Wan 3.0 text-to-video od Alibaba zamienia prompt w 2–30 sekund z zsynchronizowanym dźwiękiem, bez obrazu źródłowego. Renderuje w 480p, 720p lub 1080p w pięciu proporcjach, a cała rodzina jest bez cenzury.
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
dune-storm-emerald-gown Bez obrazu źródłowego: wydma, ściana burzy i kobieta wychodzą ze zdania. Tekst poświęca swoją długość skali i jednemu gestowi – ujęciu z lotu ptaka, które łukiem zjeżdża aż do jej twarzy, sukni powiewającej na wietrze, spojrzeniu przez ramię i opuszkowi palca przy dolnej wardze – a do tego wymienia trzy dźwięki, żeby wiatr, piasek i grzmot powstały razem z obrazem. `duration_seconds` `5` przy `720p`, `16:9`.
- 720p
- 16:9
- audio
- Wyjście5 s
first-person-bedside Klip, od którego zaczyna się ta strona. Kamera to oczy widza, więc w pokoju nie ma trzeciej osoby i nigdzie nie ma cięcia — a dźwięk przychodzi w tym samym pliku: igła w rowku wybiegowym, deszcz o szybę, cichy śmiech tuż przy mikrofonie.
- 720p
- 16:9
- audio
- Wyjście5 s
armoury-lacing Scenografia historyczna niesiona wyłącznie przez światło ognia w kadrze i najwyraźniejszy na tej stronie przykład wpisywania dźwięku w to samo żądanie: skórzana rękawica uderzająca o drewno, skrzypiące sznurowanie, trzaskająca pochodnia. Kadr też jest podany – od bioder w górę, trzy czwarte z dołu – bo plan ogólny wyrzuciłby to wszystko.
- 720p
- 16:9
- audio
- Wyjście5 s
drive-in-tailgate Jedyna scena we dwoje na tej stronie. Jest tu dlatego, że opis przechodzi bez zmian – ten sam brief bywa odrzucany przez filtry treści w wielu innych modelach – oraz dlatego, że całe światło daje snop z projektora, i to właśnie utrzymuje ją jako kadr filmowy, a nie oświetlony plan.
- 720p
- 16:9
- audio
Ten przykład zaczyna się od $0.045 za sekundę wyniku. Playground przelicza szacunek po każdej zmianie ustawień.