Avis sur Wan 3.0 : J'ai testé son flux de travail vidéo par IA en 30 secondes

Essayer Wan 3.0 maintenant

3. Ce qui m'a marqué

Une génération complète de 30 secondes

La limite de 30 secondes est la fonctionnalité que j'ai remarquée en premier.

Cinq ou dix secondes suffisent pour un mouvement ou un effet visuel. Trente secondes donnent au modèle l'espace nécessaire pour une entrée de personnage, un problème, une réponse et une conclusion.

Cela peut réduire le besoin d'assembler plusieurs clips courts. Cela peut également aider à éviter les changements de visage, les réinitialisations de costumes, la dérive des accessoires, les coupures de son et les départs émotionnels répétés qui apparaissent souvent entre des plans générés séparément.

Plus long ne signifie pas automatiquement plus cohérent. Pourtant, je préfère commencer par une tentative connectée de 30 secondes et réparer une section faible plutôt que de reconstruire une séquence entière à partir de clips sans rapport.

Jusqu'à 20 ressources de référence

Wan 3.0 peut apparemment utiliser jusqu'à 20 ressources de référence dans une seule tâche.

C'est utile car un prompt vidéo sérieux nécessite souvent plus d'informations que ce que le texte peut contenir. Un créateur pourrait fournir une image de personnage, des photos de produits, une référence de lieu, une vidéo d'action, de la musique et un document de marque au lieu de tout décrire dans un long paragraphe.

Type de référence	Utilisation prévue
Texte	Histoire, action, mouvement de caméra, ambiance et style
Images	Personnage, tenue, produit, scène et identité visuelle
Vidéo	Mouvement, jeu d'acteur, langage caméra, rythme ou structure de montage
Audio	Dialogue, musique, effets sonores et timing
PPT, PDF, DOC, XLS ou MD	Faits sur le produit, leçons, rapports ou informations sur l'histoire

La limite de fichier annoncée est de 100 Mo et 50 pages par fichier. Ces limites et formats pris en charge doivent être vérifiés à nouveau avant un téléchargement de production, car le service est toujours en bêta.

Meilleur contrôle des personnages et des scènes

Wan 3.0 est conçu pour maintenir les visages, les coiffures, les formes corporelles, les vêtements, les accessoires, les emballages de produits, les accessoires de scène et l'éclairage plus stables tout au long d'une séquence.

C'est crucial lorsque la distance de la caméra change. Un personnage peut sembler correct en gros plan mais devenir une personne différente dans un plan large. Le même problème survient lorsque quelqu'un marche derrière un pilier et en ressort.

Pour les courts-métrages et les vidéos multi-personnages, la cohérence est plus précieuse qu'une image parfaite. Un beau plan d'ouverture ne sert à rien si l'acteur principal change au milieu de la scène.

Contrôle plus utile de la caméra et de l'histoire

Le modèle est censé comprendre les zooms avant, zooms arrière, panoramiques, travellings, vues par-dessus l'épaule, gros plans, plans larges, transitions au premier plan, séquences de montage et coupes rythmées par la musique.

Ce qui m'intéresse, ce n'est pas le nombre de termes techniques de caméra reconnus. Je veux savoir si la caméra aide à révéler les informations dans le bon ordre et si le lieu reste cohérent après le mouvement.

C'est pourquoi l'un de mes prompts de test utilise une poursuite aérienne continue sans coupure. Il est beaucoup plus difficile de masquer une route brisée ou une voiture remplacée lorsque la caméra ne quitte jamais la scène.

Son natif avec la vidéo

Wan 3.0 peut générer simultanément le dialogue, le mouvement des lèvres, le son environnemental, les effets d'action, la musique et l'image.

Cela pourrait faire gagner du temps sur les courts-métrages, les publicités et les clips sociaux. Un créateur pourrait ne pas avoir besoin d'exporter une vidéo muette, de trouver des effets séparés, d'enregistrer une voix et de réparer la synchronisation labiale par la suite.

Je resterais toutefois attentif avant d'utiliser l'audio. Les rapports sur la bêta publique indiquent une marge d'amélioration concernant la qualité de la voix, le son spatial et la correspondance entre une action et son effet.

Montage vidéo ciblé

La fonctionnalité de montage peut être plus utile que la génération à partir de zéro.

Wan 3.0 est conçu pour conserver la composition, le mouvement, le timing, les coupes, le dialogue, les sous-titres, la profondeur de champ et la couleur d'origine tout en ne modifiant que la partie demandée.

Par exemple, un créateur pourrait remplacer un produit, changer un costume, mettre à jour un arrière-plan, réécrire une ligne ou réparer quelques secondes faibles. C'est un meilleur flux de travail que de jeter un clip de 30 secondes globalement réussi parce qu'un détail a échoué.

Les documents peuvent devenir des entrées vidéo

Wan 3.0 peut apparemment lire les fichiers PPT, Word, PDF, Excel et Markdown.

Cela ouvre un nouveau type de flux de travail. Une équipe produit pourrait combiner une présentation avec des images de produits. Un enseignant pourrait utiliser un document de cours. Une équipe marketing pourrait fournir des informations de marque et des références visuelles ensemble.

Le modèle n'essaie pas seulement de transformer une phrase en clip. Il essaie de transformer des informations existantes en un brouillon vidéo.

4. Tarification de Wan 3.0

Les prix API annoncés sont basés sur la durée d'une vidéo générée avec succès.

Résolution	Prix par seconde	Coût pour 15s	Coût pour 30s
480P	¥0.30	¥4.50	¥9.00
720P	¥0.60	¥9.00	¥18.00
1080P	¥1.20	¥18.00	¥36.00

Une génération de 30 secondes est à un prix raisonnable pour un test. C'est avec les tentatives répétées que le budget peut augmenter.

Si j'avais besoin de huit générations pour obtenir un clip 1080P utilisable, le coût réel serait bien plus élevé que les ¥36 indiqués dans le tableau. Je testerais d'abord le prompt à une résolution inférieure, puis je passerais la meilleure configuration en 1080P.

La tarification et l'accès peuvent changer pendant la bêta. Consultez la documentation sur la génération vidéo d'Alibaba Cloud Model Studio et la console Bailian avant d'estimer un projet réel.

5. Avantages et inconvénients de Wan 3.0

Avantages

• Un seul clip peut durer jusqu'à 30 secondes.
• Le texte, les images, la vidéo, l'audio et les documents peuvent fonctionner ensemble comme références.
• Jusqu'à 20 ressources donnent aux créateurs plus de contrôle sur les personnages, les produits et le style.
• Le son natif peut réduire le travail séparé de voix off et d'audio.
• Le montage ciblé peut sauver un bon clip lorsqu'une seule section échoue.
• Les entrées de documents rendent le modèle utile au-delà des vidéos de divertissement.

Inconvénients

• Les clips plus longs créent plus d'opportunités pour que les visages, les accessoires et les décors dérivent.
• Les combats rapides et les corps qui se chevauchent peuvent encore produire des erreurs au niveau des mains ou des membres.
• Les petits textes, les copies sur les emballages et les sous-titres peuvent ne pas rester précis.
• Le son peut être synchronisé sans paraître totalement naturel ou spatial.
• Le même prompt peut nécessiter plusieurs tentatives.
• La tarification de la bêta publique, l'accès et les détails de l'API peuvent changer.

6. Meilleurs cas d'utilisation pour Wan 3.0

Cas d'utilisation	Comment Wan 3.0 s'adapte
Courts-métrages IA	Construire une scène de 20 à 30 secondes avec dialogue, références de personnages et travail de caméra connecté
Histoires animées	Garder un personnage de style 2D, 3D, fantastique ou jeu vidéo sur plusieurs plans
Publicité produit	Combiner photos de produits, référence de modèle, musique et révélation de produit planifiée
Vidéos e-commerce	Transformer des images et descriptions de produits en courtes démonstrations ou clips de vente
Contenu pédagogique	Convertir un PPT, PDF, fichier Word ou rapport en explication visuelle
Démonstrations produit	Montrer la structure, l'installation, l'utilisation et l'interaction physique en une séquence
Réparation vidéo locale	Remplacer une personne, un accessoire, une ligne ou une plage temporelle faible sans tout refaire
Prévisualisation de film	Explorer les scènes, plans de caméra, atmosphère et action avant la production
Clips musicaux	Utiliser la musique pour guider le mouvement, les coupes et l'ambiance visuelle

Je pense que l'utilisateur idéal est quelqu'un qui possède déjà du matériel source utile. Wan 3.0 est plus pertinent lorsque le créateur apporte des images de personnages, des références de produits, un document ou une vidéo existante plutôt que lorsqu'il souhaite simplement un clip cinématographique aléatoire.

7. Qu'est-ce que Agent Team ?

Agent Team est un flux de travail construit autour de Wan 3.0. Ce n'est pas le modèle lui-même.

Différents agents peuvent agir en tant qu'écrivain, réalisateur, directeur artistique, storyboarder et générateur vidéo. Un utilisateur fournit une idée, un document ou une page web, et le système le divise en temps forts de l'histoire, plans, personnages, scènes et ressources.

Cela semble mieux adapté à un projet vidéo complet qu'à un simple prompt. La fonctionnalité est actuellement décrite comme étant sur invitation uniquement, je ne la considérerais donc pas encore comme généralement disponible.

8. Là où Wan 3.0 échoue

Trente secondes donnent plus de temps aux erreurs pour apparaître

Une génération plus longue est précieuse, mais elle donne aussi au modèle plus de chances de perdre un détail.

Un visage peut s'adoucir, un accessoire peut changer de nombre, un véhicule peut revenir de derrière un objet dans la mauvaise position, ou l'arrière-plan peut lentement se reconstruire. J'inspecterais la seconde moitié de chaque clip long plus attentivement que l'ouverture.

Le contact complexe reste un problème difficile

Les mains, les combats, l'utilisation de produits et plusieurs personnes se touchant sont difficiles pour tout modèle vidéo.

Wan 3.0 peut créer la bonne action globale tout en manquant le point de contact exact. C'est acceptable pour une vidéo conceptuelle rapide, mais pas pour une démonstration de produit qui doit montrer une étape physique précise.

Le texte nécessite une vérification humaine

Les petites étiquettes, sous-titres, panneaux et emballages de produits peuvent toujours être erronés.

Pour une vidéo commerciale, j'utiliserais le modèle pour la scène et j'ajouterais le texte important par la suite, à moins que la copie générée ne soit vérifiée image par image.

L'audio natif n'est pas automatiquement l'audio final

La génération audio est un raccourci utile, pas une garantie de son fini.

Le dialogue peut sembler légèrement déconnecté du visage, le son environnemental peut manquer de profondeur et un effet d'impact peut ne pas tomber sur l'image exacte. Les campagnes importantes peuvent toujours nécessiter un nettoyage de la voix, de la musique ou du son.

9. Ce que je testerais ensuite

J'ai préparé trois prompts de test de résistance pour cet avis sur Wan 3.0. Je n'ai pas encore vérifié leurs fichiers de sortie, je les traite donc comme un plan de test plutôt que comme des résultats pratiques publiés.

Test 1 : Une muscle car se transforme en titan

Une muscle car poussiéreuse court sur un pont abandonné, se transforme à travers des étapes hydrauliques et mécaniques visibles, s'ancre à la route et tire avec un canon à énergie monté sur la poitrine.

Ce test vérifie la transformation pièce par pièce, le poids, le recul, les étincelles, la fumée, la destruction et la relation de cause à effet. La question principale est de savoir si le robot final semble toujours construit à partir de la voiture d'origine au lieu d'apparaître comme un remplacement.

Test 2 : Un combat rapproché dans un métro abandonné

Une femme aux cheveux roses combat un grand agent de sécurité tandis qu'une caméra portée les suit entre des colonnes, des bancs et un train stationnaire.

Ce test vérifie l'identité, les vêtements, les membres, le contact, le poids du corps et la stabilité de l'environnement pendant un chevauchement rapide. Les moments les plus difficiles sont lorsque les personnages se bloquent mutuellement ou passent derrière une colonne.

Test 3 : Une poursuite de rallye en un seul plan de 12 secondes

Une voiture de rallye rouge se déplace à travers trois virages en épingle enneigés tandis qu'une caméra aérienne suit sans coupure. La voiture disparaît sous un pont en pierre, revient sur la bonne route, évite un rocher et atteint une ligne droite sécurisée.

C'est le test auquel je ferais le plus confiance. Il vérifie la topologie de la route, la continuité de la caméra, la physique du véhicule, l'occlusion complète, la permanence de l'objet, la progression du son et si la même voiture revient après avoir été cachée.

Pour les trois tests, je comparerais l'adhérence au prompt, la cohérence du sujet, le mouvement, la relation de cause à effet physique, le contrôle de la caméra, l'audio et le nombre de tentatives nécessaires pour un résultat utilisable.

10. Verdict final : Wan 3.0 vaut-il la peine d'être essayé ?

Wan 3.0 semble valoir la peine d'être essayé si vous avez besoin de plus qu'un simple effet visuel court.

Sa meilleure idée n'est pas simplement la génération de 30 secondes. C'est la combinaison d'une vidéo plus longue, de nombreuses ressources de référence, d'un son natif, de la compréhension de documents et d'un montage ciblé.

Je l'utiliserais pour des brouillons de courts-métrages, des concepts de produits, des vidéos e-commerce, du contenu pédagogique et de la prévisualisation. Je serais plus prudent avec les actions de produits exactes, les petits textes, les combats complexes et tout projet devant être correct dès la première génération.

Mon avis final : Wan 3.0 semble capable de réaliser le premier brouillon d'une scène complète, pas seulement un plan attrayant. C'est un pas en avant significatif, même si les créateurs doivent toujours examiner, régénérer et éditer le résultat.

11. FAQ sur l'avis Wan 3.0

Qu'est-ce que Wan 3.0 ?

Wan 3.0 est le modèle multimodal d'Alibaba pour la génération et le montage vidéo par IA. Il accepte le texte, les images, la vidéo, l'audio et plusieurs formats de documents.

Combien de temps Wan 3.0 peut-il générer ?

Le maximum annoncé est de 30 secondes pour une génération.

Combien coûte l'API Wan 3.0 ?

Les prix annoncés commencent à ¥0.30 par seconde pour le 480P, ¥0.60 par seconde pour le 720P et ¥1.20 par seconde pour le 1080P. La tarification bêta peut changer.

Wan 3.0 peut-il générer de l'audio ?

Wan 3.0 est conçu pour générer le dialogue, le mouvement des lèvres, le son environnemental, les effets d'action et la musique avec la vidéo.

Wan 3.0 peut-il lire des documents ?

Les entrées annoncées incluent les fichiers DOC, XLS, PPT, PDF et Markdown. La limite indiquée est de 100 Mo et 50 pages par fichier.

Wan 3.0 est-il open source ?

Les informations examinées pour cet article ne confirment pas formellement que les poids du modèle Wan 3.0 ont été publiés. Consultez l' organisation GitHub officielle de Wan pour les dépôts Wan publiés publiquement par Alibaba ; une bêta publique hébergée ou une API ne doit pas être confondue avec une version à poids ouverts.

Qu'est-ce que Wan 3.0 Agent Team ?

Agent Team est un flux de travail vidéo multi-agents autour de Wan 3.0. Il peut diviser le travail entre des rôles tels qu'écrivain, réalisateur, directeur artistique, storyboarder et générateur vidéo.