Synchronisation labiale IA Wan 3.0

Un prompt, une réplique

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.

• Le plan, la caméra, et qui parle
• La réplique citée, et ce qu’il ne faut pas imprimer

2484 / 20,000

Une passe en sortie

9:16 · 720P · 30 s

Image seuleAvec la réplique

wan3.0-video · 16:9 · 720P · 14 s · parole et bouche dans la même passe

Ces quatre lignes sont tirées de la démo de trente secondes d’Alibaba, qui fait 2 484 caractères pour un plafond de 20 000. La place est là pour fixer le locuteur, le produit et les exclusions — pas pour écrire davantage. Téléverser un portrait au lieu d’en décrire un ne change rien à la façon d’écrire la réplique.

Le générateur de prompts prend la réplique que vous voulez entendre et renvoie un prompt Wan 3.0 complet autour d’elle — locuteur fixé, un seul mouvement de caméra nommé, les couches sonores hiérarchisées, et la réplique délimitée pour qu’elle soit jouée plutôt que narrée. Il confronte le résultat aux règles que ce modèle applique vraiment : la clause qu’on oublie est ajoutée avant que le crédit ne parte, pas après.

1. 01

   Tapez la réplique dont vous avez besoin

   Une phrase suffit pour commencer. Qui la dit et où, cela peut tenir en un fragment.

2. 02

   Récupérez un prompt bâti autour d’elle

   Locuteur, caméra, couches sonores et réplique délimitée, dans l’ordre où Wan 3.0 les lit.

3. 03

   Envoyez-le ici et ajoutez le visage

   Le prompt arrive dans la zone en haut de cette page, avec la durée et le format déjà réglés.

Ouvrir le générateur de prompts

Vous avez déjà un clip dont l’intention vous plaisait ? Vidéo vers prompt transcrit la réplique et vous la rend entre accolades — la forme que ce modèle joue au lieu de narrer.

• 
  01

  Script → prompt

  Confiez la réplique et récupérez une description de plan complète bâtie autour d’elle, le locuteur fixé et la réplique déjà attribuée.

  Offert · sans crédits
• 
  02

  Présentation ou page → script

  Un PDF ou une URL publique devient l’histoire à partir de laquelle le plan est bâti, plutôt que des diapositives avec un avatar qui les lit.

  50 pages · 100 Mo
• 
  03

  Portrait + réplique → prise parlée

  Le visage entre comme image un, la réplique entre citée et attribuée, et la bouche la suit.

  2–30 s · jusqu’au 1080P
• 
  04

  Nouvelle réplique, même prise

  Changez ce que dit un clip existant sans le retourner : le locuteur, le rythme et le cadrage restent en place, et le mouvement des lèvres est régénéré.

  Des images que vous avez déjà

Tout ce qui précède atterrit au même endroit — mes créations conserve le MP4, le prompt et l’identifiant de tâche de chaque lancement : une prise qui vous a plu se rouvre au lieu de se reconstituer.

1. 1

   Déposez le visage

   La vérification est immédiate, dans votre navigateur. Un bon fichier affiche une ligne verte ; un mauvais nomme la correction avant que vous ne dépensiez quoi que ce soit.

   Vérification offerte
2. 2

   Citez la réplique, et dites qui la dit

   Les mots exacts entre guillemets, attribués à la personne à l’écran. Une paraphrase — « elle dit quelque chose de rassurant » — vous donne une réplique inventée par le modèle.

   Les mots exacts, uniquement
3. 3

   Terminez par « pas de sous-titres »

   Il n’y a pas de champ de prompt négatif : l’instruction de ne pas imprimer la réplique est donc une phrase comme les autres. C’est une seule proposition, et elle sauve un lancement entier.

   Une proposition
4. 4

   Réglez la durée et la résolution, puis générez

   Achetez d’abord les secondes dont la réplique a besoin. Un seul MP4 revient, avec la parole, l’ambiance et le mouvement des lèvres déjà dedans.

   Jusqu’au 1080P

Environ quatre-vingt-dix secondes pour un clip court, et vous pouvez fermer l’onglet pendant que ça tourne. La photographie téléversée n’est jamais modifiée — la sortie est un nouveau fichier.

Image 001 · votre visage

002003004005

Parlé, et synchronisé, à partir d’ici

La synchronisation labiale de Wan 3.0 place votre photographie comme première image au sens littéral et génère 2 à 30 secondes vers l’avant, à 30 fps en 480P, 720P ou 1080P. Les mots que vous avez cités reviennent en parole dans la piste audio de ce clip, avec la bouche qui les suit, parce que l’image et le son sont calculés dans la même passe plutôt que recousus en deux.

Votre photo est l’image un

001

Votre photo est l’image un

Fichiers audio que vous devez fournir

0

Fichiers audio que vous devez fournir

N’importe quelle seconde entière

2–30 s

N’importe quelle seconde entière

Un MP4 en retour, le son déjà dedans

1

Un MP4 en retour, le son déjà dedans

• Aucune étape de synthèse vocale avant le calcul
• Aucune passe de doublage après
• Aucun second modèle à licencier pour la bouche

Dix tours · 720P · 30 s

Ce qu’il faut à la bouche pour tomber juste

3

• Les mots exacts, cités plutôt que résumés
• Un locuteur décrit d’assez près pour être fixé
• La caméra sur son visage pendant qu’il parle

La règle qu’on oublie

Il n’y a pas de champ de prompt négatif : « ne pas imprimer ceci » est donc une phrase du prompt comme une autre. Omettez-la et le modèle est en droit de traiter votre dialogue comme quelque chose à dessiner à l’écran en plus de le dire — c’est pourquoi la démo de trente secondes d’Alibaba, publiée plus haut, se termine exactement sur cette instruction.

• no subtitles, no text overlaysJuste
• Negative prompt: subtitlesFaux

Tout ce qui a la forme d’un prompt négatif est lu comme des mots de plus à dessiner, et la requête aboutit quand même — l’échec arrive donc sous forme de clip fini avec la mention « Negative prompt » quelque part dans l’image.

Les accolades marchent aussi — {like this} est ce qu’émettent les outils de prompt de ce site. Ce que le modèle cherche vraiment, c’est une réplique délimitée avec un locuteur visible attaché, et les prompts publiés par Alibaba utilisent les guillemets pour cela. Texte vers vidéo couvre les quatre couches sonores et l’ordre dans lequel les nommer.

La réplique elle-même n’a ni champ ni limite à part : elle vit dans le prompt avec tout le reste, et le prompt tient 20 000 caractères. Ce qui contraint une réplique parlée, c’est l’horloge, pas le nombre de caractères — environ deux à trois secondes d’écran par phrase courte, si bien qu’une réplique de quinze mots dans un clip de quatre secondes est soit précipitée, soit coupée. Achetez les secondes dont la réplique a besoin avant d’acheter la résolution.