Le mode référence est la partie de Wan 3.0 qui n’a pas d’équivalent chez la plupart des modèles concurrents, et c’est aussi celle que les gens utilisent le moins bien. Ce modèle existe pour montrer la syntaxe en usage, parce qu’aucun des deux exemples publiés de cette bibliothèque ne l’utilise.
Le mécanisme est simple et facile à rater. La matière jointe est un tableau ordonné, et le prompt s’y réfère par position : `Image 1`, `Video 2`, `Audio 1`. Majuscule, espace, numérotés à partir de un selon la position dans le tableau. `image1` ne se lie à rien. `Image_1` ne se lie à rien. « La première image de référence » ne se lie à rien. Et le point important : aucun de ces cas ne produit d’erreur. La requête renvoie 200 et le modèle, n’ayant trouvé aucune liaison, invente un sujet. Vous obtenez un clip fini de la mauvaise personne.
La deuxième chose que ce prompt démontre, c’est qu’attribuer une référence et verrouiller une référence sont deux consignes différentes. « Use Image 1 as the performer » dit au modèle à qui appartient ce visage. Cela ne lui dit pas que la veste blanche à capuche, la jupe à volants et les chaussures à plateforme font aussi partie de ce qu’on lui donne. En pratique, une seule citation préserve l’identité de façon fiable et la tenue de façon peu fiable, ce qui pour une image de mode est le sujet entier. La deuxième phrase explicite — garder le visage, les cheveux et toute la tenue exactement comme ils apparaissent — est ce qui referme cet écart.
La troisième chose est l’immobilité, et c’est la moins évidente. Les modèles vidéo animent. C’est leur fonction, et avec cinq secondes et une silhouette assise, ils produiront cinq secondes de petits mouvements : un clignement, une respiration, une main qui s’ajuste, des cheveux qui retombent. Chacun est un moment où la référence peut dériver. Un portrait de référence veut donc un « does not move » explicite, et il veut exactement une exception nommée pour que le clip ne soit pas une image fixe avec du grain. Ici l’exception est un papillon qui se pose sur un bras déjà tendu — doux, lent, sans changement de pose.
Il vaut la peine de nommer ce que ce plan abandonne. Pas d’histoire, pas de renversement, pas de travail de caméra à proprement parler. Cinq secondes et un papillon. L’échange est délibéré : le mode référence est au plus fiable quand on demande au sujet de persister plutôt que de jouer, et une grande partie du travail commercial — lookbooks, produit en main, fiches de personnages, présentations face caméra — a exactement cette forme. Comprendre que le mode référence récompense la retenue vaut plus que n’importe quelle clause de ce prompt.
Sur l’étalonnage : « a heavily saturated grade that pushes the grass and the sky toward the same green » est la phrase la plus transférable d’ici. Elle décrit le look comme une opération sur deux éléments nommés plutôt que comme un mot de style. Les mots de style sont ambigus — « onirique », « éditorial », « cinématographique » veulent dire six choses — alors qu’une consigne qui dit quelles deux choses doivent finir de la même couleur n’a qu’une lecture. Chaque fois qu’un look est difficile à nommer, essayez plutôt de décrire ce qu’il fait à deux objets de l’image.
La réserve honnête, la même que partout dans cette bibliothèque où l’étiquette indique un rendu de référence : le clip a été publié sans prompt et ce texte a été écrit en le regardant. Ce qu’il démontre sur la syntaxe de citation, le verrouillage de la tenue et l’immobilité énoncée est vrai de Wan 3.0 quoi qu’il arrive. Ce qu’il ne fera pas, c’est reproduire cette femme-là, parce que nous n’avons pas l’image qui avait été jointe.
Vidéo