Wan 3.0 (Wan AI)

Wan 3.0 oder Wan 3.0 Prime

Die API-Referenz von Alibaba führt zwei Versionen desselben Modells auf: Wan 3.0, die Standardversion, und Wan 3.0 Prime, eine schnelle Version mit denselben Fähigkeiten wie die Standardversion und einer deutlich kürzeren Wartezeit bis zum fertigen Clip. Prompts funktionieren bei beiden gleich, alles Folgende gilt also für beide. In Endless kostet Wan 3.0 pro Sekunde weniger und braucht länger. Wähl es für Entwürfe, Stapel und lange Einstellungen, bei denen die Wartezeit keine Rolle spielt, und Prime, wenn du den Clip schnell brauchst. Wan 3.0 nimmt hier ein Referenzvideo an, Prime bis zu fünf.

Wie Wan 3.0 einen Prompt liest

Laut dem Wan-3.0-Prompt-Leitfaden von Alibaba genügt ein einziger Satz für ein Video, und eine ausführlichere Beschreibung bringt dich näher an das, was du dir vorstellst. Für mehr Kontrolle gibt er eine Formel vor. Füll nur die Teile aus, die dir wichtig sind:

[Gesamtbeschreibung: Thema, Länge, Tempo, Stimmung]
[Referenzen: Image N / Video N / Audio N und wofür jede dient]
[Shot N (Start-Ende): Motiv + Szene + Bewegung + Kamera und Objektiv]
[Dialog: wer sagt: „Zeile“]
[Soundeffekte und Musik]
[Stil und Stimmung]
[Negativliste: was nicht erscheinen darf]

Schreib alles als einen Absatz und beginne mit der Gesamtbeschreibung, damit das Modell Länge, Tempo und Stimmung kennt, bevor die Details kommen.

Referenzen angeben

Jeder Dateityp wird einzeln durchnummeriert, in der Reihenfolge, in der du die Dateien anhängst: Image 1, Image 2 usw. für Bilder, Video 1 für den Clip, Audio 1 bis Audio 5 für Audio. Schreib die Bezeichnungen so, wie Alibaba sie dokumentiert, auf Englisch. Alibaba warnt, dass die Nummern der Upload-Reihenfolge folgen müssen, sonst greift das Modell zur falschen Datei. Gib jeder Referenz im Prompt genau eine Aufgabe:

• Aussehen: „Die Frau aus Image 1 steht in der Küche aus Image 2.“
• Nur die Aktion: „Ersetze die Läuferin in Video 1 durch den Mann aus Image 1 und lass Laufbewegung und Strecke unverändert.“
• Nur die Kamerabewegung: „Orientiere dich an der Kamerabewegung von Video 1 und ändere die Szene zu …“
• Nur der Stil: „Orientiere dich nur an Farbton und Beleuchtung von Image 2, nicht an den Figuren.“
• Rhythmus: Choreografiere einen Tanz zum Beat von Audio 1.

Ein Bild kann auch ein Storyboard sein. Alibaba empfiehlt, dazu zu sagen, dass es nur als Shot-Vorlage dient und kein Bild zum Animieren ist, und die Panels dann in Leserichtung zu beschreiben.

Damit das Video mit einem Bild beginnt, hänge es allein an und aktiviere „Erstes Frame“. Verwende den Prompt dann dafür, was als Nächstes passiert, statt das Bild zu beschreiben. Bei jedem anderen Anhang wird das Bild als Referenz behandelt.

Shots und Timing

Für mehrere Shots nummerierst du sie und gibst jedem einen Zeitbereich: „Shot 1 [0-3s] … Shot 2 [3-6s] …“. Der Leitfaden empfiehlt 2 bis 5 Sekunden pro Shot, Bereiche, die lückenlos aneinander anschließen, und im ganzen Prompt dieselbe Klammerschreibweise. Beende einen Shot mit „harter Schnitt“ oder „Überblendung“, um den Übergang zu wählen. „Eine einzige durchgehende Einstellung“ verlangt eine Plansequenz, und „Feste Einstellung, Kamera statisch“ fixiert die Kamera. Einfache Kamerabegriffe (Fahrt nach vorn, Fahrt zurück, Orbit, Handkamera folgt) funktionieren ebenso wie Objektivangaben („85 mm, geringe Schärfentiefe“). Bei bis zu 30 Sekunden pro Clip muss in einer langen Einstellung in jedem Abschnitt etwas passieren, plane die Beats also mit Zeitstempeln.

Dialog und Ton

Schreib jede Zeile als Sprecher, Verb, Doppelpunkt und die Worte in Anführungszeichen: Der Trainer sagt scharf: „Noch mal von vorn.“ Auch eine Referenz kann sprechen: Image 1 sagt: „…“ Image 2 antwortet: „…“. Damit eine Figur die Stimme aus deinem Audio bekommt, schreib einmal „Die Stimmfarbe orientiert sich an Audio 1“. Ergänze „Lippensynchron“, wenn der Mund zu den Worten passen soll, und „Kein Dialog“, wenn die Figuren schweigen sollen.

Alibaba weist darauf hin, dass klar beschriebene Aktionen und Materialien, etwa Regen auf einem Blechdach oder Stiefel auf Kies, ihren passenden Ton auch ohne Aufforderung bekommen. Nenne bestimmte Effekte in eigenen Sätzen. Bei Musik lässt du sie weg, wenn das Modell wählen soll, beschreibst sie („eine langsame Cellolinie“) oder schreibst „Keine Hintergrundmusik“.

Clip bearbeiten und verlängern

Dein Referenzvideo kann auch der Clip sein, den du veränderst. Alibabas Muster lautet „Bearbeite das Video: Ändere X in Video 1 zu Y, lass den Rest des Bildes unverändert“, eine Änderung pro Durchlauf. Das funktioniert für Objekte, Kleidung, Wetter, Beleuchtung und Stil. Um einen Clip fortzusetzen, schreib „Verlängere Video 1 um 6s“, beschreibe, was als Nächstes passiert, und wiederhole Ort und Kleidung der Figuren, damit sie gleich bleiben. In Endless darf das Referenzvideo bis zu 15 Sekunden lang sein und muss mit mindestens 16 fps laufen.

Einstellungen, auf die es ankommt

• Dauer: 2 bis 30 Sekunden. Schreib bei langen Clips Shots mit Zeitangaben.
• Auflösung: 480p, 720p oder 1080p. Jede Stufe verdoppelt den Preis pro Sekunde, teste also in 480p und rendere die finale Version in 1080p.
• Seitenverhältnis: 16:9, 4:3, 1:1, 3:4 oder 9:16. Mit erstem Frame folgt das Video der Form des Bildes.
• Audio generieren: standardmäßig an. Schalte es aus, wenn du den Ton später ergänzt.
• Referenzaudio: bis zu 5 Clips, insgesamt 15 Sekunden.

Typische Fehler

• Figuren tauschen Merkmale. Verknüpfe jede Person einmal mit ihrer Image-Nummer und bezeichne sie danach immer gleich.
• Zusätzliche Personen, Texte oder Wasserzeichen tauchen auf. Schließe mit einer kurzen Negativliste, die nur enthält, was du vermeiden willst.
• Die falsche Datei wird verwendet. Prüfe, ob die Nummern im Prompt der Reihenfolge entsprechen, in der du die Dateien angehängt hast.