Sept plans depuis un seul prompt Wan 3.0 : le format, et où il glisse

Commençons par ce qui vous épargne un après-midi : il n’y a pas de mode réalisateur. Aucun interrupteur, aucun paramètre shots, rien dans la requête Wan 3.0 qui accepte un nombre de plans. Plusieurs guides bien classés décrivent une fonction « AI Director » à six plans avec des contrôles par plan ; ouvrez le tableau des paramètres d’Alibaba et cherchez le champ : il n’y est pas, parce que le multi-plans chez Wan 3.0 est un format de prompt et non un réglage.

C’est une meilleure nouvelle qu’il n’y paraît. Un format ne coûte rien à essayer, fonctionne à l’identique chez tous les fournisseurs, et se change en milieu de phrase. Ce que cela veut dire aussi, c’est que rien n’impose votre liste de plans, et c’est la partie autour de laquelle il faut planifier. Le nombre de plans est l’une des six couches que le modèle lit dans un prompt, et le guide des prompts Wan 3.0 couvre les cinq autres.

Il n’y a pas de paramètre de nombre de plans dans la référence de l’API Wan 3.0 ni dans le schéma de création de tâche. Les deux valent d’être ouverts avant de croire une page qui dit le contraire. Lus le 2026-08-25.

Le modèle coupe que vous le demandiez ou non

C’est le fait le plus utile à propos des longues générations Wan 3.0, et presque personne n’en fait son ouverture.

Laissez la découpe non spécifiée et Wan 3.0 choisit la sienne. Sur un prompt lâche, il coupera volontiers entre deux ou trois dispositifs en cinq secondes, et sur trente il construira quelque chose qui a l’air monté. Avec compétence, en général. Entièrement son film plutôt que le vôtre.

Il y a donc deux travaux, et ils demandent des instructions opposées :

Cette seconde ligne n’est pas une suggestion de style. Les recommandations d’Alibaba nomment elles-mêmes la phrase, et sans elle une requête de trente secondes est un tirage au sort entre une prise longue et un petit film monté. Si vous arrivez de l’article sur le choix d’une durée, c’est la phrase qui fait que la prise unique de trente secondes en est réellement une.

Le format numéroté

La forme officielle de Wan 3.0 est un résumé d’une ligne, puis des plans numérotés portant chacun une plage de temps, et une ligne finale pour le ton et l’audio.

A short piece about a baker opening up before dawn, told in seven shots.

Shot 1 [0-4s]:   Wide — the shutter rolls up, street still dark, breath visible.
Shot 2 [4-9s]:   Medium — she ties an apron, flour dust catching the work light.
Shot 3 [9-13s]:  Close-up — dough turned out onto steel, hands pressing once.
Shot 4 [13-18s]: Medium — trays slide into the oven, door thumps shut.
Shot 5 [18-22s]: Insert — the clock hits six, light changing at the window.
Shot 6 [22-26s]: Medium — she sets a loaf in the window, straightens, exhales.
Shot 7 [26-30s]: Wide — the first customer pushes the door, bell over it.

Overall tone: warm, unhurried. Room tone, oven hum, the bell at the end.
No music.

Quatre règles qui ressortent des exemples officiels :

1. Les plages de temps doivent paver toute la durée. Les trous et les chevauchements sont l’endroit où le rythme se dérègle.
2. Un événement principal par plan, avec un état final visible. « She ties an apron » est un plan. « She gets ready » est une ambiance.
3. N’écrivez pas les transitions. Pas de « cut to », pas de « then ». Le modèle déduit une coupe de la frontière entre deux plans, et le vocabulaire de transition a tendance à brouiller la structure plutôt qu’à la resserrer.
4. Énoncez l’audio une fois, à la fin. Wan 3.0 ajoute de la musique et des répliques de sa propre initiative, donc No music est une vraie instruction, et vous en aurez besoin plus souvent que prévu.

Sept plans sur trente secondes font 4,3 secondes en moyenne, ce qui est à peu près le plancher d’un plan qui se lit. En dessous de trois secondes, vous décrivez un montage, et le modèle le traitera comme tel. Si vous préférez partir d’une structure plutôt que d’une boîte vide, le générateur de prompts dispose un brief en temps numérotés.

Là où ça glisse : le nombre de plans est une demande, pas un contrat

Puisque rien n’impose la liste, le nombre de coupes livré peut différer de celui que vous avez écrit — et il diffère. Des comptages de coupes indépendants menés sur la vitrine publiée par Alibaba elle-même ont trouvé des tâches multi-plans qui revenaient avec environ la moitié des plans spécifiés par le prompt.

Cela vaut d’être intégré avant de planifier un brief à sept plans. Le format donne au modèle une intention, pas une conduite à laquelle il serait tenu. Trois conséquences :

• Ne mettez pas d’exigence ferme dans le plan sept. Si le logo doit apparaître, cela ne devrait pas dépendre du respect de votre dernière plage de temps.
• Comptez les coupes du résultat avant de juger le contenu. Une séquence qui « paraît précipitée » est en général une séquence où deux de vos plans ont fusionné.
• Plus vous demandez de plans, plus le compte dérive. Quatre à cinq plans sur trente secondes sont bien plus fiables que sept, et sept est plus fiable qu’un plan toutes les deux secondes.

Tenir un personnage à travers les coupes

La cohérence à l’intérieur d’une prise continue est surtout le problème de Wan 3.0. À travers des coupes, elle devient le vôtre, et l’échec est précis : le visage tient en général tandis que les accessoires se promènent. Dans les images de démonstration d’Alibaba, des observateurs ont relevé un bandeau de chapeau et un pendentif qui changeaient tous deux alors que le visage restait stable — à l’intérieur d’une seule prise ininterrompue, même pas à travers une coupe.

Trois habitudes qui fonctionnent, par ordre de rendement :

Changez exactement une variable par plan. La plupart des plaintes sur la cohérence viennent d’un prompt qui a déplacé le lieu, l’angle de caméra et la lumière à la même frontière. Le modèle n’a plus rien à quoi se tenir. Déplacez une chose, tenez le reste.

Redites la tenue complète dans chaque description de plan. Cela paraît redondant, et c’est la redondance au meilleur rendement de tout le prompt. « Elle » au plan cinq n’est pas la même instruction que « elle, tablier gris sur tee-shirt blanc, cheveux attachés » au plan cinq.

Liez vos références par leur nom et réutilisez le nom. Wan 3.0 accepte 10 images de référence, 5 clips de référence et 5 pistes audio, adressés dans le prompt par « Image 1 », « Video 2 » et ainsi de suite, les images et les vidéos étant comptées séparément. Liez une fois en tête — Image 1 definit le boulanger ; ne prends que le tablier de Image 2 — puis renvoyez à la liaison plutôt que de redécrire la personne.

Une note économique qui commande toute la composition : les images de référence ne coûtent rien de plus, les secondes d’un clip de référence sont facturées à votre tarif de sortie. Dix images fixes sont gratuites ; un clip de référence de quinze secondes est l’entrée la plus chère du menu. Pour l’identité et la tenue, prenez des images fixes.

Trois versions travaillées de cette liaison, chacune avec le prompt imprimé en entier et la numérotation qu’il lui faut : quatre temps d’action serrés dans cinq secondes, qui est surtout une leçon sur ce qui ne rentre pas ; un passage de relais écrit en temps rédigés avec une clause de maintien complète ; et un portrait presque fixe qui tient une image de référence pendant que seuls les papillons bougent.

Le style : la 3D et le dessin animé tiennent, si vous les légiférez une fois

Les looks stylisés — animation 3D, dessin animé au cel-shading, pâte à modeler — tiennent à travers une séquence multi-plans de Wan 3.0 à peu près aussi bien que le photoréaliste, et ils échouent de la même manière quand ils échouent : une dérive à une frontière de plan où trop de choses ont changé.

La technique consiste à mettre le style dans les règles globales, au-dessus de la liste de plans, plutôt que de le répéter plan par plan :

Style: 3D animation, soft rounded forms, matte surfaces, no photoreal skin
texture. Palette: warm ochre, cream, one accent of teal. Key light always
from frame left. Do not change render style between shots.

Deux choses y gagnent leur place. Une palette nommée est bien plus stable que « des couleurs chaudes », parce que le modèle peut tenir trois valeurs nommées sur sept plans et ne peut pas tenir un adjectif. Et une interdiction explicite — do not change render style between shots — mérite d’être écrite ; la couche des exclusions est celle où les exemples officiels en format long sont les plus agressifs, et la dérive de style est exactement ce qu’elle existe pour empêcher.

Quand il vaut mieux découper le travail

Parfois la bonne réponse n’est pas un meilleur prompt. Si la séquence contient un livrable ferme — un produit qui doit être exact, un logo qui doit tomber, une réplique qui doit être dite — la dérive du nombre de plans évoquée plus haut fait d’une génération unique à sept plans le mauvais outil.

L’alternative qui fonctionne :

1. Verrouillez le look une fois, sur une seule image fixe.
2. Construisez une image clé par plan à partir de cette fixe, en changeant exactement une chose à chaque fois.
3. Générez chaque plan séparément avec la référence liée.
4. Raccordez en local.

Cela coûte plus de générations et vous donne un nombre de plans que vous avez choisi. Cela en vaut la peine quand quelque chose dans l’image n’est pas négociable ; c’est disproportionné pour une pièce d’ambiance.

Et si exactement un détail est faux dans un plan, ne régénérez pas le plan. Wan 3.0 sait modifier un clip existant sur place — changer l’accessoire, garder les actions, la tenue et le reste de l’image — pour une fraction du coût d’un nouveau tirage sur les trente secondes entières.

Quatre affirmations sur le multi-plans que le tableau des paramètres ne soutient pas

Si un guide décrit une fonction que vous ne pouvez pas exprimer dans une requête, il n’a pas été écrit à partir de la documentation. C’est un filtre utile bien au-delà de ce seul modèle.

Une liste de contrôle à sept plans

1. Ligne de résumé d’abord, puis plans numérotés, puis ton et audio.
2. Les plages de temps pavent la durée entière, sans trou.
3. Un événement principal et un état final par plan.
4. Aucun mot de transition entre les plans.
5. Style, palette et interdictions dans un bloc global au-dessus de la liste.
6. Tenue redite dans chaque plan où le personnage apparaît.
7. Rien de porteur dans le dernier plan.

Questions fréquentes

Wan 3.0 a-t-il un mode multi-plans ou réalisateur ?

Non. Il n’y a pas de paramètre de plans dans l’API et aucun mode à activer. Vous obtenez plusieurs plans en écrivant des plans numérotés avec des plages de temps dans le prompt, ce qui veut dire que cela fonctionne de la même façon chez tous les fournisseurs.

Combien de plans une génération peut-elle contenir ?

Aucune limite documentée, parce qu’il n’y a aucun réglage pour limiter. Trente secondes est la vraie contrainte — quatre à cinq plans tiennent ensemble le plus fiablement chez Wan 3.0, et sept est jouable à environ quatre secondes chacun. Demandez-en davantage et le modèle commence à les fusionner.

Comment empêcher Wan 3.0 de couper ?

Écrivez « one continuous take ». Si vous ne dites rien, le modèle choisit sa propre découpe et coupera en général, même sur des clips courts.

Pourquoi mon personnage change-t-il d’un plan à l’autre ?

Presque toujours parce qu’une frontière de plan a changé plusieurs choses à la fois. Déplacez une variable par plan, redites la tenue en entier à chaque fois, et liez une image de référence d’identité plutôt que de redécrire la personne. Surveillez les accessoires en particulier — chapeaux, bijoux et objets dérivent bien avant les visages.

Le style 3D ou dessin animé fonctionne-t-il aussi bien que le photoréaliste ?

Oui, et Wan 3.0 tient un look stylisé à travers les coupes à peu près aussi bien qu’un look photoréaliste. Mettez le style, une palette de couleurs nommée et un « do not change render style between shots » explicite dans un bloc global au-dessus de la liste de plans, plutôt que de les répéter plan par plan.