Recensione di Wan 3.0: ho testato il suo flusso di lavoro video AI da 30 secondi

Prova Wan 3.0 ora

3. Cosa mi ha colpito

Una generazione completa di 30 secondi

Il limite di 30 secondi è la funzionalità che ho notato per prima.

Cinque o dieci secondi sono sufficienti per un movimento o un effetto visivo. Trenta secondi danno al modello lo spazio per l'ingresso di un personaggio, un problema, una risposta e una conclusione.

Ciò può ridurre la necessità di unire diverse clip brevi. Può anche aiutare a evitare i cambi di volto, i reset dei costumi, la deriva degli oggetti di scena, le interruzioni audio e i ripetuti inizi emotivi che spesso appaiono tra inquadrature generate separatamente.

Più lungo non significa automaticamente più coerente. Tuttavia, preferirei iniziare con un tentativo unico e collegato di 30 secondi e riparare una sezione debole piuttosto che ricostruire un'intera sequenza da clip non correlate.

Fino a 20 asset di riferimento

Wan 3.0 può utilizzare, a quanto riferito, fino a 20 asset di riferimento in un'unica attività.

Questo è utile perché un prompt video serio spesso necessita di più informazioni di quante il testo possa contenerne. Un creatore potrebbe fornire l'immagine di un personaggio, foto di prodotti, un riferimento per la location, un video d'azione, musica e un documento del brand invece di descrivere tutto in un lungo paragrafo.

Tipo di riferimento	Per cosa lo userei
Testo	Storia, azione, movimento della telecamera, atmosfera e stile
Immagini	Personaggio, abbigliamento, prodotto, scena e identità visiva
Video	Movimento, recitazione, linguaggio della telecamera, ritmo o struttura di montaggio
Audio	Dialogo, musica, effetti sonori e tempismo
PPT, PDF, DOC, XLS o MD	Dati di prodotto, lezioni, report o informazioni sulla storia

Il limite di file annunciato è di 100 MB e 50 pagine per file. Tali limiti e i formati supportati dovrebbero essere ricontrollati prima di un caricamento per la produzione, poiché il servizio è ancora in beta.

Migliore controllo del personaggio e della scena

Wan 3.0 è progettato per mantenere volti, acconciature, forme del corpo, abbigliamento, accessori, packaging di prodotti, oggetti di scena e illuminazione più stabili in tutta la sequenza.

Questo conta soprattutto quando la telecamera cambia distanza. Un personaggio può apparire corretto in un primo piano ma diventare una persona diversa in un campo lungo. Lo stesso problema si verifica quando qualcuno cammina dietro una colonna e ritorna.

Per i brevi drammi e i video con più personaggi, la coerenza è più preziosa di un singolo fotogramma perfetto. Una bellissima inquadratura iniziale non serve a nulla se l'attore protagonista cambia a metà scena.

Controllo della telecamera e della storia più utile

Si prevede che il modello comprenda zoom in, zoom out, panoramiche, riprese in movimento, viste sopra la spalla, primi piani, campi lunghi, transizioni in primo piano, sequenze di montaggio e tagli guidati dalla musica.

Ciò che mi interessa non è il numero di termini tecnici della telecamera che riconosce. Voglio sapere se la telecamera aiuta a rivelare le informazioni nell'ordine giusto e se la location ha ancora senso dopo il movimento.

Ecco perché uno dei miei prompt di test utilizza un inseguimento aereo continuo senza tagli. È molto più difficile nascondere una strada rotta o un'auto sostituita quando la telecamera non lascia mai la scena.

Audio nativo con il video

Wan 3.0 può generare dialoghi, movimento delle labbra, suoni ambientali, effetti d'azione, musica e l'immagine insieme.

Ciò potrebbe far risparmiare tempo su brevi drammi, pubblicità e clip per i social. Un creatore potrebbe non aver bisogno di esportare un video silenzioso, trovare effetti separati, registrare una voce e riparare la sincronizzazione labiale in seguito.

Ascolterei comunque attentamente prima di utilizzare l'audio. I report della beta pubblica indicano che c'è margine di miglioramento nella qualità della voce, nel suono spaziale e nella corrispondenza tra un'azione e il suo effetto.

Editing video mirato

La funzionalità di editing potrebbe essere più utile della generazione da zero.

Wan 3.0 è progettato per mantenere la composizione originale, il movimento, il tempismo, i tagli, i dialoghi, i sottotitoli, la profondità di campo e il colore, modificando solo la parte richiesta.

Ad esempio, un creatore potrebbe sostituire un prodotto, cambiare un costume, aggiornare uno sfondo, riscrivere una battuta o riparare alcuni secondi deboli. È un flusso di lavoro migliore rispetto allo scartare una clip da 30 secondi quasi riuscita perché un dettaglio ha fallito.

I documenti possono diventare input video

Wan 3.0 può, a quanto riferito, leggere file PPT, Word, PDF, Excel e Markdown.

Questo apre un tipo di flusso di lavoro diverso. Un team di prodotto potrebbe combinare una presentazione con le immagini del prodotto. Un insegnante potrebbe utilizzare un documento di lezione. Un team di marketing potrebbe fornire informazioni sul brand e riferimenti visivi insieme.

Il modello non sta solo cercando di trasformare una frase in una clip. Sta cercando di trasformare le informazioni esistenti in una bozza video.

4. Prezzi di Wan 3.0

I prezzi API annunciati si basano sulla durata di un video generato con successo.

Risoluzione	Prezzo al secondo	Costo 15 secondi	Costo 30 secondi
480P	¥0.30	¥4.50	¥9.00
720P	¥0.60	¥9.00	¥18.00
1080P	¥1.20	¥18.00	¥36.00

Una generazione da 30 secondi ha un prezzo ragionevole per un test. I tentativi ripetuti sono dove il budget può aumentare.

Se avessi bisogno di otto generazioni per ottenere una clip 1080P utilizzabile, il costo reale sarebbe molto più alto dei ¥36 mostrati nella tabella. Testerei il prompt a una risoluzione inferiore per prima cosa, poi sposterei la configurazione migliore a 1080P.

I prezzi e l'accesso potrebbero cambiare durante la beta. Controlla la documentazione sulla generazione video di Alibaba Cloud Model Studio e la console Bailian prima di stimare un progetto reale.

5. Pro e contro di Wan 3.0

Pro

• Una singola clip può durare fino a 30 secondi.
• Testo, immagini, video, audio e documenti possono lavorare insieme come riferimenti.
• Fino a 20 asset offrono ai creatori un maggiore controllo su personaggi, prodotti e stile.
• L'audio nativo può ridurre il lavoro separato di voce fuori campo e audio.
• L'editing mirato può salvare una buona clip quando fallisce solo una sezione.
• Gli input di documenti rendono il modello utile oltre i video di intrattenimento.

Contro

• Le clip più lunghe creano maggiori opportunità di deriva per volti, oggetti di scena e scenari.
• Combattimenti veloci e corpi sovrapposti possono ancora produrre errori alle mani o agli arti.
• Testi piccoli, testi sulle confezioni e sottotitoli potrebbero non rimanere accurati.
• L'audio potrebbe essere sincronizzato senza sembrare del tutto naturale o spaziale.
• Lo stesso prompt può richiedere diversi tentativi.
• I prezzi della beta pubblica, l'accesso e i dettagli API potrebbero cambiare.

6. Casi d'uso migliori per Wan 3.0

Caso d'uso	Come si adatta Wan 3.0
Brevi drammi AI	Costruisci una scena da 20-30 secondi con dialoghi, riferimenti ai personaggi e riprese collegate
Storie animate	Mantieni un personaggio 2D, 3D, fantasy o in stile gioco attraverso diverse inquadrature
Pubblicità di prodotti	Combina foto di prodotti, un riferimento di modello, musica e una presentazione pianificata del prodotto
Video e-commerce	Trasforma immagini e descrizioni di prodotti in brevi dimostrazioni o clip di vendita
Contenuti didattici	Converti un file PPT, PDF, Word o un report in una spiegazione visiva
Dimostrazioni di prodotti	Mostra struttura, configurazione, utilizzo e interazione fisica in un'unica sequenza
Riparazione video locale	Sostituisci una persona, un oggetto, una battuta o un intervallo di tempo debole senza rifare tutto
Previsualizzazione film	Esplora scene, piani di ripresa, atmosfera e azione prima della produzione
Video musicali	Usa la musica per guidare il movimento, i tagli e l'atmosfera visiva

Penso che l'utente ideale sia qualcuno che possiede già materiale sorgente utile. Wan 3.0 ha più senso quando il creatore porta immagini dei personaggi, riferimenti di prodotto, un documento o un video esistente piuttosto che quando vuole solo una clip cinematografica casuale.

7. Cos'è Agent Team?

Agent Team è un flusso di lavoro costruito attorno a Wan 3.0. Non è il modello in sé.

Diversi agenti possono agire come scrittore, regista, art director, storyboard artist e generatore video. Un utente fornisce un'idea, un documento o una pagina web e il sistema la suddivide in battute di storia, inquadrature, personaggi, scene e asset.

Questo sembra più adatto a un progetto video completo che a un singolo prompt. La funzionalità è attualmente descritta come disponibile solo su invito, quindi non la considererei ancora generalmente disponibile.

8. Dove Wan 3.0 non è all'altezza

Trenta secondi danno agli errori più tempo per apparire

Una generazione più lunga è preziosa, ma dà anche al modello più possibilità di perdere un dettaglio.

Un volto può ammorbidirsi, un oggetto di scena può cambiare numero, un veicolo può tornare da dietro un oggetto nella posizione sbagliata o lo sfondo può ricostruirsi lentamente. Ispezionerei la seconda metà di ogni clip lunga più attentamente dell'apertura.

Il contatto complesso è ancora un problema difficile

Mani, combattimenti, uso di prodotti e diverse persone che si toccano sono difficili per qualsiasi modello video.

Wan 3.0 potrebbe creare l'azione generale corretta mancando però il punto di contatto esatto. Questo è accettabile per un video concettuale veloce, ma non per una dimostrazione di prodotto che deve mostrare un preciso passaggio fisico.

Il testo necessita di controllo umano

Piccole etichette, sottotitoli, insegne e packaging di prodotti possono ancora essere sbagliati.

Per un video commerciale, userei il modello per la scena e aggiungerei il testo importante in seguito, a meno che la copia generata non venga controllata fotogramma per fotogramma.

L'audio nativo non è automaticamente l'audio finale

La generazione audio è una scorciatoia utile, non una garanzia di suono finito.

Il dialogo può sembrare leggermente disconnesso dal volto, il suono ambientale può mancare di profondità e un effetto di impatto potrebbe non arrivare al fotogramma esatto. Le campagne importanti potrebbero ancora aver bisogno di pulizia della voce, della musica o del suono.

9. Cosa testerei dopo

Ho preparato tre prompt di stress-test per questa recensione di Wan 3.0. Non ho ancora verificato i loro file di output, quindi li sto trattando come un piano di test piuttosto che come risultati pratici pubblicati.

Test 1: Un'auto muscle si trasforma in un titano

Un'auto muscle impolverata corre su un ponte abbandonato, si trasforma attraverso fasi idrauliche e meccaniche visibili, si ancora alla strada e spara un cannone a energia montato sul petto.

Questo test verifica la trasformazione parte per parte, il peso, il rinculo, le scintille, il fumo, la distruzione e la causa-effetto. La domanda principale è se il robot finale sembri ancora costruito dall'auto originale invece di apparire come un sostituto.

Test 2: Un combattimento ravvicinato in una metropolitana abbandonata

Una donna dai capelli rosa combatte contro una grande guardia di sicurezza mentre una telecamera a mano li segue tra colonne, panchine e un treno fermo.

Questo test verifica identità, abbigliamento, arti, contatto, peso corporeo e stabilità dell'ambiente durante la sovrapposizione veloce. I momenti più difficili sono quando i personaggi si bloccano a vicenda o passano dietro una colonna.

Test 3: Un inseguimento rally di 12 secondi in un'unica ripresa

Un'auto da rally rossa si muove attraverso tre tornanti innevati mentre una telecamera aerea segue senza tagli. L'auto scompare sotto un ponte di pietra, ritorna sulla strada corretta, evita un masso e raggiunge un rettilineo sicuro.

Questo è il test di cui mi fiderei di più. Verifica la topologia stradale, la continuità della telecamera, la fisica del veicolo, l'occlusione completa, la permanenza dell'oggetto, la progressione del suono e se la stessa auto ritorna dopo essere stata nascosta.

Per tutti e tre i test, confronterei l'aderenza al prompt, la coerenza del soggetto, il movimento, la causa-effetto fisica, il controllo della telecamera, l'audio e il numero di tentativi necessari per un risultato utilizzabile.

10. Verdetto finale: Vale la pena provare Wan 3.0?

Wan 3.0 sembra valere la pena se hai bisogno di qualcosa di più di un breve effetto visivo.

La sua idea migliore non è semplicemente la generazione di 30 secondi. È la combinazione di video più lunghi, molti asset di riferimento, suono nativo, comprensione dei documenti e editing mirato.

Lo userei per bozze di brevi drammi, concept di prodotti, video e-commerce, contenuti didattici e previsualizzazione. Sarei più cauto con azioni di prodotto esatte, testi piccoli, combattimenti complessi e qualsiasi progetto che debba essere corretto alla prima generazione.

La mia opinione finale: Wan 3.0 sembra in grado di realizzare la prima bozza di una scena completa, non solo una singola inquadratura accattivante. Questo è un passo avanti significativo, anche se i creatori devono ancora rivedere, rigenerare e modificare il risultato.

11. Domande frequenti su Wan 3.0

Cos'è Wan 3.0?

Wan 3.0 è il modello multimodale di Alibaba per la generazione e l'editing di video AI. Accetta testo, immagini, video, audio e diversi formati di documento.

Quanto può generare Wan 3.0?

Il massimo annunciato è di 30 secondi per una singola generazione.

Quanto costa l'API di Wan 3.0?

I prezzi annunciati partono da ¥0.30 al secondo per 480P, ¥0.60 al secondo per 720P e ¥1.20 al secondo per 1080P. I prezzi della beta potrebbero cambiare.

Wan 3.0 può generare audio?

Wan 3.0 è progettato per generare dialoghi, movimento delle labbra, suoni ambientali, effetti d'azione e musica insieme al video.

Wan 3.0 può leggere documenti?

Gli input annunciati includono file DOC, XLS, PPT, PDF e Markdown. Il limite dichiarato è di 100 MB e 50 pagine per file.

Wan 3.0 è open source?

Le informazioni esaminate per questo articolo non confermano formalmente che i pesi del modello Wan 3.0 siano stati rilasciati. Controlla l' organizzazione GitHub ufficiale di Wan per i repository Wan rilasciati pubblicamente da Alibaba; una beta pubblica ospitata o un'API non dovrebbero essere confuse con un rilascio a pesi aperti.

Cos'è Wan 3.0 Agent Team?

Agent Team è un flusso di lavoro video multi-agente attorno a Wan 3.0. Può dividere il lavoro tra ruoli come scrittore, regista, art director, storyboard artist e generatore video.