Wan 3.0 · Un modello video, tre modi per entrarci
Il Tongyi Wanxiang Wan 3.0 di Alibaba, su OVOV. Parti da un prompt, da un primo e un ultimo frame o da un prompt sostenuto dalle tue immagini, video e audio di riferimento — in 480P, 720P o 1080P, da 5 a 30 secondi, con colonna sonora nativa.
Esempi di video IA su OVOV
Generazioni reali dei nostri modelli video — Veo 3.1, Kling e Seedance. Passa il mouse su un clip per riprodurlo, clicca sull'icona dell'altoparlante per sentire l'audio.
Passa il mouse per riprodurre · Clicca sull'altoparlante per attivare l'audio
Esempi di video IA su OVOV
Generazioni reali dei nostri modelli video — Veo 3.1, Kling e Seedance. Passa il mouse su un clip per riprodurlo, clicca sull'icona dell'altoparlante per sentire l'audio.
Mondo alieno fantastico
Pubblicità profumo di lusso
Teaser di lancio prodotto
Spot viaggio Maldive
Duello wuxia orientale
Scena di film di corse
Astronave verso le stelle
Golden Retriever e farfalle
Chef di sushi all'opera
Vestito rosso sulla scogliera
Duello di mezzanotte
Vlog selfie con telecamera a mano
Primo piano di cibo irresistibile
Street dance urbano
Pubblicità rossetto di lusso
Perché vale la pena dare un'occhiata a Wan 3.0
Un solo modello che accetta testo, keyframe o il tuo materiale, renderizza fino a 1080P, arriva a mezzo minuto e scrive la propria colonna sonora mentre lavora.
Riferimenti multimodali
Nel testo-in-video puoi allegare fino a 10 immagini di riferimento, fino a 5 video di riferimento (15 secondi in totale) e fino a 5 tracce audio di riferimento (15 secondi in totale). Wan 3.0 ricava personaggio, stile, movimento e tono dal tuo materiale invece di tirare a indovinare.
Controllo primo e ultimo frame
Dagli un'immagine di partenza e, se vuoi, una di arrivo: Wan 3.0 renderizza il movimento tra le due. La via più diretta a reveal di prodotto, trasformazioni e archi prima-dopo.
480P, 720P e 1080P
Tre livelli di risoluzione, incluso un vero output 1080P. Abbozza l'idea in 480P per pochi crediti, poi renderizza in 1080P la versione che consegni davvero.
Da 5 a 30 secondi
Sei durate fisse: 5, 10, 15, 20, 25 o 30 secondi. Un test da cinque secondi costa spiccioli; uno spot completo da 30 secondi sta dentro una sola generazione.
Audio nativo, attivo di default
Wan 3.0 scrive ambiente, effetti e suoni sincronizzati al movimento insieme all'immagine. L'interruttore è tuo, e spegnere l'audio non cambia il prezzo.
Cinque rapporti d'aspetto, con prezzo al secondo
16:9, 9:16, 1:1, 4:3 e 3:4. I crediti si contano al secondo — 3 in 480P, 6 in 720P, 12 in 1080P — e una generazione fallita viene rimborsata per intero.
Dal prompt, dai keyframe o dal tuo materiale al clip finito
Scegli l'ingresso che corrisponde a ciò che hai già. Wan 3.0 gestisce immagine e suono nello stesso passaggio, quindi dopo non c'è nulla da montare.
Scegli il tuo modo di entrare
Scrivi solo un prompt, carica un primo frame (e volendo un ultimo) oppure allega immagini, video e audio di riferimento accanto al tuo prompt. Poi imposta durata, rapporto d'aspetto e risoluzione.
Wan 3.0 renderizza immagine e suono
Il modello pianifica movimento, luce e ritmo lungo tutta la durata, poi renderizza il video con la traccia audio corrispondente. La maggior parte dei lavori arriva in uno-cinque minuti; i clip più lunghi richiedono più tempo.
Scarica e usa
Prendi il video finito con l'audio già integrato — senza filigrana e con diritti commerciali inclusi. Se una generazione fallisce, i tuoi crediti tornano subito indietro.
Per cosa è bravo Wan 3.0
Tre modalità di ingresso e un livello 1080P coprono molto terreno: pubblicità finite, tagli verticali per i social, lavoro di continuità costruito sul tuo materiale e lunghi film d'atmosfera.
Spot di prodotto e brand in 1080P
Uno spot da 30 secondi in full HD, renderizzato in un solo passaggio. Impostazione, dimostrazione, beneficio e chiusura stanno dentro una sola generazione, suono compreso.
- Output 1080P per pre-roll, landing page e consegna al cliente
- 16:9 per il widescreen, 4:3 per l'inquadratura broadcast classica
- Suoni di prodotto e ambiente generati insieme all'immagine
Short verticali per i social
TikTok, Reels e Shorts in 9:16, dall'hook di 5 secondi alla storia da 30. L'audio arriva già attaccato, quindi non serve nessun passaggio successivo per la colonna sonora.
- 9:16 verticale, oppure 1:1 per i post quadrati nel feed
- Fai le bozze in 480P a 3 crediti al secondo, pubblica in 720P o 1080P
- Audio nativo al posto di una traccia musicale su licenza
Coerenza lungo tutta una serie
Allega le stesse immagini, gli stessi video e lo stesso audio di riferimento a ogni generazione: personaggio, prodotto e tono passano da un clip all'altro invece di andare alla deriva.
- Fino a 10 immagini di riferimento per tenere fermi personaggio e stile
- Fino a 5 video di riferimento per movimento e lavoro di camera
- Fino a 5 tracce audio di riferimento per tenere il suono in famiglia
Film di viaggio e d'atmosfera
Carrellate aeree, strade costiere e passeggiate a livello strada che hanno bisogno di tempo per respirare — più il vento, l'acqua e il suono della città che vendono il luogo.
- Lunghi movimenti di camera fluttuanti che richiedono tutti i 30 secondi
- Audio ambientale renderizzato insieme alle immagini
- 1080P per i video hero in cima alla pagina
Guida alla scrittura dei prompt per Wan 3.0
Wan 3.0 accetta prompt fino a 20.000 caratteri, molto più spazio di quanto serva alla maggior parte dei clip. Queste abitudini spendono quello spazio sulle cose su cui il modello agisce davvero.
Nomina il tuo materiale, poi descrivi l'inquadratura finita
Scegli la modalità di ingresso prima di scrivere
Le tre modalità vogliono prompt diversi. Il testo-in-video deve reggere l'intera scena con le parole. Il primo-e-ultimo-frame ha già la composizione, quindi il prompt parla del movimento. La modalità riferimento riguarda cosa prendere in prestito dal materiale che hai allegato.
- •Solo testo: descrivi ambientazione, soggetto, camera e suono da zero
- •Primo e ultimo frame: descrivi il movimento tra i due, non i frame in sé
- •Riferimenti (allegati nel testo-in-video): di' cosa apporta ciascun elemento — volto, abbigliamento, movimento di camera, tono
Esempio
"First frame: a sealed cardboard box on a table. Last frame: the box open with a camera inside. Prompt: "hands lift the flaps in one smooth motion, soft window light"."
Richiama i tuoi riferimenti per numero
In modalità riferimento puoi indicare il materiale in modo diretto — immagine 1, video 1, audio 1 — così il modello sa quale elemento governa quale parte dell'inquadratura invece di mescolare tutto insieme.
- •Fino a 10 immagini di riferimento, 5 video di riferimento e 5 tracce audio di riferimento
- •Il video di riferimento somma 15 secondi in totale; l'audio di riferimento somma 15 secondi in totale
- •Dai un solo compito a ogni elemento: l'identità da un'immagine, il movimento di camera da un video
Esempio
"Keep the woman from image 1 and the jacket from image 2, follow the slow dolly-in of video 1, and match the room tone of audio 1."
Pianifica l'arco sulla durata che hai scelto
Trenta secondi sono un sacco di tempo su schermo. Scrivi la progressione nell'ordine in cui deve accadere, altrimenti il modello terrà una sola idea per mezzo minuto.
- •Apri con l'ambientazione, porta dentro il soggetto, poi il movimento
- •Nomina ciò che cambia nel tempo: luce, meteo, distanza, velocità
- •Le durate brevi (5-10s) si prestano a un'unica azione continua
Esempio
"The room starts dim and empty, morning light climbs the far wall, dust drifts through the beam, and the camera slowly settles on a cup of coffee going cold."
Scrivi il suono, non solo l'immagine
L'audio viene generato di default, quindi tutto ciò che non dici viene inventato per te. Una o due righe di regia sonora bastano di solito a tenerlo in carattere.
- •Nomina l'ambiente: pioggia sul vetro, traffico lontano, suono della stanza
- •Nomina i suoni che accompagnano il movimento: passi, motore, vento
- •Chiedere silenzio è una regia legittima — dillo se lo vuoi essenziale
- •Allega audio di riferimento se hai già in mente un tono
Esempio
"Sound: steady rain on a tin roof, an occasional low roll of thunder in the distance, no music."
Scambia le parole di lode con fatti visivi
Stupendo, epico e cinematografico non dicono nulla al modello. Materiali, colori, direzione della luce e verbi forti sì.
- •Lascia perdere: stupendo, epico, mozzafiato, splendido, capolavoro
- •Usa verbi con forza: sbatte, scivola, si incendia, sferza
- •Nomina la fonte di luce e l'ora del giorno
Esempio
"Avoid: "a stunning epic mountain shot". Prefer: "granite ridges under low side light, snow spilling off the crest in a thin plume"."
Scegli durata, rapporto e risoluzione fin dall'inizio
Wan 3.0 offre 5, 10, 15, 20, 25 e 30 secondi, cinque rapporti d'aspetto e tre risoluzioni. Decidere prima di generare fa risparmiare crediti e mantiene giusta la composizione.
- •16:9 e 4:3 per l'orizzontale, 9:16 e 3:4 per il verticale, 1:1 per i feed
- •Fai le bozze in 480P (3 crediti al secondo), rifinisci in 720P (6) o 1080P (12)
- •Scrivi per l'inquadratura che hai scelto — il verticale vuole il soggetto vicino e centrato
- •La durata è fissa a 5, 10, 15, 20, 25 o 30 secondi — arrotonda il tuo storyboard a una di queste
Esempio
"A 15-second 9:16 vertical clip: a barista pulling an espresso shot, steam rising into warm café light, shallow depth of field."