Wan 3.0 im Test: Jede Stufe unzensiert, und noch weiter

Die Clips unserer Inhaltsskala zeigen wir hier nicht, nur die Ergebnisse. Unsere ersten unzensierten Läufe am 15. September waren absichtlich kurz: 2 Sekunden in 480p, Audio und Prompt-Umschreibung aus, ein Prompt der Stufe L5 Extrem pro Aufgabe. Jeder Clip hielt vom ersten bis zum letzten Frame jedes Element dieses Prompts im Bild, und jeder ging danach von selbst in eine Szene der Stufe L4 Intensiv über. Bild-zu-Video begann genau mit unserem Startbild, und Referenz-zu-Video behielt die Frau aus unseren Referenzbildern.

Die Galerie enthält veröffentlichte, arbeitsplatztaugliche Beispiele von der Modellseite von Wan 3.0, das Alltagsregister, mit dem die meisten anfangen:

Zwei Menschen, ein Kuss. Zwei Frauen in der offenen Heckklappe eines Kombis im Autokino, eine karierte Decke über den Beinen: je ein Outfit, eine Handlung, und der Kuss kommt am Ende wie geschrieben.

Das Standbild bleibt das Standbild. Im Clip mit der Drehung zum Fenster wird das hochgeladene Bild unverändert zum ersten Frame; der Prompt fügt nur die Drehung zur Kamera hinzu.

Eine Stimme aus einer Audiodatei. Der Monolog-Clip nimmt Gesicht und Kleidung aus einem Referenzbild und die Stimme aus einem Referenz-Audioclip.

Ein Produkt, das auf seine Marke zurückkehrt. Mit demselben Bild als erstem und letztem Frame dreht sich die Flasche um eine Vierteldrehung und landet wieder auf ihrem Ausgangswinkel.

Schreib es wie eine Shotliste: wer, was die Person trägt, eine Handlung, eine Kamerabewegung, Licht, Ton. Wan 3.0 füllt jede Lücke, die Sie lassen, also nennen Sie den letzten Moment, den Sie wollen. Bei Bild-zu-Video schreiben Sie nur die Bewegung. Bei Referenz-zu-Video sag, wofür jede Referenz da ist, sonst werden sie zu jemandem gemittelt, der keiner von ihnen ähnelt.

1. Zwei Menschen, ein Kuss (Text-zu-Video, 720p, 5 s). Der exakte Prompt hinter dem Autokino-Clip.

35mm film still, warm grain and halation. Two adult women lie back in the open tailgate of a station wagon at a drive-in cinema, a plaid blanket over their legs; one wears a white ribbed tank top, the other a red gingham bikini top and denim shorts. The projector beam flickers across them; one turns, brushes hair from the other's face, and they kiss slowly as the screen light shifts from blue to gold. Summer night, moths in the beam, loose handheld frame.

Diesen Prompt auf Wan 3.0 ausführen →

2. Ein 30-Sekunden-Take aus Text. Stell die Länge auf 30 Sekunden: $1.35 in 480p. Der letzte Satz legt fest, wo die Szene endet.

One continuous take. Two adults, a man and a woman, in a candlelit loft at night. She sits on the edge of the bed; he kneels behind her and gathers her hair over one shoulder; she leans back against him. The camera circles the bed once. Warm candlelight, rain on the skylight, no music.

Diesen Prompt auf Wan 3.0 ausführen →

3. Beim Standbild bleiben (Bild-zu-Video). Der Clip bleibt in Ihrem Raum, statt woandershin zu schneiden.

Same woman, same bed, same room and light as the first frame, one continuous take with no cut. She turns her head toward the camera, draws one knee up and runs a hand through her hair.

Diesen Prompt auf Wan 3.0 Bild-zu-Video ausführen →

4. Figur plus Ort (Referenz-zu-Video). Zwei Referenzbilder, jedes mit einer benannten Aufgabe.

The first image is the character: keep her face, hair and the black slip dress exactly. The second image is the room. She crosses from the doorway to the window and leans against the frame, looking out. Slow lateral track, one practical lamp, night ambience.

Diesen Prompt auf Wan 3.0 Referenz-zu-Video ausführen →

Schwach: „Couple in a loft, slow motion.“ Wan 3.0 wählt Personen, Raum, Kamera und Ende. Stark: Prompt 2. Dieselbe Idee, jede Entscheidung von Ihnen.

Wan 3.0 bestand jede Stufe, die wir liefen, auf jeder Aufgabe. Am 15. September kam ein Prompt der Stufe L5 Extrem aus Text-, Bild- und Referenzeingabe wie geschrieben zurück, und jeder Clip ging ungefragt in eine Szene der Stufe L4 Intensiv über. Am 24. September liefen wir jede Stufe dreimal pro Aufgabe: L1 Andeutung bis L4 Intensiv und beide Testvarianten von L5 Extrem kamen alle wie geschrieben zurück, ohne Ablehnung oder abgeschwächten Clip. Das Seitenlabel ist Unzensiert: Wir schalten keinen eigenen Inhaltsfilter dazwischen. Die Wan-Versionen, die Szenen abschwächen oder ablehnen, stehen in unserem Test der unzensierten Wan-Versionen.

Freedom Score: steht auf der Wertungskarte dieser Seite und wird neu berechnet, sobald wir Läufe ergänzen. Jede Stufe lief auf jeder Aufgabe, und kein Lauf wurde abgelehnt oder abgeschwächt.

Eine einfache Regel für unzensierte Arbeit: Was im Startframe oder im Prompt steht, behandelt Wan 3.0 als Ausgangspunkt, nicht als Grenze. Aus Standbildern und Referenzen fügte es über die Wan-3.0-Versionen hinweg 17 Clips eine zusätzliche Person hinzu. Abgelehnte Anfragen kosten nichts; alles, was rendert, wird berechnet.

Noch nicht getestet: ob ein Schlusssatz wie „the scene ends here“ die Eskalation stoppt; echte Fotos als Startframes; Szenen mit zwei Frauen oder zwei Männern; Anime-Stile.

Nur Erwachsene, in jedem Prompt, Standbild und Ergebnis. Keine echte, erkennbare Person ohne ihre Zustimmung, und Sie brauchen die Rechte an jeder Datei, die Sie hochladen.

Blindabstimmungen sehen es weit oben: In der Text-zu-Video-Arena von Artificial Analysis lag Wan 3.0 am 24. September auf Platz eins bei Clips ohne Audio und auf Platz zwei mit Audio. Der Test von Curious Refuge sah es für Nebeneinstellungen nah an den Spitzenmodellen, „für einen Bruchteil der Kosten“, wählte für zentrale Figurenmomente und Lippensynchronität aber weiterhin Seedance.

Der Frust betrifft die Offenheit. Open-Source-Nutzer nehmen Alibaba bis heute übel, dass nach Wan 2.2 keine Gewichte mehr veröffentlicht wurden: „Wan 2.2 hat der Community den Teppich weggezogen und eine riesige Lücke hinterlassen“. Als MiniMax H3 mit offenen Gewichten erschien, „löschte sofort die Ordner mit LTX2 und WAN“ ein lokaler Nutzer. Wan 3.0 läuft nur über gehostete APIs wie unsere.

Wo sich unsere Läufe überschneiden, stimmen wir zu: Lange Takes gibt es hier günstig, und mit Referenzen hält es eine Figur. Die Lippensynchronität gegen Seedance haben wir selbst nicht getestet.

• Der Clip soll dort enden, wo Sie es geschrieben haben? Wan 2.6 Text-zu-Video lieferte am 17. September eine Szene der Stufe L4 Intensiv genau wie geschrieben und fügte nichts hinzu. $0.45 für 5 Sekunden in 720p.
• Ein günstigerer kurzer Clip? MiniMax H3 lieferte jede Stufe, die wir versuchten, von L1 Andeutung bis L5 Extrem. $0.185 für 5 Sekunden in 768p, höchstens 15 Sekunden. Unser H3-Test.
• Dialog und Feinschliff wichtiger als der Preis? Seedance 2.5 schafft ebenfalls 30 Sekunden und ist das, was Tester für Lippensynchronität wählen, für $1.39 pro 5 Sekunden in 720p gegenüber $0.45 hier. Unser Seedance-2.5-Test.
• 2K oder 4K? Wan 3.0 Pro: dieselben drei Aufgaben, $0.92 für 5 Sekunden in 4K, aus 1080p hochskaliert.
• Dasselbe Modell, schneller? Wan 3.0 Prime ist Alibabas Schnellversion mit denselben Feldern, $0.31 für 5 Sekunden in 480p.
• Unzensierte Clips aus einem Standbild mit knappem Budget? Wan 2.2 Spicy, $0.095 für 5 Sekunden in 480p, bis zu 8 Sekunden, ohne Ton.