Test de Wan 3.0 : chaque palier sans censure, et au-delà

Nous ne montrons pas ici les clips de notre échelle, seulement les résultats. Nos premiers essais sans censure, le 15 septembre, étaient courts exprès : 2 secondes en 480p, audio et réécriture du prompt coupés, un prompt L5 Extrême par tâche. Chaque clip a gardé chaque élément de ce prompt à l’écran de la première à la dernière image, puis chacun a enchaîné de lui-même sur une scène L4 Intense. L’image vers vidéo s’est ouverte exactement sur notre image de départ, et les références vers vidéo ont gardé la femme de nos images de référence.

La galerie reprend des exemples publiés, visibles au bureau, de la page du modèle Wan 3.0, le registre du quotidien par lequel la plupart des gens commencent :

Deux personnes, un baiser. Deux femmes allongées dans le hayon ouvert d’un break dans un drive-in, un plaid écossais sur les jambes : une tenue chacune, une action, et le baiser arrive à la fin comme écrit.

L’image reste l’image. Dans le clip où elle se tourne à la fenêtre, l’image envoyée devient la première image sans retouche ; le prompt n’ajoute que le mouvement vers la caméra.

Une voix tirée d’un fichier audio. Le clip de monologue prend son visage et sa tenue dans une image de référence, et sa voix dans un clip audio de référence.

Un produit qui revient à sa marque. Avec la même image en première et en dernière image, le flacon tourne d’un quart de tour et retombe sur son angle de départ.

Écrivez-le comme une liste de plans : qui, ce qu’il porte, une action, un mouvement de caméra, la lumière, le son. Wan 3.0 remplit chaque vide que vous laissez, alors nommez le dernier moment voulu. En image vers vidéo, n’écrivez que le mouvement. En références vers vidéo, dites à quoi sert chaque référence, sinon elles sont moyennées en quelqu’un qui ne ressemble à aucune.

1. Deux personnes, un baiser (texte vers vidéo, 720p, 5 s). Le prompt exact du clip du drive-in.

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.

Lancer ce prompt sur Wan 3.0 →

2. Une prise de 30 secondes depuis un texte. Réglez la durée sur 30 secondes : $1.35 en 480p. La dernière phrase fixe la fin de la scène.

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.

Lancer ce prompt sur Wan 3.0 →

3. Rester sur votre image (image vers vidéo). Le clip reste dans votre pièce au lieu de couper ailleurs.

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.

Lancer ce prompt sur Wan 3.0 image vers vidéo →

4. Personnage plus décor (références vers vidéo). Deux images de référence, chacune avec un rôle nommé.

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.

Lancer ce prompt sur Wan 3.0 références vers vidéo →

Faible : « Couple in a loft, slow motion. » Wan 3.0 choisit les personnes, la pièce, la caméra et la fin. Fort : le prompt 2. Même idée, chaque choix est le vôtre.

Wan 3.0 a franchi chaque palier testé sur chaque tâche. Le 15 septembre, un prompt L5 Extrême est revenu comme écrit en entrée texte, image et références, et chaque clip a enchaîné sur une scène L4 Intense sans qu’on le demande. Le 24 septembre, nous avons passé chaque palier trois fois par tâche : de L1 Suggestif à L4 Intense et aux deux types de test L5 Extrême, chaque essai est revenu comme écrit, sans refus ni clip atténué. Le label de la page est Sans censure : nous n’ajoutons aucun filtre de contenu de notre côté. Les versions de Wan qui atténuent ou refusent des scènes sont dans notre test des versions sans censure de Wan.

Freedom Score : affiché sur la fiche de score de cette page et recalculé à chaque nouvel essai. Chaque palier a été testé sur chaque tâche, et aucun essai n’a été refusé ni atténué.

Une règle simple pour le travail sans censure : ce qui est dans l’image de départ ou le prompt, Wan 3.0 le traite comme un point de départ, pas comme une limite. Depuis des images fixes et des références, il a ajouté une personne supplémentaire à 17 clips sur les versions de Wan 3.0. Les requêtes refusées ne coûtent rien ; tout ce qui est rendu est facturé.

Pas encore testé : si une phrase de clôture comme « the scene ends here » stoppe l’escalade ; de vraies photos comme images de départ ; les scènes à deux femmes ou à deux hommes ; les styles anime.

Uniquement des adultes, dans chaque prompt, image et résultat. Aucune personne réelle et identifiable sans son consentement, et vous devez détenir les droits de chaque fichier envoyé.

Les votes à l’aveugle le placent près du sommet : dans l’arène texte vers vidéo d’Artificial Analysis, Wan 3.0 était premier des clips sans audio et deuxième avec audio le 24 septembre. Le test de Curious Refuge le jugeait proche des meilleurs modèles « pour une fraction du coût » sur les plans secondaires, mais choisissait encore Seedance pour les moments clés des personnages et la synchronisation labiale.

La frustration porte sur l’ouverture. Les utilisateurs de l’open source en veulent toujours à Alibaba d’avoir arrêté de publier les poids après Wan 2.2 : « Wan 2.2 a coupé l’herbe sous le pied de la communauté et laissé un énorme vide ». Quand MiniMax H3 est sorti en poids ouverts, un utilisateur local a « aussitôt supprimé les dossiers LTX2 et WAN ». Wan 3.0 ne tourne que via des API hébergées comme la nôtre.

Là où nos essais se recoupent, nous sommes d’accord : les longues prises coûtent peu ici, et il tient un personnage quand on lui donne des références. Nous n’avons pas testé nous-mêmes la synchronisation labiale face à Seedance.

• Le clip doit s’arrêter là où vous l’avez écrit ? Le texte vers vidéo de Wan 2.6 a rendu une scène L4 Intense exactement comme écrite le 17 septembre, sans rien ajouter. $0.45 pour 5 secondes en 720p.
• Un clip court moins cher ? MiniMax H3 a rendu chaque palier essayé, de L1 Suggestif à L5 Extrême. $0.185 pour 5 secondes en 768p, 15 secondes au plus. Notre test de H3.
• Les dialogues et la finition avant le prix ? Seedance 2.5 tient aussi 30 secondes et c’est lui que les testeurs choisissent pour la synchronisation labiale, à $1.39 les 5 secondes en 720p contre $0.45 ici. Notre test de Seedance 2.5.
• De la 2K ou de la 4K ? Wan 3.0 Pro : les trois mêmes tâches, $0.92 les 5 secondes en 4K, agrandie depuis 1080p.
• Le même modèle, plus vite ? Wan 3.0 Prime est la version rapide d’Alibaba, avec les mêmes champs, $0.31 les 5 secondes en 480p.
• Des clips sans censure depuis une image, petit budget ? Wan 2.2 Spicy, $0.095 les 5 secondes en 480p, jusqu’à 8 secondes, sans son.