Le reference-to-video Wan 3.0 Prime garde un visage, une tenue, un lieu ou une voix cohérents sur un clip avec jusqu’à 10 images, 5 vidéos et 5 fichiers audio. Il renvoie 2 à 30 secondes de 480p à 1080p, références vidéo et audio limitées à 15 secondes.
Atelier
Ces exemples ont été écrits pour ce point de terminaison. Remplacez le prompt et les URL de médias par vos propres fichiers accessibles, puis vérifiez l’estimation à jour et la disponibilité du modèle avant d’envoyer.
- Sortie5 s
motion-style-copy Le clip de référence montre une bouteille qui tourne sous un spot, un sujet totalement différent — et c’est exactement l’idée : `reference_video_urls` ne transporte que l’orbite caméra à l’épaule, pas le sujet. `reference_image_urls` fournit le visage et la robe de la femme dans un studio vide que le prompt ne décrit jamais. Sur `duration_seconds` à `5`, le cadre dérive d’un plan de face vers un trois-quarts, en gardant l’instabilité caméra-épaule du clip source.
- 720p
- 5s
- Sortie2 s
same-anchor-same-voice Trois images fixes — une présentatrice à la table du studio et deux gros plans — tiennent le visage et le décor d’un plan à l’autre ; cette exécution n’a envoyé que des images, sans le son, donc rien ici ne fixe la voix. C’est le rôle des références audio : l’endpoint accepte jusqu’à dix images fixes, cinq clips et cinq pistes audio ensemble, et la voix est la part qu’on oublie facilement — une présentatrice qui paraît continue mais sonne différemment d’une prise à l’autre reste discontinue. Le prompt n’a plus qu’à décrire le mouvement, une avancée qui se termine sur un cadrage précis, puisque l’identité est déjà portée par les références.
- 480p
- 3:4
- 2s
- Sortie5 s
moon-dune-scarf Une seule planche d’identité, prise à plat sur fond de studio neutre, et tout le reste de la scène — le champ de dunes, la lune, le vent — écrit à partir de rien. Le morceau difficile, c’est l’écharpe : plusieurs mètres qui ondulent et s’enroulent au-dessus d’elle, et qui doivent rester accrochés au même bras jusqu’à la fin de la prise.
- 720p
- 16:9
- 5s
Cet exemple démarre à $0.061 par seconde produite. Le Playground actualise l’estimation lorsque vous modifiez les réglages.