Wan 3.0 ومزامنة الشفاه
ضع وجهًا، واقتبس الجملة، فيتبع الفم الكلمات. مزامنة الشفاه مع Wan 3.0 تولّد الصوت في المرور نفسه مع الصورة، فلا ملف صوتي تسجله أولًا ولا مرور دبلجة بعده. من ثانيتين إلى ثلاثين ثانية، والصوت داخل ملف MP4، وأول مقطع لك بلا مقابل.
عروض الحوار الرسمية من Alibaba على Wan 3.0 · «جرّب هذا» يحمّل البرومبت
منطوق إلى الكاميرا · 9:16 · 720Pحديث إلى الكاميرا بطول ست جمل
ماذا يفعل Wan 3.0 حين يكون في البرومبت جملة منطوقة
كل مقطع هنا عرض نشرته Alibaba لنموذج Wan 3.0، وكل واحد منها وصل ومعه البرومبت الذي أنتجه. اضغط استمع للصوت، أو استخدم البرومبت لتحميله كاملًا في الصندوق أعلى هذه الصفحة — مطبوعًا بالكامل وباللغة التي كُتب بها.
- مرور واحدالصورة والكلام وحركة الفم في عملية إنشاء واحدة
- $0إضافي على المسار الصوتي
- wan3.0-videoالنموذج وراء كل مقطع في هذا الشريط
- مرجعست جمل إلى الكاميرا، والمنتج مثبّت بصورة مرجعية
مرجعمغنية واحدة تتنقل بين اللغات، والمزامنة تصمد عبر الثماني كلها
مرجعمتحدثان، باليابانية، جملة لكل منهما وبلا تداخل
الإطار الأولصورة ثابتة لحيوانين تصير عشر جولات حوار
- الكلمات
اقتبس الجملة بالضبط. فإعادة الصياغة تعطيك جملة اخترعها النموذج.
- المتحدث
ثبّت من يتكلم — العمر والشعر والملابس — وإلا تحرك الفم الخطأ.
- الكاميرا
أبقِها على الوجه طوال الجملة.
- النص
اختم بعبارة بلا ترجمة مكتوبة، وإلا وصلت الجملة مطبوعة على الإطار.
أنشئ فيديو مزامنة شفاه بالذكاء الاصطناعي من برومبت نصي بسيط
بلا صيغة سيناريو، وبلا خط زمني، وبلا ملف صوتي. صف اللقطة بجمل عادية، واقتبس الكلمات التي تقولها الشخصية وانسبها إلى الشخص أمام الكاميرا، فيرسم Wan 3.0 الصورة ويصنع الصوت ويحرك الفم معه في طلب واحد.
Medium A-roll. The woman stands behind the kitchen counter
holding the pink portable blender, speaking naturally to camera.
She says: "I get asked how I make smoothies so quickly."
No subtitles, no text overlays, no UI, no watermark.
- اللقطة والكاميرا ومن يتكلم
- الجملة المقتبسة، وما لا يجوز طباعته
9:16 · 720P · 30 ثwan3.0-video · 16:9 · 720P · 14 ث · الكلام والفم في المرور نفسه
تلك الأسطر الأربعة مأخوذة من عرض Alibaba الرسمي الذي مدته ثلاثون ثانية، وطوله 2,484 حرفًا مقابل سقف 20,000 حرف. والمساحة موجودة لتثبيت المتحدث والمنتج والاستثناءات — لا للكتابة أكثر. ورفع صورة شخصية بدل وصف واحدة لا يغير شيئًا في طريقة كتابة الجملة نفسها.
حسّن برومبت مزامنة الشفاه
بالذكاء الاصطناعي
التشغيلة التي تعود خاطئة ليست مشكلة نموذج في الغالب. بل برومبت سمّى الصورة وترك الأداء والكاميرا وقاعدة الترجمة المكتوبة للصدفة.
يأخذ مولد برومبت الجملة التي تريد سماعها ويعيد برومبت Wan 3.0 كاملًا حولها — المتحدث مثبّت، وحركة كاميرا واحدة مسماة، وطبقات الصوت مرتبة، والجملة محدَّدة بعلامات لتُؤدَّى لا تُروى. ويفحص النتيجة أمام القواعد التي يفرضها هذا النموذج فعلًا، فتُضاف العبارة التي ينساها الناس قبل إنفاق الرصيد لا بعده.
01
اكتب الجملة التي تريد سماعها
جملة واحدة تكفي للبدء. ومن يقولها وأين يمكن أن يكونا شذرة.
02
احصل على برومبت مبني حولها
المتحدث والكاميرا وطبقات الصوت والجملة المحدَّدة، بالترتيب الذي يقرأ به Wan 3.0.
03
أرسله إلى هنا وأضف الوجه
يصل البرومبت إلى الصندوق أعلى هذه الصفحة والمدة والنسبة محددتان أصلًا.
لديك بالفعل مقطع أعجبك أداؤه؟ استخراج البرومبت من الفيديو يفرّغ الجملة المنطوقة ويعيدها بين قوسين معقوفين — وهي الصيغة التي يؤديها هذا النموذج بدل أن يرويها.
سير عمل كامل بالذكاء الاصطناعي، من النص إلى الفيديو
أربعة أبواب إلى النقطة نفسها. أيًا كان ما بين يديك — فقرة من نص، أو عرض تقديمي، أو صورة شخصية، أو مقطع أنشأته بالفعل — فهناك مسار منه إلى لقطة ناطقة، ولا واحد منها يحتاج أداة صوت منفصلة مركّبة عليه.
كل ما سبق يحط في المكان نفسه — أعمالي يحتفظ بملف MP4 والبرومبت ومعرّف المهمة لكل تشغيلة، فاللقطة التي أعجبتك يمكن إعادة فتحها لا إعادة بنائها.
كيف تزامن شفاه صورة
مع Wan 3.0
الخطوة التي يخطئ فيها الناس هي الثالثة: وصف الصورة التي يراها النموذج أصلًا، بدل كتابة الكلمات التي لا يستطيع تخمينها.
ضع الوجه
الفحص يجري فورًا داخل متصفحك. فالملف الجيد يعطي صفًا أخضر، والسيئ يسمي العلاج قبل أن تنفق شيئًا.
فحص بلا تكلفةاقتبس الجملة، وقل من يقولها
الكلمات بالضبط بين علامتي تنصيص، منسوبة إلى الشخص أمام الكاميرا. أما إعادة الصياغة — «تقول شيئًا مطمئنًا» — فتعطيك جملة اخترعها النموذج.
الكلمات بالضبط فقطاختم بعبارة «بلا ترجمة مكتوبة»
لا يوجد حقل برومبت سلبي، فتعليمة عدم طباعة الجملة جملة كبقية الجمل. وهي عبارة واحدة توفّر عليك تشغيلة كاملة.
عبارة واحدةحدد المدة والدقة ثم أنشئ
اشترِ الثواني التي تحتاجها الجملة أولًا. ويعود ملف MP4 واحد فيه الكلام وأجواء الغرفة وحركة الفم أصلًا.
حتى 1080P
نحو تسعين ثانية لمقطع قصير، ويمكنك إغلاق التبويب أثناء التشغيل. والصورة المرفوعة لا تُعدَّل أبدًا — فالناتج ملف جديد.
صورتك هي الإطار الأول.
والصوت مكتوب لا مرفوع.
أغلب الأدوات في هذه الفئة تأخذ صورة وملفًا صوتيًا وتحرك الفم ليطابقه. أما هذه فتأخذ صورة وجملة.
الإطار 001 · وجهك
منطوق ومتزامن من هنا فصاعدًا
مزامنة الشفاه مع Wan 3.0 تضع صورتك إطارًا أول حرفيًا وتنشئ 2 إلى 30 ثانية إلى الأمام منها، بمعدل 30 إطارًا في الثانية وبدقة 480P أو 720P أو 1080P. والكلمات التي اقتبستها تعود كلامًا داخل المسار الصوتي لذلك المقطع، والفم يتحرك معها، لأن الصورة والصوت يُرسمان في المرور نفسه لا يُلصقان في مرورين.
- صورتك هي الإطار الأول
- 001
- ملفات صوتية عليك توفيرها
- 0
- أي ثانية صحيحة
- 2–30 s
- ملف MP4 يعود والصوت داخله أصلًا
- 1
صورتك هي الإطار الأول
ملفات صوتية عليك توفيرها
أي ثانية صحيحة
ملف MP4 يعود والصوت داخله أصلًا
- بلا خطوة تحويل نص إلى كلام قبل الرسم
- بلا مرور دبلجة بعده
- بلا نموذج ثانٍ تشتري ترخيصه للفم
ما الذي يحدد إن كانت الجملة ستُنطق
أم ستُطبع على الإطار
جملتان تحددان إن كانت العبارة ستُسمع أم ستُقرأ. واحدة تضع الكلمات بالضبط في فم المتحدث، والأخرى تبقيها خارج الصورة. أسقط إحداهما ويصلك الخلل في صورة فيديو مكتمل ومحاسَب عليه.
تشريح جملة متزامنة
الكلام والصورة · مرور واحد
عشر جولات · 720P · 30 ثما يحتاجه الفم ليحط في محله
3
- الكلمات بالضبط، مقتبسة لا ملخّصة
- متحدث موصوف بدقة تكفي لتثبيته
- الكاميرا على وجهه أثناء كلامه
القاعدة التي تفوت الناس
لا يوجد حقل برومبت سلبي، فعبارة «لا تطبع هذا» جملة داخل البرومبت كأي جملة أخرى. أسقطها فيصير للنموذج أن يعامل حوارك شيئًا يُرسم على الشاشة إضافة إلى نطقه — ولهذا ينتهي عرض Alibaba الرسمي الذي مدته ثلاثون ثانية، والمطبوع أعلاه، بتلك التعليمة بالذات.
no subtitles, no text overlaysصحيحNegative prompt: subtitlesخطأ
كل ما جاء على هيئة برومبت سلبي يُقرأ كلماتٍ إضافية تُرسم، والطلب ينجح رغم ذلك — فيصل الخلل في صورة مقطع مكتمل مكتوب في مكان ما من إطاره «Negative prompt».
والأقواس المعقوفة تعمل أيضًا — {like this} هي ما تصدره أدوات البرومبت على هذا الموقع. وما يبحث عنه النموذج فعلًا جملة محدَّدة بعلامات ومعها متحدث ظاهر، والبرومبتات المنشورة من Alibaba تستخدم علامتي التنصيص لذلك. وتحويل النص إلى فيديو يغطي طبقات الصوت الأربع وترتيب تسميتها.
افحص الصورة الشخصية
قبل أن تنفق رصيدًا
الوجه الذي لا يقرأه Wan 3.0 هو أكثر الطرق إزعاجًا لخسارة عملية إنشاء، لأنك تكتشفه بعد الطابور لا قبله. أفلت الصورة هنا فتُفحص أمام الحدود الحقيقية — الصيغة والحجم والأبعاد والنسبة والشفافية — مع تسمية العلاج لأي صف يسقط. ولا يُرفع شيء: الفحص يجري داخل متصفحك.
JPG · JPEG · PNG · BMP · WEBP · ≤20.0 MB · 240–8,000px · ratio ≤8:1
وجه واحد، مؤطَّر بحيث لا يكون الفم أصغر شيء في الصورة، يعطي المزامنة أكبر قدر تعمل عليه. والفاحص لا يلمس النموذج إطلاقًا، فمعرفة أن صورة شخصية لم تكن لتُقرأ لا تكلف شيئًا.
حدود مزامنة الشفاه مع Wan 3.0
— الصورة والمقطع والصوت
خمسة من هذه الصفوف تحكم الصورة، واثنان يحكمان ما يخرج، والأخير هو الذي ينتج رفضًا لا يتوقعه أحد. وصندوق الرفع أعلى هذه الصفحة يفحص صفوف الصورة قبل أن تنفق شيئًا.
الإطار الأول المثبَّت والتسجيل الصوتي لا يسافران معًا. فالإطارات عائلة مدخلات والمراجع هي الأخرى؛ والطلب الذي يحمل الاثنين يُرفض من أساسه لا يُخفَّض، فالاختيار يقع قبل الرفع.
- صيغة الصورة الشخصية
- JPEG · JPG · PNG · BMP · WEBPصيغة HEIC مرفوضة — فالحاوية الافتراضية في الآيفون ليست على القائمة
- رسمي
- مدة المقطع
- 2 – 30 ثانية بمعدل 30 إطارًا في الثانيةأي عدد صحيح من الثواني، بدقة 480P أو 720P أو 1080P
- رسمي
- المرجع الصوتي
- 5 مسارات · حتى 15 ثانية إجمالًابصيغة WAV أو MP3، حتى 15 ميغابايت لكل مسار، و1–15 ثانية للواحد
- رسمي
الجملة نفسها بلا حقل منفصل وبلا حد منفصل: فهي تعيش داخل البرومبت مع كل شيء آخر، والبرومبت يتسع إلى 20,000 حرف. وما يقيّد الجملة المنطوقة هو الساعة لا عدد الحروف — نحو ثانيتين إلى ثلاث من زمن الشاشة لكل جملة قصيرة، فجملة من خمس عشرة كلمة داخل مقطع من أربع ثوانٍ إما تُستعجل وإما تُقطع. اشترِ الثواني التي تحتاجها الجملة قبل أن تشتري الدقة.
كم يكلف مقطع مزامنة الشفاه مع Wan 3.0
المدة والدقة هما ما يحدد السعر. أما الكلام فلا: فمفتاح الصوت يغير ما يعود لا ما يكلفه، والمرجع الصوتي لا يُحتسب إطلاقًا. والعملية الفاشلة يُعاد رصيدها تلقائيًا، والفاحص أعلاه يبقي أغلب الإخفاقات القابلة للتفادي بعيدًا عن النموذج من الأساس.
كيف تُحتسب الفاتورة
- الاحتساب بحسب
- ثانية الإخراج
- الكلام والمرجع الصوتي
- بلا مقابل
- أول مقطع لك
- بلا مقابل · 480P
جرّب الجملة عند 480P حتى يحط الأداء في محله، ثم أنفق تشغيلة واحدة عند 720P أو 1080P — فالصورة الشخصية لا تحتاج إعادة فحص بين تشغيلة وأخرى. الأسعار كاملة.
الأرصدة الشهرية نفسها في الحالتين
مزامنة الشفاه مع Wan 3.0 — الأسئلة التي يصل بها الناس فعلًا
الأسئلة التي تستحق إجابة قبل أن ترفع وجهًا، والأرقام مأخوذة من جدول معاملات Alibaba نفسه لا من قائمة ميزات.
هل أحتاج ملفًا صوتيًا للحصول على مزامنة الشفاه؟
She says: "Two minutes to set up." — فيولّد Wan 3.0 الكلام بنفسه، في المرور نفسه مع الصورة، والفم يتحرك معه. صورة وجملة هما المدخل كله. أما التسجيل الصوتي فهو المسار الآخر، لحين وجوب أن يكون الطابع طابعًا بعينه.كيف أكتب الجملة لتُنطق لا لتُوصف؟
She says: "…" ثم الأداء. أما الكلمات الملخّصة فتُروى أو تُخترع بدلًا من ذلك. وأدوات البرومبت على هذا الموقع تحيط الجمل بأقواس معقوفة، {like this}، وهي تؤدي المهمة نفسها في تحديد أين تبدأ الجملة وأين تنتهي.خرجت جملتي مطبوعة على الشاشة بدل أن تُنطق. لماذا؟
Negative prompt: subtitles فتفعل العكس: تصير تلك الكلمات شيئًا يُرسم.هل يمكنني رفع صورتي وتسجيلي الصوتي معًا؟
كم يمكن أن تطول الجملة؟
بأي اللغات تعمل مزامنة الشفاه؟
هل يمكن أن يتكلم شخصان في المقطع نفسه؟
هل يكلف الكلام إضافيًا؟
هل تبقى بقية الصورة ساكنة أثناء الكلام؟
وجه من وصوت من يُسمح لي باستخدامه؟
هل يمكنني نشر مقطع ناطق تجاريًا؟
وجه واحد، وجملة واحدة
ارفع الصورة الشخصية، واقتبس الجملة التي تريد سماعها، واستمع إلى ما يعود. مقطع Wan 3.0 مجاني واحد بدقة 480P وحتى ثلاث ثوانٍ — بريد إلكتروني وبلا بطاقة. وإن لم يكن الأداء هو الذي تخيلته، فهو لم يكلفك شيئًا.
كتبه ويحافظ عليه فريق التحرير في wan-3.runنُشر في آخر تحديث إصدار الأداة 2026.09.4