Prompts Wan 3.0 Prime : 3 vidéos réelles et une structure réutilisable

Les 3 vidéos ci-dessous ont toutes été générées en une seule passe par Wan 3.0 Prime (wan3.0-video-prime) : une en texte-vers-vidéo, une en texte-vers-vidéo avec son synchronisé, et une en référence-vers-vidéo qui verrouille le sujet avec une image de référence. Chacune est accompagnée du prompt complet, des paramètres de requête et du prix ; cliquez sur « Générer avec ce prompt » pour ouvrir la page du modèle avec le prompt prérempli. Les 3 sont en 480P, 5 secondes, à $0.4375 chacune, soit $1.3125 au total.

Ce que les prompts de Prime ont de différent

• Il comprend les mouvements de caméra et les actions. Des termes comme dolly-forward, orbite à 180 degrés ou slow push-in contrôlent réellement la caméra. Une liste de noms (« un chat, une rue, du néon ») est du gaspillage ; une phrase porteuse d'intention de réalisateur produit un plan qui a une vraie vision de réalisateur.
• Il produit du son. audio est activé par défaut : le modèle ajoute des sons d'ambiance, des effets sonores et une musique légère en accord avec l'image ; mis à false, la vidéo est muette.
• Il accepte les images de référence. Le texte ne peut décrire qu'une catégorie d'objet (« un renard en céramique »), l'image de référence verrouille un objet précis. Avec une image, Prime anime celui-là et ne réinvente pas un nouveau sujet à chaque fois.

1. Plan produit et gastronomique (texte-vers-vidéo)

A single scoop of pistachio gelato in a frosted coupe glass on a pale marble
counter; slow 180-degree orbit as a bead of condensation slides down the glass,
soft window light from the left, shallow depth of field, warm late-afternoon
tones, faint steam curling from an espresso cup just behind in soft focus.

Générer avec ce prompt → (5 secondes, 480P, 16:9, son désactivé)

wan3.0-video-prime, 480P, 5 secondes, 16:9, son désactivé, $0.4375.

L'ordre des phrases suit l'ordre dans lequel le modèle lit un plan : sujet, mouvement de caméra, un détail principal, direction de la lumière, profondeur de champ, tonalité. « slow 180-degree orbit » ne donne qu'un mouvement de caméra explicite, « une goutte de condensation glisse le long du verre » ne donne qu'une petite action : le réalisme apparaît. En précisant que la lumière vient de la gauche et une faible profondeur de champ, l'arrière-plan reste un flou propre au lieu d'un ensemble confus. Les plans produit et gastronomiques peuvent suivre cette structure : un sujet, un mouvement de caméra, une petite action.

2. Plan d'ambiance avec son synchronisé (texte-vers-vidéo)

Pour celui-ci, pensez à activer le son : la pluie, la circulation lointaine et le grésillement du gril sont générés en accord avec l'image.

Rain streaking down a narrow neon-lit alley at night; a slow dolly-forward past
steaming street-food stalls, magenta and cyan reflections rippling in the wet
pavement, a tabby cat darting between crates mid-shot. Ambient sound: steady
rain, distant traffic hiss, the sizzle of a grill and a low synth drone.

Générer avec ce prompt → (5 secondes, 480P, 16:9, son activé)

wan3.0-video-prime, 480P, 5 secondes, 16:9, avec son, $0.4375.

Écrire le son est un savoir-faire à part : d'abord décrire l'image, puis ajouter une phrase distincte « Ambient sound: » en listant 3 à 4 couches sonores précises : une base continue (la pluie), une couche lointaine (la circulation), un effet sonore proche (le gril) et une couche tonale (la basse du synthé). Écrire seulement « sons cinématographiques » donne une bouillie ; en nommant les couches, le modèle a de quoi mixer. Côté image, là encore un seul mouvement de caméra (slow dolly-forward), plus un sujet qui bouge (le chat) : le plan est vivant sans être chaotique.

3. Verrouiller le sujet (référence-vers-vidéo)

C'est le point fort de Prime. Avec du texte seul, un nouveau sujet est recréé à chaque fois ; avec une image de référence, il est verrouillé. Préparez d'abord ci-dessous une image d'un renard en céramique, placez-la dans reference_image_urls, et c'est ce renard qui bougera dans la vidéo : même émail, même écharpe.

Image de référence :

Résultat généré :

Bring the referenced ceramic fox figurine to life: it slowly turns its head
toward camera, blinks, and tilts with a curious expression; subtle idle
breathing, a light breeze stirring the tiny scarf, soft studio key light on a
clean seamless backdrop, smooth loopable motion.

Générer avec ce prompt → (téléversez votre image de référence, 5 secondes, 480P, 9:16, son désactivé)

wan3.0-video-prime, image de référence, 480P, 5 secondes, 9:16, son désactivé, $0.4375.

Requête complète :

{
  "model": "wan3.0-video-prime",
  "input": {
    "prompt": "Bring the referenced ceramic fox figurine to life ...",
    "resolution": "480P",
    "duration": 5,
    "aspect_ratio": "9:16",
    "audio": false,
    "reference_image_urls": [
      "https://static.hiapi.ai/blog/wan3-0-video-prime-prompt-recipes/recipe-3-reference-fox.jpg"
    ]
  }
}

Une fois l'image de référence fournie, ne décrivez plus l'apparence du sujet : consacrez tout l'espace à « diriger le jeu ». Commencez le prompt par « Bring the referenced … to life » pour indiquer au modèle que l'image est la base du sujet, puis n'écrivez que des actions absentes de l'image : tourner la tête, cligner des yeux, respirer, le vent dans l'écharpe. « smooth loopable motion » facilite l'enchaînement début-fin en boucle, et 9:16 produit directement un format vertical. Choisissez une image de référence avec un sujet net, un bon éclairage et un arrière-plan simple ; un arrière-plan chargé et de nombreux sujets font perdre la cohérence le plus facilement.

Une structure réutilisable

Les trois prompts ci-dessus suivent en réalité la même structure :

1. Sujet : un protagoniste clair (si une image de référence est fournie, écrivez « the referenced … »).
2. Caméra : un seul mouvement de caméra (orbite, approche, suivi), pas trois.
3. Action : un ou deux petits éléments qui bougent réellement, vivants mais pas chaotiques.
4. Image : direction de la lumière, profondeur de champ, tonalité.
5. Son (facultatif) : une phrase distincte « Ambient sound: » nommant quelques couches sonores.

Changez les noms, gardez la structure.

Reproduire via l'API

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan3.0-video-prime",
    "input": {
      "prompt": "A single scoop of pistachio gelato in a frosted coupe glass on a pale marble counter; slow 180-degree orbit",
      "resolution": "480P", "duration": 5, "aspect_ratio": "16:9", "audio": false
    }
  }'

Une fois data.taskId renvoyé, utilisez GET /v1/tasks/{taskId} pour vérifier que status vaut success, puis téléchargez depuis output[0].url ; il s'agit d'un lien temporaire, pensez à l'enregistrer rapidement. Pour l'intégration complète, voir le tutoriel API Wan 3.0 Prime en chinois.

Combien ça coûte

• 480P à $0.0875 la seconde : 5 secondes pour $0.4375
• 720P à $0.18 la seconde : 5 secondes pour $0.90
• 1080P à $0.36 la seconde : 5 secondes pour $1.80

Réglez votre prompt en 480P, puis une fois finalisé, passez resolution à 720P ou 1080P et relancez : le prompt n'a pas besoin d'être modifié. Attention, resolution vaut 1080P par défaut. Si vous n'avez pas besoin de la vitesse de Prime, la version standard Wan 3.0 wan3.0-video est moins chère à la seconde. Voir en détail la tarification de l'API Wan 3.0 Prime.

Questions fréquentes

Prime produit-il vraiment du son ?

Oui. Avec audio à true (par défaut), il renvoie une vidéo avec une piste audio synchronisée ; mis à false, la vidéo est muette. La vidéo n°2 a été générée avec le son activé.

Quelle est la durée maximale d'une vidéo ?

duration est un entier de 2 à 30, et le coût augmente linéairement avec la durée.

Quelles résolutions et quels formats sont pris en charge ?

resolution accepte 480P, 720P, 1080P (en majuscules) ; aspect_ratio accepte adaptive, 16:9, 4:3, 1:1, 3:4, 9:16.

Comment garder le même personnage ou produit cohérent sur plusieurs vidéos ?

Utilisez reference_image_urls pour fournir une image de référence, et écrivez les actions dans le prompt, pas l'apparence.

Pourquoi mon brouillon semble-t-il un peu flou ?

Parce qu'il est en 480P, le niveau bon marché volontairement prévu pour les brouillons. Une fois le prompt fixé, passez la résolution à 720P ou 1080P.

Choisissez le prompt le plus proche de votre besoin, allez sur la page du modèle pour générer la première, puis remplacez les noms.