Wan 3.0 Prime reference-to-video utrzymuje twarz, strój, miejsce lub głos w całym klipie, korzystając z maks. 10 obrazów, 5 wideo i 5 plików audio. Zwraca 2–30 sekund w 480p–1080p, a wideo i audio referencyjne mają limit 15 sekund każde.
Obszar roboczy
Te przykłady napisano specjalnie dla tego endpointu. Podmień prompt i przykładowe adresy mediów na własne, dostępne materiały, a przed wysłaniem sprawdź aktualną wycenę i dostępność modelu.
- Wyjście5 s
motion-style-copy Klip referencyjny to butelka obracająca się pod reflektorem — zupełnie inny temat, i o to właśnie chodzi: `reference_video_urls` niesie tylko orbitę kamery z ręki. `reference_image_urls` dostarcza twarz i sukienkę kobiety w pustym studiu, którego prompt w ogóle nie opisuje. Przez `duration_seconds` równe `5` kadr przesuwa się z ujęcia frontalnego na trzy czwarte, zachowując niestabilność ręcznej kamery z oryginalnego klipu.
- 720p
- 5s
- Wyjście2 s
same-anchor-same-voice Trzy kadry — prowadząca przy studyjnym stole i dwa zbliżenia — utrzymują twarz i scenografię przez kolejne ujęcia; w tym przebiegu wysłano same obrazy, z wyłączonym dźwiękiem, więc nic tu nie utrwala głosu. Do tego służą referencje dźwiękowe: endpoint przyjmuje razem do dziesięciu kadrów, pięciu klipów i pięciu ścieżek dźwiękowych, a głos to ta część, o której łatwo zapomnieć: prowadząca, która wygląda na ciągłą, ale brzmi między ujęciami inaczej, i tak jest nieciągła. Promptowi zostaje wtedy opisanie samego ruchu — najazdu kończącego się na konkretnym kadrowaniu — bo tożsamość niosą już referencje.
- 480p
- 3:4
- 2s
- Wyjście5 s
moon-dune-scarf Jedna plansza tożsamości sfotografowana płasko na zwykłym studyjnym tle, a cała reszta sceny – pole wydm, księżyc, wiatr – napisana od zera. Najtrudniejszy jest szal: kilka metrów materiału wijącego się nad nią, które na końcu ujęcia wciąż muszą być przyczepione do tego samego ramienia.
- 720p
- 16:9
- 5s
Ten przykład zaczyna się od $0.061 za sekundę wyniku. Playground przelicza szacunek po każdej zmianie ustawień.