عدّ الأفعال. تركض، وتقفز، وتقاتل، وتبلغ، وتفصل. خمسة مقاطع، ثلاثة منها تتضمن تغيير موضع على قطار متحرك، في طلب يقول حقل مدته خمس ثوانٍ. تلك ثانية واحدة لكل مقطع، والثانية الواحدة ليست وقتًا كافيًا كي يسجّل مشاهد أن مقطعًا قد حدث، فضلًا عن أن يخرجه النموذج.
وما يفعله Wan 3.0 ببرومبت كهذا يستحق أن يُفهم بدقة، لأنه ليس ما يتوقعه الناس. فهو لا يبتر. ولا ينفد وقته فيتوقف. بل يضغط الجدول في زمن التشغيل الذي أُعطيه، ومعنى ذلك أن كل مقطع يُحاوَل وكل مقطع يُستعجل — أو، عند هذه النسبة، يسقط أغلبها صامتًا ويختار النموذج أيها يبني المقطع حوله. وفي المحاولة المنشورة اختار الأول: الركض إلى جانب القطار، في الغبار، عند الغروب. وهي لقطة جيدة، وهي ليست اللقطة التي يصفها البرومبت.
وهذا أشيع فشل في هذا الباب، وهو على Wan 3.0 تحديدًا أسهلها إصلاحًا. فالنموذج ينشئ أي عدد صحيح من الثواني بين اثنتين وثلاثين. وتسلسل حركة من خمسة مقاطع يريد قمة ذلك المدى. ورفع الرقم يكلّف ستة أضعاف الأرصدة ويشتري مقطعًا يحتوي على ما كتبته — وهي مقايضة أحسن من خمس محاولات لنسخة مضغوطة.
والذي لا يفعله رفع الرقم وحده هو إعطاء المقاطع ترتيبًا. فلا صياغة رموز زمنية في Wan 3.0. وكتابة "0-6s: she rides alongside" تنفق محارف ولا تشتري شيئًا؛ فالنموذج يقرؤها نصًا. والنحو الذي يعمل هو أدوات الربط الإنجليزية العادية — then وafter that وfinally — وآخرها أهمها. فمقطع من ثلاثين ثانية لا يقول برومبته كيف ينتهي سيخترع نهاية، والنهاية المخترعة تكاد تكون دائمًا انسحابًا بطيئًا من الحركة لا قطعًا على أقوى صورة. وهنا النهاية مكتوبة في الحكاية أصلًا: العربة تبتعد على سكة أخرى. وهي لا تحتاج إلا كلمة "finally" أمامها.
وشيئان في هذا البرومبت ممتازان بهدوء ويستحقان الأخذ مهما فعلت ببقيته. الأول هو القناع. فالبطلة المقنّعة تزيل أصعب مشكلة اتساق في اللقطة — إذ لا وجه يجب إبقاؤه ثابتًا عبر قفزة وعراك — وتعيد تلك الطاقة إلى الحركة. غطِّ وجهًا كلما لم تكن الهوية هي المقصود.
والثاني هو "practical stunt realism". فالحركة المنشأة تميل إلى انعدام الوزن: أجساد تطفو عبر أقواس، واصطدامات بلا متابعة، وخيول تنزلق. وتلك الكلمات الثلاث تطلب العكس، وتفعله بتسمية **طريقة إنتاج** لا خاصية بصرية، وهذه تعليمة أقوى بكثير. فـ"realistic" أمنية. أما "practical stunt" فطريقة تصوير، وقد رأى النموذج قدرًا هائلًا من اللقطات المصورة بها.
وملاحظة بنيوية واحدة عن الوضع. هذا «من صورة مرجعية إلى فيديو»، وهو على Wan 3.0 يعني حتى عشر صور وخمسة مقاطع فيديو وخمسة مقاطع صوتية في طلب واحد — ومعها صياغة حقيقية تصحبها. فالأصول يُستشهد بها في البرومبت هكذا: `Image 1` و`Video 1` و`Audio 1`، بحرف كبير ومسافة، ومرقّمة بترتيبها في المصفوفة. وهذا البرومبت لا يستعمل شيئًا من ذلك، وهو مقبول في عينة منشورة وخاطئ في طلب إنتاجي. فإن كانت الخارجة عن القانون والقطار والوادي أشياء لديك صور لها، فقل ذلك بالرقم، ويكف النموذج عن اختراعها.
وأخيرًا الفاتورة. فالفيديو المرجعي هو المدخل الوحيد الذي يحتسبه Wan 3.0: إذ يُحتسب المقطع المصدر بالسعر نفسه لكل ثانية كالمخرج ويُحسب من سقف الثلاثين ثانية نفسه. وعشر صور مرجعية بلا مقابل، وفيديو مرجعي من خمس عشرة ثانية أغلى ما تستطيع إرفاقه بطلب. ولم يقل ذلك صراحة أحد ممن كتبوا عن هذا النموذج، وهو البند الذي يفاجئ الناس.
الفيديو