alibaba/wan-3.0-prime/reference-to-videoIl reference-to-video Wan 3.0 Prime mantiene volto, abiti, luogo o voce lungo una clip usando fino a 10 immagini, 5 video e 5 file audio. Restituisce 2–30 secondi da 480p a 1080p, con video e audio di riferimento limitati a 15 secondi ciascuno.
Playground
Questi esempi sono stati scritti per questo endpoint. Sostituisci il prompt e gli URL dei media di esempio con input tuoi e raggiungibili, poi controlla il preventivo aggiornato e la disponibilità del modello prima di inviare.
- Output5 s
motion-style-copy Il clip di riferimento è una bottiglia che ruota sotto un faro, un soggetto completamente diverso — ed è proprio questo il punto: `reference_video_urls` porta solo l'orbita a mano libera della camera. `reference_image_urls` fornisce il volto e l'abito della donna in uno studio vuoto che il prompt non descrive mai. Nei `duration_seconds` pari a `5`, l'inquadratura scivola da frontale a tre quarti, mantenendo l'instabilità a mano libera del clip originale.
- 720p
- 5s
- Output2 s
same-anchor-same-voice Tre fermi immagine, una presentatrice al tavolo dello studio e due primi piani, tengono il volto e la scenografia attraverso le inquadrature; questa esecuzione ha inviato solo immagini, con l’audio spento, quindi qui niente fissa la voce. Per quello servono i riferimenti audio: l’endpoint accetta insieme fino a dieci fermi immagine, cinque clip e cinque tracce audio, e la voce è la parte che si dimentica facilmente: una presentatrice che sembra continua ma suona diversa da una ripresa all’altra resta discontinua. Il prompt deve poi descrivere solo il movimento, un avvicinamento che finisce su un’inquadratura precisa, perché l’identità è già portata dai riferimenti.
- 480p
- 3:4
- 2s
- Output5 s
moon-dune-scarf Una sola placca d'identità ripresa frontalmente su fondo studio neutro, e tutto il resto della scena – il campo di dune, la luna, il vento – scritto dal nulla. La parte difficile è il foulard: diversi metri che ondeggiano e si avvolgono sopra di lei, e che alla fine della ripresa devono essere ancora attaccati allo stesso braccio.
- 720p
- 16:9
- 5s
Questo esempio parte da $0.061 per secondo generato. Il Playground aggiorna la stima quando cambi le impostazioni.
