Обновлено
Wan 3.0: нейросеть Alibaba для видео до 30 секунд со звуком
Wan — модель генерации видео от Alibaba. В версии 3.0 это одна модель на все задачи: снять ролик по тексту, оживить кадр, собрать сцену из ваших фото и видео, поправить или продлить готовый ролик. Ролики — до тридцати секунд, а реплики, звуки и музыка генерируются вместе с картинкой. Все видео на этой странице сняты самой Wan 3.0 в Twelver.
Ниже — сама модель, а не скриншоты. Опишите ролик или загрузите кадр: ответ придёт прямо на эту страницу, регистрация для первой попытки не нужна.
Что вы сейчас пробуете
Это не демо-режим: запрос уходит в ту же модель, что и в основном чате. Разница только в том, что здесь диалог заканчивается после первого ответа — продолжить можно в чате, и ролик переедет туда вместе с вами. Задача считается от двух до пяти минут — это нормально, страницу закрывать не нужно.
Несколько планов одним запросом
Wan 3.0 понимает раскадровку: в запросе можно расписать ролик по секундам, и модель смонтирует планы сама, со сменой крупности и звуком под каждый. Этот ролик снят по одному текстовому запросу, без исходных кадров и без монтажа.
Как писать раскадровку
Каждый план — отдельный отрезок с таймкодом, внутри: что в кадре, как движется камера и что звучит. Реплику героя пишите в кавычках — модель её озвучит. Отдельный план лучше держать в пределах четырёх– шести секунд: так модель успевает показать действие целиком.
Кадр в видео: продолжение без шва
В режиме «кадр в видео» картинка становится первым кадром ролика — точно такой, как вы её дали. Это удобно для длинных историй: последний кадр одного ролика становится первым кадром следующего, и склейка между ними не видна. Ролик ниже начинается ровно там, где закончился предыдущий.
Можно дать и последний кадр — тогда модель сама придумает движение между двумя картинками. Формат ролика в этом режиме берётся из кадра.
Референсы: товар остаётся товаром
Wan 3.0 принимает больше референсов, чем любой другой движок здесь: до десяти изображений, до пяти видео и до пяти аудио за раз. Изображения держат героев, товары и стиль, видео — движение камеры или хореографию, аудио — тембр голоса или ритм музыки. Этот ролик собран по одной фотографии флакона: форма и надпись на этикетке остались как на снимке.
Референсы нужно называть и описывать
В запросе на них ссылаются как Image 1, Video 1, Audio 1 — каждый тип нумеруется отдельно, в порядке загрузки — и описывают словами: «женщина в красном платье с Image 1 берёт флакон с Image 2».
Аудио-референс задаёт голос, а не слова: реплику пишите в запросе и указывайте, чьим голосом её сказать, — «Image 1 говорит голосом Audio 1: „…“».
Правка и продление готового видео
Своё видео можно переделать словами: убрать или добавить объект, заменить одежду, сменить стиль или свет, поменять реплику героя. То, что вы не просили менять, остаётся как было. Слева — исходник, справа — тот же ролик после правки.
Продление добавляет к ролику новые секунды — после конца или перед началом. Ролик ниже — те же пять секунд, к которым Wan дописала ещё пять: камера отъезжает и показывает всю стойку.
Как считается правка и продление
Исходник оплачивается вместе с результатом. Правка 5-секундного ролика стоит как 10 секунд. Продление возвращает исходник целиком плюс новую часть, поэтому добавить 5 секунд к 5-секундному ролику — это 15 оплаченных секунд.
Потолок — 30 секунд на вход и выход вместе, а исходник — не длиннее 15 секунд. Короткий клип продлевается дальше: пятисекундный — ещё на двадцать секунд, десятисекундный — на десять.
Куда продлевать, пишите словами: «после последнего кадра» или «перед первым кадром».
Четыре режима
| Режим | Что подаётся на вход | Когда нужен |
|---|---|---|
| Видео по тексту | Только описание | Кадра нет, есть идея. Раскадровка по таймкодам, пропорции задаются вручную. |
| Кадр в видео | Первый кадр, опционально последний | Оживить снимок или продолжить предыдущий ролик без шва. Формат берётся из кадра. |
| Референсы | До 10 изображений, 5 видео и 5 аудио | Удержать героев и товары, повторить движение камеры, задать голос или ритм. |
| Правка и продление | Видео до 15 с и до 10 изображений | Изменить готовый ролик словами или дописать к нему новые секунды. |
Чем Wan отличается от HappyHorse
Два движка одного провайдера с похожими режимами. Разница сводится к длине, референсам и цене.
| Wan 3.0 | HappyHorse 1.1 | |
|---|---|---|
| Длина ролика | 2–30 с, плюс продление | 3–15 с |
| Референсы | До 10 изображений, 5 видео и 5 аудио | До 9 изображений |
| Вход на правку | До 15 с | До минуты |
| Цена за секунду | Дешевле в 720p, есть 480p | Дешевле в 1080p |
Когда взять другую модель
- Говорящий персонаж по вашей записи голоса — Hailuo: она синхронизирует губы с речью заметно чище. Аудио-референс у Wan задаёт тембр, а слова берутся из запроса.
- Правка минутного исходника — HappyHorse, она принимает видео до шестидесяти секунд. Wan берёт до пятнадцати.
- Склейка нескольких клипов с придуманными переходами — Seedance. Wan продлевает один клип.
- Выше 1080p — Veo.
Как не потратить лишнего
- Черновики — в 480p. Это вдвое дешевле 720p, а композиция, движение и звук видны уже там. 1080p стоит вдвое дороже 720p — поднимайте разрешение один раз, на финальном дубле.
- Считайте вход, а не только выход. Правка, продление и видео-референсы добавляют к счёту длительность исходника. Обрежьте его до нужного куска заранее — обрезка бесплатна.
- Длинный ролик — по планам. Проверьте идею на пяти секундах, прежде чем заказывать тридцать.
- Монтаж бесплатен. Обрезать, склеить, наложить звук, вытащить кадр — обычные операции с файлом, а не генерация.
Частые вопросы
Что такое Wan и чья это нейросеть?
Что нового в Wan 3.0 по сравнению с 2.7?
Какой длины ролик делает Wan 3.0?
Может ли Wan озвучить героя моим голосом?
Сколько референсов принимает Wan 3.0?
Как продлить готовое видео?
Сколько стоит ролик в Wan 3.0?
Нужно ли выбирать Wan в чате вручную?
Примеры и цены — на странице генерации видео. Что изменилось в версии 3.0 — в записи о выходе. Другие модели — в оглавлении книги; про видео вообще — в книге про генерацию видео.
Попробуйте сами
Всё из этого руководства работает в Twelver
Один чат для текста, картинок, видео, музыки и озвучки — без отдельных сервисов и подписок.
Открыть чат Twelver