Wan 3.0 Video

Présentation

wan3.0-video-prime est la voie haute qualité de la famille Wan 3.0 Video dédiée à la génération référence-vers-vidéo (reference-to-video), accessible via l'interface unifiée de HiAPI.ai. Il accepte des supports de référence tels que des images, de l'audio, des documents et des pages web, et génère avec le prompt une vidéo avec son d'une durée maximale de 30 secondes et d'une résolution allant jusqu'à 1080P, avec prise en charge du contrôle des première et dernière images, du choix de la durée et du format d'image. Il convient aux développeurs et aux équipes de contenu qui doivent maintenir la cohérence du sujet à partir de supports de marque ou de produit et produire directement une vidéo finale.

Points clés

• Génération multimodale pilotée par des supports de référence — un seul appel peut combiner jusqu'à 10 images, 5 pistes audio et une référence de document ou de page web, citées dans le prompt dans l'ordre du tableau sous la forme Image1, Audio1, etc.
• Durée de 2 à 30 secondes en un seul appel — le paramètre duration détermine directement la longueur de sortie ; une longue narration peut être générée en un seul segment complet sans assemblage par morceaux.
• Jusqu'à 1080P avec plusieurs paliers — trois niveaux de résolution (480P, 720P, 1080P) et six formats d'image, pour arbitrer à chaque fois entre qualité et coût.
• Piste audio synchronisée et contrôle des première et dernière images — sortie avec audio synchronisé par défaut, avec possibilité de désactiver la piste ; associé à des images de première et de dernière image pour contraindre le début et la fin du plan.

Fonctionnalités

Génération avec cohérence de référence : verrouille le sujet et le style à partir de supports de référence comme des images ou de l'audio, afin qu'un même personnage ou produit conserve une apparence cohérente sur toute la vidéo et réduise les reprises en post-production.

Entrée de supports structurée : permet de fournir un document ou une page web sans connexion comme référence, et de transformer, avec le prompt, le contenu en images de vidéo explicative.

Durée et format contrôlables : durée de 2 à 30 secondes, six formats d'image au choix ; adaptive suit automatiquement les supports d'entrée et le prompt, ce qui facilite l'adaptation aux emplacements de diffusion horizontaux ou verticaux.

Contrainte de plan par première et dernière images : possibilité de spécifier séparément une image de première image et une image de dernière image pour contraindre le point de départ et le point d'arrivée du plan, adapté aux besoins de vidéo finale exigeant une ouverture et une conclusion précises.

Reproductibilité et activation de la piste audio : reproduction d'un même résultat via un seed fixe ; le paramètre audio contrôle la génération ou non d'une piste synchronisée, ce qui facilite la génération par lots et la comparaison de versions.

Cas d'usage

• Transformation de supports de marque ou de produit en spot publicitaire — saisir des images de produit et un prompt d'arguments de vente pour produire une courte vidéo avec son conservant l'apparence du produit, destinée aux pages de détail e-commerce et à la diffusion sur les réseaux sociaux.
• Séquences narratives de personnages à référence multimodale — générer à partir d'images de personnage et d'une référence audio un segment cohérent de 30 secondes maximum, utilisé comme séquence de matériau pour une fiction ou une mini-série.
• Transformation de documents en vidéo explicative — téléverser un document ou un lien de page web pour générer des images explicatives sur le thème correspondant, destinées à la formation interne et à la présentation de produit.
• Complétion de plan avec images de début et de fin imposées — fournir deux images clés de début et de fin pour générer un plan de transition de durée contrôlable, intégré au flux de montage en post-production.

Limites et recommandations de choix

La facturation se fait à la seconde de sortie : plus la résolution et la durée sont élevées, plus le coût augmente ; il convient d'estimer à l'avance les combinaisons de vidéos longues et de haute qualité. Le résultat dépend fortement du prompt : lorsque le sujet, l'action, le plan et le style ne sont pas décrits clairement, le résultat varie sensiblement. Les modes « supports de référence » et « première et dernière images » ne peuvent pas être combinés ; un seul document ou une seule page web de référence est accepté par appel. Pour des clips quotidiens plus courts et plus légers, on peut choisir la voie standard de la même famille ; pour les tâches par lots exigeant des paramètres fixes et une forte reproductibilité, il est recommandé de fixer le seed avant de passer à l'échelle.