Recenzja Wan 3.0: bez cenzury na każdym poziomie, i dalej

Klipów z naszej skali tu nie pokazujemy, podajemy tylko wyniki. Nasze pierwsze przebiegi bez cenzury, 15 września, były celowo krótkie: 2 sekundy w 480p, audio i przepisywanie promptu wyłączone, jeden prompt poziomu L5 Ekstremalny na zadanie. Każdy klip trzymał w kadrze każdy element tego promptu od pierwszej do ostatniej klatki, a potem każdy sam przeszedł do sceny poziomu L4 Intensywny. Obraz na wideo otworzył się dokładnie na naszym kadrze startowym, a referencje na wideo zachowały kobietę z naszych obrazów referencyjnych.

W galerii są opublikowane, bezpieczne do pracy przykłady ze strony modelu Wan 3.0, codzienny rejestr, od którego zaczyna większość ludzi:

Dwoje ludzi, jeden pocałunek. Dwie kobiety w otwartej klapie kombi w kinie samochodowym, na nogach kraciasty koc: po jednym stroju, jedna czynność i pocałunek na końcu, tak jak napisano.

Kadr zostaje kadrem. W klipie z obrotem przy oknie wgrany obraz staje się nietkniętą pierwszą klatką; prompt dodaje tylko obrót w stronę kamery.

Głos z jednego pliku audio. Klip z monologiem bierze twarz i strój z jednego obrazu referencyjnego, a głos z jednego referencyjnego klipu audio.

Produkt, który wraca na miejsce. Z tym samym obrazem jako pierwszą i ostatnią klatką butelka obraca się o ćwierć obrotu i ląduje z powrotem pod początkowym kątem.

Pisz jak listę ujęć: kto, w co ubrany, jedna czynność, jeden ruch kamery, światło, dźwięk. Wan 3.0 wypełnia każdą lukę, którą zostawisz, więc nazwij ostatni moment, jakiego chcesz. W obrazie na wideo pisz tylko ruch. W referencjach na wideo powiedz, do czego służy każda referencja, inaczej uśrednią się w kogoś, kto nie przypomina żadnej.

1. Dwoje ludzi, jeden pocałunek (tekst na wideo, 720p, 5 s). Dokładny prompt klipu z kina samochodowego.

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.

Uruchom ten prompt w Wan 3.0 →

2. 30-sekundowe ujęcie z tekstu. Ustaw długość na 30 sekund: $1.35 w 480p. Ostatnie zdanie mówi, gdzie scena się kończy.

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.

Uruchom ten prompt w Wan 3.0 →

3. Zostań przy swoim kadrze (obraz na wideo). Klip zostaje w twoim pokoju, zamiast przeskakiwać gdzie indziej.

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.

Uruchom ten prompt w obrazie na wideo Wan 3.0 →

4. Postać plus miejsce (referencje na wideo). Dwa obrazy referencyjne, każdy z nazwaną rolą.

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.

Uruchom ten prompt w referencjach na wideo Wan 3.0 →

Słabo: „Couple in a loft, slow motion.” Ludzi, pokój, kamerę i zakończenie wybiera Wan 3.0. Mocno: prompt 2. Ten sam pomysł, każda decyzja twoja.

Wan 3.0 zaliczył każdy sprawdzany poziom w każdym zadaniu. 15 września prompt poziomu L5 Ekstremalny wrócił zgodnie z opisem z tekstu, obrazu i referencji, a każdy klip bez proszenia przeszedł do sceny poziomu L4 Intensywny. 24 września puściliśmy każdy poziom trzy razy na zadanie: od L1 Sugestywny po L4 Intensywny i oba typy testu L5 Ekstremalny każdy przebieg wrócił zgodnie z opisem, bez odmowy ani złagodzonego klipu. Etykieta strony to Bez cenzury: nie dokładamy żadnego własnego filtra treści. Wersje Wan, które łagodzą albo odrzucają sceny, opisujemy w naszym teście wersji Wan bez cenzury.

Freedom Score: jest na karcie wyników tej strony i przeliczamy go przy każdym nowym przebiegu. Każdy poziom sprawdzono w każdym zadaniu i żaden przebieg nie został odrzucony ani złagodzony.

Prosta zasada przy pracy bez cenzury: to, co jest w klatce startowej albo w prompcie, Wan 3.0 traktuje jako punkt wyjścia, a nie granicę. Z kadrów i referencji dołożył dodatkową osobę do 17 klipów w różnych wersjach Wan 3.0. Odrzucone zapytania nic nie kosztują; wszystko, co się wygeneruje, jest płatne.

Jeszcze nie testowaliśmy: czy zdanie zamykające w rodzaju „the scene ends here” zatrzymuje eskalację; prawdziwych zdjęć jako klatek startowych; scen z dwiema kobietami lub dwoma mężczyznami; stylu anime.

Tylko dorośli, w każdym prompcie, kadrze i wyniku. Żadnych prawdziwych, rozpoznawalnych osób bez ich zgody, a do każdego wgrywanego pliku musisz mieć prawa.

Głosowania na ślepo stawiają go blisko szczytu: na arenie tekst na wideo Artificial Analysis Wan 3.0 był 24 września pierwszy wśród klipów bez dźwięku i drugi z dźwiękiem. Recenzja Curious Refuge uznała go za bliskiego czołowym modelom „za ułamek kosztów” przy ujęciach pomocniczych, ale do kluczowych momentów postaci i synchronizacji ust nadal wybrała Seedance.

Frustracja dotyczy otwartości. Użytkownicy open source wciąż mają żal do Alibaby, że po Wan 2.2 przestała publikować wagi: „Wan 2.2 wyciągnął dywan spod nóg i zostawił społeczności ogromną dziurę”. Gdy MiniMax H3 wyszedł z otwartymi wagami, jeden lokalny użytkownik „od razu skasował foldery z LTX2 i WAN”. Wan 3.0 działa tylko przez hostowane API, takie jak nasze.

Tam, gdzie nasze przebiegi się pokrywają, zgadzamy się: długie ujęcia są tu tanie, a z referencjami model trzyma postać. Synchronizacji ust w porównaniu z Seedance sami nie testowaliśmy.

• Klip ma się zatrzymać tam, gdzie napisałeś? Tekst na wideo w Wan 2.6 17 września oddał scenę poziomu L4 Intensywny dokładnie tak, jak napisano, i niczego nie dołożył. $0.45 za 5 sekund w 720p.
• Tańszy krótki klip? MiniMax H3 oddał każdy poziom, który próbowaliśmy, od L1 Sugestywny po L5 Ekstremalny. $0.185 za 5 sekund w 768p, maksymalnie 15 sekund. Nasza recenzja H3.
• Dialog i szlif ważniejsze niż cena? Seedance 2.5 też robi 30 sekund i to jego recenzenci wybierają do synchronizacji ust, za $1.39 za 5 sekund w 720p wobec $0.45 tutaj. Nasza recenzja Seedance 2.5.
• 2K albo 4K? Wan 3.0 Pro: te same trzy zadania, $0.92 za 5 sekund w 4K, powiększone z 1080p.
• Ten sam model, szybciej? Wan 3.0 Prime to szybka wersja Alibaby z tymi samymi polami, $0.31 za 5 sekund w 480p.
• Klipy bez cenzury z kadru przy małym budżecie? Wan 2.2 Spicy, $0.095 za 5 sekund w 480p, do 8 sekund, bez dźwięku.