Wan 3.0 multimodal referenskontroll
En referensbrief kan innehålla upp till 10 bilder, 5 videoklipp och 5 ljudklipp, plus ett dokument eller en offentlig sida som stöds. Ge varje indata ett tydligt syfte.
Förstår media, dokument och webbsidor och ger videogenereringen ett rikare kreativt sammanhang.
Wan 3.0 AI-videogenerator
Wan 3.0 är Alibabas videogenereringsmodell. Den här arbetsytan erbjuder Text, Bildrutor och Referenser, så du kan börja med en skriven scen, en inledande komposition eller material som styr motiv och handling.
En referensbrief kan innehålla upp till 10 bilder, 5 videoklipp och 5 ljudklipp, plus ett dokument eller en offentlig sida som stöds. Ge varje indata ett tydligt syfte.
Upplösningsvalen är 480P, 720P och 1080P. Välj Adaptiv eller en fast canvas på 16:9, 4:3, 1:1, 3:4 eller 9:16 för scenen.
Använd upp till 20,000 tecken för en detaljerad brief. Bildruteinmatningar, ljud och ett återanvändbart seed ger ytterligare sätt att styra och jämföra tagningar.
Använd produktbilder för utseendet och ett dokument för verifierade fakta. Bygg briefen kring en enda avslöjning eller demonstration som ryms inom den valda längden.
Låt en ljudreferens definiera rytmen medan bilder eller video etablerar artisten och miljön. Förklara hur den synliga handlingen förhåller sig till ljudet.
Planera ett berättelsesteg med ett tydligt subjekt, en handling och ett slut. Tilldela referenser för karaktären, platsen eller kamerariktningen.
Ange en fil som stöds eller en offentlig sida som kontext och förklara sedan vilken visuell berättelse du vill hämta från den. Verifiera fakta innan publicering.
Etablera subjektets utseende, miljön eller den visuella behandlingen.
Visa rörelsen, tempot eller kamerariktningen som den nya tagningen ska följa.
Ge scenen en röst, musikalisk rytm eller atmosfärisk referens.
Tillhandahåll ett manus, en produktbrief eller en faktabakgrund för scenen.
Använd en tillgänglig offentlig sida för att ge kontext till den efterfrågade videon.
Välj Frames för inlednings- och slutbilder, eller References för media, ett dokument eller en offentlig sida.
Använd Image1, Video1 och Audio1 för att identifiera indata och ange vad var och en bidrar med till den nya scenen.
Välj genereringsläge, längd, upplösning, förhållande och ljud och kontrollera sedan krediterna innan du skickar.
Skriv den händelse som tittaren ska förstå när klippet är slut. Etablera subjektet och miljön och förklara sedan handlingen och en kamerarörelse. En kort avslöjning behöver mindre tid än en scen med ankomst, interaktion och avfärd. Efter genereringen kontrollerar du om den utvecklingen faktiskt ägde rum innan du lägger till fler karaktärer eller visuell detalj.
Frames-läget börjar med en obligatorisk inledningsbild och kan även använda en slutbild. Prompten bör förklara handlingen mellan dessa kompositioner, inte bara beskriva bilderna igen. En kamera skulle till exempel kunna röra sig från en dörröppning mot en monter och avsluta på detaljen som visas i den sista bildrutan. Använd i stället References när bilderna är allmän vägledning för identitet eller stil snarare än start- och slutpunkter.
Behandla de uppladdade tillgångarna som delar av en brief. Identifiera Image1, Video1 eller Audio1 och ange vilken information var och en ger: en produktform, en gångrytm eller en ljudriktning. Ta bort motstridiga referenser och håll subjektets kännetecken kompatibla i hela uppsättningen. Det gör den genererade tagningen lättare att bedöma mot den avsedda scenen.
| Modell | Wan 3.0 | Wan 2.7 | Seedance 2.5 |
|---|---|---|---|
| Indataparametrar | Text · Bilder · Videor · Ljud · Dokument / Webblänk | Text · Bilder · Videor · Ljud | Text · Bilder · Videor · Ljud |
| Utdataformat | MP4 | MP4 | MP4 |
| Längd (sekunder) | 2–30 / Automatiskt | 2–15; Referenser: 2–10 | 4–30 / Automatiskt |
| Ursprunglig upplösning | 480P / 720P / 1080P | 720P / 1080P | 480P / 720P / 1080P |
| Bildförhållande | Adaptiv / 16:9 / 4:3 / 1:1 / 3:4 / 9:16 | 16:9 / 9:16 / 1:1 / 4:3 / 3:4 | 1:1 / 21:9 / 4:3 / 3:4 / 16:9 / 9:16 / Adaptiv |
| Promptgräns (tecken) | 20000 | 5000 | 10000 |
Dessa exempelbriefs visar hur man kopplar en tillgång, en handling och ett slut. Byt ut referenserna mot ditt eget material och anpassa längden efter rörelsen som efterfrågas.
Använd Image1 för den röda emaljkitteln och Image2 för köket. Öppna på kitteln bredvid en tom kopp, mjukt fönsterljus från vänster. Rör dig långsamt mot pipen medan en tunn stråle ånga stiger. Behåll handtagets form och den röda ytan oförändrade. Avsluta med kitteln och koppen helt synliga och lämna tomt utrymme ovanför för en senare bildtext. Dämpat rumsljud, inget tal.
Använd Image1 för cyklisten och Image2 för stigen längs floden. Cyklisten i grå jacka går bredvid en grön cykel mot en träbänk. Följ från sidan i gångtempo i sena eftermiddagsljuset. Håll cykelramen och jackan konsekventa. Avsluta när cyklisten stannar vid bänken. Inkludera avlägset vatten och mjuka fotsteg, utan musik eller dialog.
Använd den uppladdade briefen för fakta om den hopfällbara skrivbordsorganiseraren. Visa den stängda organiseraren på ett rent bord, en hand som öppnar facken och en slutlig vy med pennor och kort ordnade inuti. Använd en fast kamera och mjukt ljus ovanifrån. Bevara produktens form från de medföljande bilderna. Lägg inte till prestandapåståenden eller specifikationer som saknas i briefen; lämna exakta etiketter för redigering.