C’est le prompt le plus long et le plus complet de la bibliothèque, et il mérite deux lectures — une pour ce qu’il fait bien, c’est-à-dire presque tout, et une pour la seule chose qu’il omet.
Commencez par la structure. Cinq paragraphes, séparés par des lignes vides : mise en place, l’échange, le retournement, le plan de caméra, le verrou. Rien n’est numéroté, aucun temps n’a de code temporel, et l’ordre est porté entièrement par la suite dans laquelle les paragraphes apparaissent. C’est la forme correcte pour Wan 3.0. Le modèle n’a pas de grammaire d’horaire — aucun moyen de dire qu’un temps tombe à 3,5 secondes — donc le seul ordre disponible est l’ordre des mots. Les paragraphes rendent cet ordre visible à la personne qui édite le prompt autant qu’au modèle, et c’est pourquoi cela se lit plus clairement que les longues énumérations à virgules ailleurs sur cette page.
Le paragraphe de caméra est le morceau d’écriture le mieux construit de la bibliothèque. Il a trois mouvements dans l’ordre — il ouvre sur un plan large, il accompagne la navigatrice, il s’installe en plan à deux — puis une quatrième phrase que la plupart des prompts n’écrivent jamais : « End with both characters illuminated only by the cyan star map and the orange energy core. » C’est la fin, énoncée. Wan 3.0 produira une fin que vous en spécifiiez une ou non, et la version non spécifiée est presque toujours une dérive : la caméra continue de glisser, l’action s’éteint, la dernière image n’est le choix de personne. Écrire l’image finale prend une phrase et c’est la phrase au plus fort rendement de tout long prompt.
Le paragraphe de verrou fait le travail pour lequel le mode existe. « Maintain the exact identities, hairstyles, facial features, outfits, equipment, colors, and proportions of both reference characters » est une énumération plutôt qu’un adjectif, et cela compte. « Gardez les personnages cohérents » donne au modèle un objectif dont il peut prétendre s’être acquitté ; une liste de sept attributs nommés lui donne sept choses sur lesquelles il peut être mesuré. Énumérer ce qui ne doit pas changer est la forme fiable.
Et maintenant le manque. Wan 3.0 a exactement un morceau de syntaxe qu’il analyse au lieu de le lire : une citation d’élément. La matière jointe à une requête de référence s’adresse dans le prompt comme `Image 1`, `Video 1`, `Audio 1` — majuscule, espace, numérotée selon sa position dans le tableau. C’est ainsi qu’une phrase se lie à un fichier envoyé précis. Ce prompt ne s’en sert jamais. Il dit « both reference characters » et fait confiance au modèle pour deviner quelle description appartient à quel envoi.
Avec deux personnages visuellement distincts, cela marche la plupart du temps. Avec quatre, ou avec deux personnes qui partagent une couleur de cheveux, non — le modèle moyenne les descriptions sur l’ensemble des références, et le résultat est une distribution où tout le monde se ressemble vaguement. La correction tient en deux phrases en tête : `Image 1 is the silver-haired navigator. Image 2 is the black-coated operative.` Et chaque mention ultérieure devient « la navigatrice de Image 1 ». Cela coûte une quarantaine de caractères et cela convertit un problème d’inférence en une consultation de table.
Les limites méritent d’être présentes à l’esprit pendant l’écriture. Dix images de référence, cinq clips de référence, cinq pistes audio, les familles vidéo et audio étant chacune plafonnée à quinze secondes au total. Matière de référence et images clés ne voyagent pas ensemble. Et celle qui apparaît sur la facture plutôt que dans la réponse : le clip de référence est facturé au même tarif à la seconde que la sortie et compté dans le même plafond de trente secondes, tandis que les images, l’audio, les documents et les liens sont gratuits. Un clip de référence de quinze secondes est la chose la plus chère que vous puissiez joindre à une requête Wan 3.0, et c’est le fait que cette page aimerait le plus vous faire connaître avant que vous n’en joigniez un.
Cet exemple a tourné sur Prime. Comme sur les deux autres modèles Prime : c’est le palier de vitesse, avec la même spécification de sortie publiée que le modèle standard, à environ moitié plus cher à la seconde. Il est revenu plus tôt. L’image n’est pas la raison de le choisir.
Vidéo