Wan 3.0 de texte à vidéo
Trente secondes, le son compris
Un prompt en entrée, un clip fini en sortie — sans logiciel de montage entre les deux. Wan 3.0 de texte à vidéo tourne de 2 à 30 secondes en 480P, 720P ou 1080P et écrit le dialogue, les effets et la musique dans le même fichier que l’image. Le premier est offert, et il tourne sur le vrai modèle plutôt que sur celui de l’an dernier.
Six prompts Wan 3.0 de texte à vidéo et les clips qu’ils ont produits, puis le reste de la bibliothèque · appuyez sur Essayer pour en charger un
12s · 16:9 · 720PDanseuses en contre-jour
Ce que Wan 3.0 de texte à vidéo vous donne vraiment
Wan 3.0 de texte à vidéo prend un prompt écrit d’au plus 20 000 caractères et renvoie un seul MP4 de 2 à 30 secondes à 30 fps, en 480P, 720P ou 1080P, avec paroles, effets sonores et musique générés dans la même passe. Il n’y a ni étape audio séparée, ni phase d’agrandissement.
Une femme marche dans une rue.
Le modèle a rempli le reste
- à quelle heure du jour ?
- comment est-elle habillée ?
- d’où vient la lumière ?
- dans quel sens bouge la caméra ?
- qu’est-ce qu’on entend ?
- comment ça se termine ?
Wan 3.0 · 16:9 · 720P · 5 sSix réponses que vous n’avez pas données, choisies à votre place. Ce n’est pas le modèle qui fait mal son travail — un prompt est un cahier des charges, et chaque question qu’il laisse ouverte est une question que Wan 3.0 doit trancher seul. C’est la place pour y répondre qui fait toute la différence : 20 000 caractères, c’est bien plus qu’aucun plan n’en demande, et le brief sonore vit dans le même champ que l’image.
- Caractères que vous pouvez écrire
- 20,000
- N’importe quel nombre entier
- 2–30 s
- À tous les paliers
- 30 fps
- Résolutions : 480P · 720P · 1080P
- 3
- Image et son ensemble
- 1 passe
Caractères que vous pouvez écrire
N’importe quel nombre entier
À tous les paliers
Résolutions : 480P · 720P · 1080P
Image et son ensemble
- Aucune photo de départ
- Aucune étape audio séparée
- Aucune phase d’agrandissement
Cinq secondes et trente secondes sont
deux prompts Wan 3.0 différents
C’est la première chose que les gens se trompent. Un clip Wan 3.0 court veut une seule action décrite précisément. Un long veut des temps forts dans l’ordre — et si vous laissez le dernier tiers sans consigne, le modèle le remplit comme bon lui semble. Trois vrais clips ci-dessous, un par durée, avec le prompt qui a produit chacun.
5 secondes
une seule action

One subject, one action, one framing. Do not describe a change — there is no room to deliver one.
Tient
Trois temps forts écrits dans cinq secondes, et le modèle garde le plus fort. Demandez-en un seul et vous obtenez celui que vous avez demandé.
12 secondes
des temps forts, dans l’ordre

Two or three beats with the order stated. Then, after that, finally — connectives are the only scheduling grammar there is.
Se résout
Assez long pour qu’une forme arrive, tienne et reparte. Assez court pour qu’une histoire n’y entre pas — et Wan 3.0 n’a aucune grammaire de repères temporels, donc l’ordre doit passer par des mots.
15 secondes
des temps forts, plus une fin

Give every beat one job and write the last one down. An unplanned final third is the most common way a long clip goes wrong.
Atterrit
Quatre temps forts, et le quatrième n’existe que pour que le modèle n’ait pas à inventer une façon de s’arrêter.
La plage va de 2 à 30 secondes, en nombres entiers, en une seule prise continue. Un brouillon en 480P coûte le quart du 1080P pour les mêmes secondes : trouvez la durée en 480P et dépensez la résolution une seule fois. Chacun de ces prompts est publié en entier dans les exemples de prompts.
Composez un prompt Wan 3.0 à partir
de la formule d’Alibaba
Remplissez les cases, regardez le prompt s’assembler, envoyez-le directement au générateur.
Alibaba publie la forme qu’un prompt Wan 3.0 devrait prendre : entité, puis décor, puis mouvement, puis contrôle esthétique, puis stylisation, avec le son écrit à côté. La plupart du temps, cette forme se dissout dans la prose. Ces cases la gardent — et aucun des noms de champs n’atteint le modèle, parce que Wan 3.0 lit un seul paragraphe simple et dessine tout ce qui ressemble à un intitulé.
L’ordre compte
Où vont les mots
Entité, décor, mouvement — ce qui se passe
Qui ou quoi est dans le plan, où ça se trouve, et ce qui bouge.
- Entité
- Décor
- Mouvement
Écrivez-le dans cet ordre, en phrases simples. Décrivez le sujet assez concrètement pour l’imaginer, donnez au lieu une heure du jour et une source de lumière, et dites ce qui bouge, sur quelle distance et à quelle vitesse. L’immobilité est une réponse — une caméra dont vous ne parlez jamais est une caméra que le modèle peut bouger à sa guise.
Contrôle esthétique, stylisation — comment c’est filmé
Échelle de plan, mouvement de caméra, objectif, lumière — puis un rendu nommé, si le plan en a besoin.
- Contrôle esthétique
- Stylisation
Une seule proposition séparée par des virgules, qui porte le cadrage, le mouvement de caméra avec son amplitude et sa vitesse, l’objectif et la lumière. La stylisation vient en dernier et reste facultative : un genre emporte avec lui toute une grammaire de découpage, si bien que trois mots valent un paragraphe de description.
Son — la même passe
Dialogue, effets, ambiance, musique — et les silences.
- Dialogue
- Effets
- Ambiance
- Musique
Wan 3.0 écrit l’audio en même temps que l’image : ceci est donc un brief sonore, pas une réflexion après coup. Nommez les couches séparément, mettez les répliques entre accolades, et dites ce que vous ne voulez pas entendre — il n’y a pas de champ de prompt négatif, donc « pas de musique » est une phrase.
Prompt assemblé, en direct
Entité, décor, mouvement
Un coursier en veste jaune trempée pousse une porte de l’épaule dans une ruelle étroite la nuit, le néon débordant sur la brique mouillée.
Contrôle esthétique, stylisation
Plan moyen, la caméra avance lentement, un petit mouvement, 35 mm, faible profondeur de champ, lumière dure venue du décor.
Son
Pluie sur le tissu et l’asphalte, un gond de porte, la circulation au loin. Pas de musique.
0 / 20000
Les cases donnent l’ordre dans lequel nous composons. Les intitulés n’atteignent jamais le modèle.
Ce que Wan 3.0 en fait
- 01Une seule chaîne simple, jusqu’à 20 000 caractères
- 02Aucun nom de champ, aucun marqueur de plan, aucun repère temporel
- 03Le dialogue est joué quand c’est {la réplique exacte}
- 04Les exclusions s’écrivent en phrases, pas dans un champ négatif
- 05L’audio est généré dans la même passe, au même prix
Plutôt ne rien écrire de tout ça ? Le générateur de prompts compose l’ensemble à partir d’une seule ligne, offert et sans compteur. Ou partez d’onze prompts qui ont déjà produit des clips.
Nommez le mouvement de caméra, obtenez la sensation
Écrivez cinematic et il ne se passe rien — il n’y a rien là-dedans à exécuter. Wan 3.0 veut un mouvement, et il le suit de bien plus près quand ce mouvement porte une amplitude et une vitesse.
push in / pull out / tracking shot / arc shot / tilt up / pan across / static shot
a small move / a large move
slowly / quickly
Ça bouge
slowly push in, a small move
cinematic camera work
Rien à exécuter
starts with close-ups, then gently circles both playersUne suite, pas un minutage. Commence par… puis… : c’est toute la grammaire.
rising slowly from ground level as the machine standsLe mouvement est lié à l’action : il ne peut donc pas s’en désynchroniser.
a slow push in that stops before the centre dancer fills the frameUn mouvement avec une condition d’arrêt plutôt qu’une durée. Plus robuste que les deux.
Où se produit le mouvement
Au-delà de la durée que vous avez fixée — le modèle comprime au lieu d’allonger
La durée que vous avez fixée s’arrête ici
Wan 3.0 n’a aucune grammaire de repères temporels. L’ordre vient des connecteurs — puis, ensuite, enfin — et la façon la plus fiable de placer un mouvement de caméra est de l’accrocher à une action plutôt qu’à un instant, parce qu’un mouvement lié à une action se comprime avec elle au lieu de se désynchroniser.
Vous avez déjà des images que vous préféreriez restyler plutôt que réécrire ? C’est Wan 3.0 pour modifier une vidéo. Besoin du même sujet sur plusieurs clips ? Image de référence.
Écrire le dialogue et le son dans
un prompt Wan 3.0
Wan 3.0 génère l’audio en même temps que l’image, dans la même requête : le champ de prompt est donc aussi le brief sonore — et il coûte exactement la même chose que vous l’écriviez ou non. N’en dites rien et vous obtiendrez quand même une bande-son ; simplement, c’est le modèle qui l’aura choisie.
L’anatomie d’une réplique
Même passe · sans supplément
Son écrit en trois étages · 720P · 15 sQuatre couches, nommées séparément
4
- Dialogue
- Effets
- Ambiance
- Musique
La règle qu’on oublie
Il n’y a pas de champ de prompt négatif. Les exclusions entrent dans le prompt sous forme de phrases, et le silence en fait partie — écrivez « pas de musique » et vous n’en aurez pas, ne dites rien et vous aurez ce que le modèle a jugé que la scène méritait.
no music, no voice-overJusteNegative prompt: music, voice-overFaux
Tout ce qui a la forme d’un prompt négatif est lu comme des mots à dessiner, et la requête aboutit quand même — l’échec arrive donc sous la forme d’un clip fini avec les mots dedans.
Vous partez d’une photo de la personne qui parle ? Synchronisation labiale place une zone de téléversement devant la même convention. Besoin du même visage ou de la même voix sur plusieurs clips ? Servez-vous d’Image de référence — elle porte jusqu’à dix images, cinq clips et cinq fichiers audio dans une même requête.
La fiche technique de Wan 3.0 de texte à vidéo,
et quatre pièges
Deux de ces pièges coûtent de l’argent la première fois qu’on les rencontre : laissée vide, la résolution retombe sur le palier le plus cher, et un format manquant fait échouer la requête tout net. Le reste, ce sont les chiffres Wan 3.0 publiés par Alibaba, chacun relié à sa source.


- 01Longueur du prompt
- 20 000 caractèresAu-delà, l’entrée est tronquée en silence plutôt que refusée
- Durée
- 2–30 s, secondes entièresUne passe. Au-delà de trente, c’est un second clip et un logiciel de montage
- Images par seconde
- 30 fps
- 02Résolution
- 480P · 720P · 1080PRetombe sur le 1080P si elle n’est pas fixée — fixez-la explicitement
- 4K
- Non pris en charge
- Format d’image
- adaptive, 16:9, 4:3, 1:1, 3:4, 9:16Le texte vers vidéo demande un format concret — adaptive n’a aucune photo pour en déduire un
- Audio
- Généré dans la même passeActivé ou non, le prix est identique
- Graine
- 0–2 147 483 647Fixe l’essentiel de la variation, pas tout
Source: Alibaba Cloud Model Studio · Référence Wan 3.0 de texte à vidéo
Les quatre choses qui font trébucher
- 01
La résolution retombe sur le palier le plus cher.
- 480P
- 720P
- 1080P
- unset
Ne la fixez pas et Wan 3.0 génère — et facture — en 1080P. Faites vos brouillons en 480P, qui coûte le quart du prix pour les mêmes secondes, et dépensez la résolution une seule fois sur celui que vous gardez.
- 02
Il n’y a pas de champ de prompt négatif.
- no music
- no on-screen text
- no camera shake
- negative_prompt
Les exclusions entrent dans le prompt sous forme de phrases. Tout ce qui est mis en forme comme un prompt négatif arrive sous forme de mots à dessiner, et la requête renvoie quand même un 200 — vous payez donc un clip avec les mots dedans.
- 03
La numérotation des références distingue la casse.
- Image 1
- Video 1
- Audio 1
- image1
Avec la majuscule, une espace, et un numéro par type dans l’ordre de téléversement. Les minuscules et les tirets bas ne se relient à rien, et le modèle invente un sujet en silence. Plus de détails dans Image de référence.
- 04
La durée automatique cache le prix.
- 3s
- 5s
- 15s
- 30s
- auto
Laisser le modèle choisir la durée, c’est ne connaître le coût qu’une fois fini. Nous facturons une durée explicite à la place : le nombre sur le bouton est le nombre qui part.
Ce que coûte un clip Wan 3.0 de texte à vidéo
Les crédits partent quand le clip revient, pas quand vous appuyez sur générer. Un lancement raté ne coûte rien, remboursé automatiquement sans réclamation. La durée et la résolution sont les deux seules choses qui font bouger la note — l’audio, non, le format d’image, non, et le forfait sur lequel vous êtes, non plus.
Un clip de 5 secondes, en crédits
- 480P
- 40 crédits
- 720P
- 80 crédits
- 1080P
- 160 crédits
Chaque palier double, et Wan 3.0 compte dès la première seconde sans plancher offert : un clip de 15 secondes coûte donc trois fois son voisin de 5 secondes. La boucle pratique : trouvez le plan en 480P, puis lancez celui que vous gardez une seule fois en 1080P. Le tableau complet des crédits, et ce que coûte un clip de trente secondes.
Les mêmes crédits mensuels dans les deux cas
Wan 3.0 de texte à vidéo en trois étapes
Trois étapes, aucun logiciel de montage, aucune seconde passe pour l’audio. Il arrive dans le même fichier que l’image parce que Wan 3.0 les a faits ensemble.
Écrivez le plan et le son
Un seul champ prend les deux. Servez-vous du composeur ci-dessus si c’est la page blanche qui bloque, et nommez un mouvement de caméra plutôt que d’aller chercher des adjectifs — le modèle répond au mouvement, pas à l’ambiance.
Jusqu’à 20 000 caractèresRéglez la durée et la résolution
De deux à trente secondes entières. Faites vos brouillons en 480P : le cadrage que vous testez n’a pas besoin de plus, et c’est le même Wan 3.0 à tous les paliers — la résolution achète des pixels, pas un meilleur modèle.
2–30 s · 480P / 720P / 1080PTéléchargez le MP4
L’audio est déjà mixé dedans. Rien à calculer ensuite, rien à ouvrir.
Un seul fichier, le son compris
Environ quatre-vingt-dix secondes pour un clip court ; trente secondes en 1080P prennent plus longtemps. Vous pouvez fermer l’onglet pendant que ça tourne — le résultat vous attend à votre retour, et un lancement raté se rembourse tout seul.
Questions sur Wan 3.0 de texte à vidéo
Ce que Wan 3.0 lit dans un prompt, ce qu’il invente là où vous laissez un vide, et ce que coûte un lancement
Qu’est-ce que Wan 3.0 de texte à vidéo ?
Faut-il créer un compte pour essayer Wan 3.0 de texte à vidéo ?
Quelle durée peut faire un clip Wan 3.0 de texte à vidéo ?
Quelle longueur peut faire un prompt Wan 3.0 ?
Wan 3.0 de texte à vidéo génère-t-il le son ?
Y a-t-il un prompt négatif dans Wan 3.0 ?
Comment écrire un dialogue ?
Puis-je obtenir de la 4K avec Wan 3.0 de texte à vidéo ?
Pourquoi mon clip a-t-il ignoré une partie du prompt ?
Que se passe-t-il si la génération échoue ?
Une phrase suffit pour le savoir.
Votre premier clip est offert — Wan 3.0 lui-même en 480P, jusqu’à trois secondes, avec le son. Pas ce que vous imaginiez ? Ça ne vous aura rien coûté, le composeur est encore ouvert un écran plus haut, et un lancement raté n’est jamais facturé ici.
Écrit et maintenu par l’équipe éditoriale de wan-3.runPublié le Mis à jour le Outil version 2026.09.4
