Wan 3.0 Pro reference-to-video utrzymuje twarz, ubiór, scenografię, ruch lub głos dzięki referencjom obrazu, wideo i audio oraz opcjonalnemu dokumentowi lub linkowi. Renderuje 2–30 sekund w 1080p, 2K lub 4K.
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.
- Wyjście8 s
same-two-three-times Dwa zdjęcia referencyjne, jedna para, trzy pory dnia w osiem sekund: rano kawa przy oknie, o zmierzchu wspólne gotowanie, w nocy jeden koc na balkonie. Sprawdzian polega na tym, czy obie twarze pozostają tymi samymi dwiema osobami przez trzy cięcia i trzy ustawienia światła.
- 1080p
- 16:9
- 8s
- Wyjście8 s
face-and-set Prompt poświęca tożsamości tylko jedno zdanie — „zachować jej twarz, włosy i czarną suknię” — a całą resztę jednej czynności: przejść od drzwi do okna i się zatrzymać. `reference_image_urls` umieszcza najpierw kobietę, potem pokój z lampą i miastem; `duration_seconds` na `8` to w całości ten przemarsz i wolny boczny jazd, który po nim następuje. `seed` `640117` przy `resolution` `1080p` utrzymuje pokój powtarzalnym.
- 640117
- 1080p
- 16:9
- Wyjście6 s
garment-hero-4k `reference_image_urls` to tutaj płaski packshot samego płaszcza, bez modelki — prompt musi wymyślić osobę, która go nosi, przy dokładnym zachowaniu „kroju, koloru i szwów”, co jest trudniejsze niż dopasowanie się do zdjęcia kogoś, kto już go ma na sobie. Przy `resolution` `4k` guziki i widoczne szwy pozostają ostre pod jedynym twardym światłem, a rąbek przy obrocie wyraźnie unosi się i rozchyla. `generate_audio` jest wyłączone, `duration_seconds` to `6`.
- 4k
- 6s
Ten przykład zaczyna się od $0.144 za sekundę wyniku. Playground przelicza szacunek po każdej zmianie ustawień.