klucz na zagraconym drewnianym stole warsztatowym, wokół słoiki ze śrubkami, lampka biurowa i plany techniczne, ciepłe światło lampy miesza się z chłodnym światłem z okna. Stylizowana animacja 3D, łagodny ruch kamery w bok, zabawny nastrój, bez tekstu, bez logo.

• 

  Skrzypaczka na dachu

  Filmowa klatka kluczowa wideo 16:9: młoda kobieta w długim szarym płaszczu gra na skrzypcach na dachu w mieście w niebieskiej godzinie, wiatr porusza jej włosami, obok na balustradzie girlanda świateł, za nią zapalają się światła panoramy miasta. Powolny obrót kamery wokół niej, paleta głębokiego błękitu i ciepłego złota, mała głębia ostrości, bez tekstu, bez logo.

Przykładowe obrazy mają charakter poglądowy; wyniki zależą od modelu.

Wan 3.0: parametry i ceny

Wszystkie ceny poniżej pochodzą z aktualnego cennika, więc zmieniają się tutaj od razu, gdy zmieniają się stawki. Kredyty są naliczane za każdy obraz albo za każdą sekundę wideo.

Ograniczenia modelu Wan 3.0

• Pierwszej klatki ani pierwszej i ostatniej nie da się połączyć z referencjami w tym samym klipie, a tryby z klatkami nie przyjmują audio. Wybierz jeden sposób na klip.

• W długim klipie jest więcej miejsca na to, by twarze, dłonie i małe przedmioty się rozjechały.

  Przed publikacją sprawdź każdą sekundę, a gdy jedna część ciągle wychodzi źle, podziel scenę na krótsze klipy.

• Ten sam prompt za każdym razem daje inny klip, a stałe ziarno (seed) nie gwarantuje powtórki. Zachowaj ujęcie, które Ci się podoba, zamiast liczyć na wygenerowanie go jeszcze raz.