Review do Wan 3.0: cada nível sem censura, e vai além

Não mostramos aqui os clipes da nossa escala, só os resultados. Nossas primeiras execuções sem censura, em 15 de setembro, foram curtas de propósito: 2 segundos em 480p, áudio e reescrita do prompt desligados, um prompt de L5 Extremo por tarefa. Cada clipe manteve na tela cada elemento desse prompt do primeiro ao último quadro, e cada um passou sozinho para uma cena de L4 Intenso. Imagem para vídeo abriu exatamente na nossa imagem inicial, e referências para vídeo manteve a mulher das nossas imagens de referência.

A galeria traz exemplos publicados e seguros para o trabalho da página do modelo Wan 3.0, o registro do dia a dia por onde a maioria começa:

Duas pessoas, um beijo. Duas mulheres na tampa traseira aberta de uma perua num drive-in, uma manta xadrez sobre as pernas: uma roupa cada uma, uma ação, e o beijo chega no final como escrito.

A imagem continua a imagem. No clipe da virada na janela, a imagem enviada vira o primeiro quadro sem retoque; o prompt só acrescenta o giro para a câmera.

Uma voz tirada de um arquivo de áudio. O clipe do monólogo pega o rosto e o figurino de uma imagem de referência e a voz de um clipe de áudio de referência.

Um produto que volta à marca. Com a mesma imagem como primeiro e último quadro, o frasco gira um quarto de volta e para de novo no ângulo inicial.

Escreva como uma lista de planos: quem, o que veste, uma ação, um movimento de câmera, luz, som. O Wan 3.0 preenche cada lacuna que você deixa, então diga qual é o último momento que você quer. Em imagem para vídeo, escreva só o movimento. Em referências para vídeo, diga para que serve cada referência, senão elas viram uma média de alguém que não se parece com nenhuma.

1. Duas pessoas, um beijo (texto para vídeo, 720p, 5 s). O prompt exato do clipe do drive-in.

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.

Rodar este prompt no Wan 3.0 →

2. Uma tomada de 30 segundos a partir de texto. Defina a duração em 30 segundos: $1.35 em 480p. A última frase diz onde a cena termina.

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.

Rodar este prompt no Wan 3.0 →

3. Fique na sua imagem (imagem para vídeo). Mantém o clipe no seu quarto em vez de cortar para outro lugar.

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.

Rodar este prompt no imagem para vídeo do Wan 3.0 →

4. Personagem mais lugar (referências para vídeo). Duas imagens de referência, cada uma com uma função nomeada.

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.

Rodar este prompt no referências para vídeo do Wan 3.0 →

Fraco: «Couple in a loft, slow motion.» O Wan 3.0 escolhe as pessoas, o quarto, a câmera e o final. Forte: o prompt 2. A mesma ideia, cada escolha feita por você.

O Wan 3.0 passou em cada nível que rodamos em cada tarefa. Em 15 de setembro, um prompt de L5 Extremo voltou como escrito com entrada de texto, imagem e referências, e cada clipe seguiu para uma cena de L4 Intenso sem que pedíssemos. Em 24 de setembro rodamos cada nível três vezes por tarefa: do L1 Sugestivo ao L4 Intenso e aos dois tipos de teste de L5 Extremo, cada execução voltou como escrita, sem uma recusa ou clipe suavizado. O rótulo da página é Sem censura: não adicionamos nenhum filtro de conteúdo do nosso lado. As versões do Wan que suavizam ou recusam cenas estão no nosso teste das versões sem censura do Wan.

Freedom Score: aparece no cartão de nota desta página e é recalculado a cada nova execução. Cada nível rodou em cada tarefa, e nenhuma execução foi recusada ou suavizada.

Uma regra simples para trabalho sem censura: o que está no quadro inicial ou no prompt, o Wan 3.0 trata como ponto de partida, não como limite. A partir de imagens e referências, ele acrescentou uma pessoa a mais em 17 clipes das versões do Wan 3.0. Pedidos recusados não custam nada; tudo o que é gerado é cobrado.

Ainda não testado: se uma frase de fechamento como «the scene ends here» segura a escalada; fotos reais como quadros iniciais; cenas com duas mulheres ou dois homens; estilos anime.

Só adultos, em cada prompt, imagem e resultado. Nenhuma pessoa real e identificável sem consentimento, e você precisa dos direitos de cada arquivo que enviar.

As votações às cegas o colocam perto do topo: na arena de texto para vídeo da Artificial Analysis, o Wan 3.0 estava em primeiro entre os clipes sem áudio e em segundo com áudio em 24 de setembro. A review da Curious Refuge o achou perto dos modelos de ponta «por uma fração do custo» em planos de apoio, mas ainda escolheu o Seedance para os momentos-chave de personagem e para a sincronia labial.

A frustração é com a abertura. Usuários de código aberto ainda se ressentem da Alibaba por ter parado de publicar pesos depois do Wan 2.2: «O Wan 2.2 puxou o tapete e deixou um buraco enorme para a comunidade». Quando o MiniMax H3 saiu com pesos abertos, um usuário local «apagou na hora as pastas do LTX2 e do WAN». O Wan 3.0 só roda por APIs hospedadas como a nossa.

Onde nossos testes se cruzam, concordamos: tomadas longas saem baratas aqui, e ele segura um personagem quando você dá referências. A sincronia labial contra o Seedance não testamos nós mesmos.

• O clipe precisa parar onde você escreveu? O texto para vídeo do Wan 2.6 gerou uma cena de L4 Intenso exatamente como escrita em 17 de setembro e não acrescentou nada. $0.45 por 5 segundos em 720p.
• Um clipe curto mais barato? O MiniMax H3 gerou cada nível que tentamos, do L1 Sugestivo ao L5 Extremo. $0.185 por 5 segundos em 768p, no máximo 15 segundos. Nossa review do H3.
• Diálogo e acabamento acima do preço? O Seedance 2.5 também faz 30 segundos e é o que os revisores escolhem para sincronia labial, a $1.39 por 5 segundos em 720p contra $0.45 aqui. Nossa review do Seedance 2.5.
• 2K ou 4K? Wan 3.0 Pro: as mesmas três tarefas, $0.92 por 5 segundos em 4K, ampliado de 1080p.
• O mesmo modelo, mais rápido? O Wan 3.0 Prime é a versão rápida da Alibaba, com os mesmos campos, $0.31 por 5 segundos em 480p.
• Clipes sem censura a partir de uma imagem, com pouco orçamento? Wan 2.2 Spicy, $0.095 por 5 segundos em 480p, até 8 segundos, sem som.