Le problème intéressant dans ce prompt est la découpe, pas l’histoire. Trois échelles de plan en quinze secondes, dans un modèle qui n’a aucun moyen d’exprimer une coupe.
Tous les modèles vidéo à protocole de champs — ceux qui publient un schéma de liste de plans, une grammaire de code temporel, des balises d’éléments entre chevrons — rendent la découpe explicite. Wan 3.0 ne fait rien de tout cela. Il lit une chaîne ordinaire, et tout ce qui ressemble à un repère de plan est du contenu à représenter plutôt que de la structure à analyser. La question est donc de savoir quel anglais ordinaire produit de façon fiable un changement d’échelle de plan, et la réponse se révèle étonnamment étroite : soit vous dites ce que fait la caméra, soit vous dites ce que l’image contient désormais.
Ce prompt utilise les deux. « The camera pushes to an extreme close-up of her face behind the glass » est le premier type — une consigne à la caméra, avec l’échelle de destination nommée. « Finally the frame opens out into a wide concrete plaza where a green-skinned armoured brute twice her height is coming at her » est le second — on ne dit pas à l’image de bouger, on lui dit ce qu’il y a dedans, et un corps deux fois plus grand qu’elle avec de la place pour charger ne peut pas tenir dans un gros plan. Les deux fonctionnent. Le second est plus robuste, parce qu’il contraint la composition par le contenu plutôt que par un terme que le modèle doit interpréter.
Ce qui ne fonctionne pas, c’est de demander une coupe. « Cut to », « next shot », « then we see » sont tous lus comme de la prose. Le modèle en fait quelque chose, et ce quelque chose est en général un filé ou un fondu, parce que ce sont les transitions qui existent à l’intérieur d’images continues. Si vous voulez la sensation d’une coupe, les options honnêtes sont d’écrire un changement de contenu assez fort pour que le modèle doive sauter, ou de générer deux clips et de les monter vous-même.
La fin est écrite, et sur une requête de quinze secondes ce n’est pas facultatif. « The blast throws the brute back through the paving in a wall of dust, and the shot holds on her standing alone in the rubble » assigne le dernier temps et nomme l’image sur laquelle cela s’arrête. Omettez-la et le dernier tiers d’un clip Wan 3.0 part vers ce que le modèle imagine qu’un combat devient, c’est-à-dire de façon fiable un lent recul. Remarquez aussi d’où vient le rayon : du cœur dans sa poitrine, pas d’une main. Une arme a besoin d’une origine, sinon le modèle met la lumière là où la pose le permet, et un émetteur nommé une fois dans le prompt est un émetteur qui reste au même endroit pour le reste du plan.
La deuxième chose à étudier est la couche de son, écrite en miroir de la couche d’image. Bruit de rue, puis servomoteurs, puis grondement — trois sons dans le même ordre que les trois temps, avec le même connecteur. Sur un modèle qui génère audio et image en une passe, ce n’est pas de la décoration ; c’est un énoncé second et indépendant de la conduite, formulé dans une autre modalité. Quand les deux concordent, le rythme se resserre sensiblement. C’est l’astuce de fiabilité la moins chère disponible sur les longues requêtes Wan 3.0, et elle n’est presque dans le prompt de personne.
L’indication de couleur mérite sa propre note, parce que c’est la clause la plus transférable d’ici. « Saturated candy pink against concrete grey » nomme les deux côtés. Un prompt qui ne demande que du rose renvoie souvent une image rose partout — la lumière, les murs, l’étalonnage — auquel point plus rien n’est rose, parce que le rose est une relation. Nommer le fond contre lequel une couleur se pose est la façon d’obtenir une couleur qui se lit. Cela fonctionne pour toute indication de palette et mérite d’en faire une habitude.
Enfin, la réserve honnête qui vaut pour chaque modèle de ce groupe : le clip a été publié sans prompt, et ce texte a été écrit en regardant les images. Il vous donnera un clip de ce genre. S’il vous faut que ce personnage précis survive à un changement d’échelle de plan, le mode texte est le mauvais outil quelle que soit la façon d’écrire le prompt — c’est à cela que servent le mode référence et une image de personnage, et il y en a trois exemples ailleurs dans cette bibliothèque.
Vidéo