P—06 / 軌道廢料場的交接

Wan 3.0 參考圖生影片提示詞 —— 維持條款,以及它缺的那一行

這裡最長的一段提示詞,花了一整段去讓兩個角色保持一致 —— 卻一次素材引用都沒有。

兩個角色在一座軌道廢料場碰面、交換某樣東西,然後電力中斷。它是這個庫裡唯一一段用分段落寫的提示詞,而那正是你在「不假裝 Wan 3.0 讀得懂時間碼」的前提下給它節拍的方法,並且它帶著一整條維持條款。它同時也示範了那些公開範例全都做錯的一件事:它從來沒有用編號引用自己的參考素材。

模式
參考圖生影片
模型
Prime
長度
5s
比例
16:9
解析度
720P
音訊
工業環境聲音底,在同一次執行裡生成
點數
120

阿里巴巴為這個模型公布的示例 —— 不是在本站生成的。 來源:wavespeed.ai

Output reference

一位銀髮領航員手持青色星圖,面對一位身著黑色大衣的幹員,場景是一座軌道廢料場影片
這支片子

10 張圖 · 5 段影片 · 5 段音訊 · 影片合計 15 秒

1,377 / 20,000

參考素材 要用點數。免費那支是給提示詞或一張照片、出一支片子 —— 讓我們去讀檔案、連結或你手上的素材,是同一個 Wan 3.0 模型的付費那一側。看看一支片子多少錢

1 支免費 · WAN 3.0 · 480P

01 —— 內部

一條提示詞,一套流程

片子擺在做出它的那條提示詞旁邊,整條印出來。把它複製進上面的控制台,改你需要改的,然後生成。

參考產出

一位銀髮領航員手持青色星圖,面對一位身著黑色大衣的幹員,場景是一座軌道廢料場影片
片子
這條提示詞the clipWan 3.0 Prime · 參考圖生影片
1,377 chars

交接

五個段落:調度、交換、轉折、鏡頭計畫、維持條款。節拍之間用空行分隔,不用編號。

A cinematic science-fiction scene inside a colossal orbital scrapyard above a distant planet. The silver-haired female navigator walks carefully through rows of abandoned spacecraft while holding the transparent star-map device. The black-coated synthetic operative waits beside a damaged shuttle, holding the floating black sphere above his mechanical hand.

She stops several steps away from him and activates the star map. Cyan holographic constellations expand between them. The man raises the black sphere, and its geometric shell slowly opens, revealing a small intensely glowing energy core.

Both characters suddenly look upward as the entire scrapyard loses power. The surrounding machinery shuts down and distant warning lights turn red.

The camera begins with a wide shot revealing the enormous orbital scrapyard, slowly tracks beside the female navigator as she approaches, then settles into a low cinematic two-shot during the exchange. End with both characters illuminated only by the cyan star map and the orange energy core.

Maintain the exact identities, hairstyles, facial features, outfits, equipment, colors, and proportions of both reference characters. Realistic restrained acting, slow atmospheric camera movement, industrial science-fiction production design, cinematic volumetric lighting, subtle zero-gravity debris, high-end sci-fi movie aesthetic.

6 層

每一層在做什麼

Wan 3.0 讀的是一整條白話字串,但它是順著接縫讀的。拿走一層,而不是整條提示詞 —— 美學和聲音那兩行幾乎能換到任何主體上,而它們正是大多數人寫得最差的兩行。

  1. Entity

    The silver-haired female navigator … The black-coated synthetic operative … the transparent star-map device … the floating black sphere

    兩個人、兩件道具,各用一個辨識特徵點名,之後就用角色稱呼。那些定冠詞指向的是參考素材 —— 而那正好是一個編號引用該待的地方。

  2. Scene

    a colossal orbital scrapyard above a distant planet … rows of abandoned spacecraft … a damaged shuttle

    一句話蓋好,之後再也沒回去過。後面每一段都是在這個空間裡面移動,而不是去描述更多的它。

  3. Motion

    walks carefully … stops several steps away … activates the star map … raises the black sphere … Both characters suddenly look upward

    三個段落、三個節拍,而它們之間的空行就是排序。它比連接詞好讀,而且有用的理由是一樣的:那是順序,不是時程表。

  4. Aesthetic control

    The camera begins with a wide shot … slowly tracks beside the female navigator … then settles into a low cinematic two-shot … End with both characters illuminated only by the cyan star map and the orange energy core.

    整整一段給鏡頭,用 begins / then / end 排序。最後一句才是重要的那句:它說明這支影片怎麼停,而那正是 Wan 3.0 否則會自己編的東西。

  5. Stylization

    Realistic restrained acting … cinematic volumetric lighting, subtle zero-gravity debris, high-end sci-fi movie aesthetic

    「Restrained acting」是一條表演指示,不是一種外觀,而它正是讓「兩個角色交換一件物品」不會變成「兩個角色互相比手畫腳」的東西。

  6. Sound

    沒寫 —— 留給模型。

    沒寫 —— 而這個節拍字面上就是一次斷電。一次關機在成為畫面之前先是聲音,而點名它本來可以順便把它發生的那一格排好。

4 個可調項

把它變成你的

哪些改動是安全的。多數庫只發布這一份清單,這也是為什麼那麼多複製來的提示詞跑出來比原作還差。

  1. 01

    段落分隔

    節拍之間空一行。它比一整面牆的連接詞好讀,而 Wan 3.0 的處理方式一樣 —— 當成順序。只要你有三個以上的節拍就用它;而當結尾重要的時候,再加上 `finally`。

  2. 02

    寫出來的結尾

    「End with both characters illuminated only by the cyan star map and the orange energy core.」一支沒說自己怎麼停的 Wan 3.0 影片會用飄的停下來。這一句,就是一個最後畫面和一次淡出之間的差別。

  3. 03

    維持條款

    身分、髮型、五官、服裝、裝備、顏色、比例。把「不許變的東西」列舉出來,比「保持一致」強,因為一張清單可以被核對,而一個形容詞不行。

  4. 04

    它缺的那個引用

    把它加上去。`Image 1 is the silver-haired navigator. Image 2 is the black-coated operative.` —— 首字大寫、中間有空格、依陣列位置編號。然後把提示詞現在寫「the female navigator」的地方改成「the navigator from Image 1」。那是 Wan 3.0 唯一真的會解析的語法,而這段提示詞一點都沒用到。

三種把它弄壞的方式

  • 把引用寫成 `image1` 或 `Picture 1`

    這個形式區分大小寫、而且要有空格。`Image 1` 綁得上;`image 1`、`Image_1` 和 `picture 1` 什麼都綁不上,會被當成普通的字讀,於是模型自己編一個主體,而那個參考素材就閒置在那裡。

  • 引用一個你沒上傳的編號

    在一個只帶兩張圖的請求裡寫 `Image 3`,指向的是虛無。提示詞照跑、模型照樣產出某個東西,而那個東西不是你要的那個角色。

  • 請求裡只放音訊參考

    在 Wan 3.0 的請求裡,音訊不能是唯一的參考素材。它旁邊至少要有一張圖或一段影片,而上限是十張圖、五段影片、五段音訊,影片與音訊各自合計上限十五秒。

它做什麼

軌道廢料場的交接 這個範本做什麼

這是這個庫裡最長也最完整的一段提示詞,值得讀兩遍 —— 一遍看它做對了什麼,那是絕大部分;一遍看它漏掉的那一樣。

先看結構。五個段落,用空行分隔:調度、交換、轉折、鏡頭計畫、鎖定。沒有編號、沒有任何一個節拍帶時間碼,而順序完全由段落出現的先後承載。那對 Wan 3.0 來說是正確的形狀。這個模型沒有時程文法 —— 沒有辦法說某個節拍落在 3.5 秒 —— 所以唯一可用的排序,就是字的順序。段落讓那個順序對「編輯這段提示詞的人」和對模型都同樣可見,而這就是為什麼它比這一頁上其他地方那些連綿的逗號清單讀起來清楚。

那個鏡頭段落是這個庫裡寫得最好的一塊。它有三個依序的運動 —— 從一個遠景開始、在她旁邊跟拍、落定成一個雙人鏡頭 —— 然後是多數提示詞從來不寫的第四句:「End with both characters illuminated only by the cyan star map and the orange energy core.」那就是結尾,被說出來了。不管你指不指定,Wan 3.0 都會產出一個結尾,而沒指定的那個版本幾乎總是一次飄移:鏡頭繼續緩下來、動作漸漸沒了、最後一格不是任何人的選擇。把最後那張畫面寫下來只要一句,而它是任何一段長提示詞裡價值最高的一句。

那個鎖定段落在做這個模式存在的理由。「Maintain the exact identities, hairstyles, facial features, outfits, equipment, colors, and proportions of both reference characters」是一次列舉,不是一個形容詞,而那有差。「Keep the characters consistent」給模型一個它可以宣稱自己達成了的目標;一張七個被點名屬性的清單,給它七件可以被拿去核對的東西。**把不許變的東西列舉出來,才是可靠的形式。**

現在講那個缺口。Wan 3.0 剛好有一樣它會**解析**而不只是讀的語法:素材引用。附在一次參考請求上的素材,在提示詞裡用 `Image 1`、`Video 1`、`Audio 1` 稱呼 —— 首字大寫、中間有空格、依它們在陣列裡的位置編號。那就是一句話被綁到某個特定上傳檔案的方式。這段提示詞從來沒用它。它寫「both reference characters」,然後相信模型自己弄清楚哪個描述屬於哪個上傳。

在兩個視覺上差很多的角色上,那大致行得通。在四個角色上,或是在兩個髮色相同的人身上,就不行 —— 模型會把那些描述跨參考素材平均掉,而結果是一整組看起來都有點像彼此的卡司。解法是最上面兩句話:`Image 1 is the silver-haired navigator. Image 2 is the black-coated operative.` 然後後面每一次提到都變成「the navigator from Image 1」。它大約花掉四十個字元,而它把一個推論問題換成了一次查表。

寫的時候值得把上限放在心上。十張參考圖、五段參考影片、五段參考音訊,而影片和音訊這兩族各自合計上限十五秒。參考素材和關鍵影格不能同行。以及那個會出現在帳單上而不是回應裡的:參考影片按和輸出相同的每秒費率計費,並算進同一個三十秒上限,而圖片、音訊、文件和連結都免費。**一段十五秒的參考影片,是你能附加到一次 Wan 3.0 請求上最貴的東西**,而這也是這一頁最希望你在附上它之前就知道的那件事。

這個範例跑在 Prime 上。和另外兩個 Prime 範本一樣:那是高速檔,公布的輸出規格和標準版相同,每秒大約貴一半。它比較早回來。畫面不是挑它的理由。

這裡的一切都在參考圖生影片裡跑。

6 個問題

軌道廢料場的交接 —— 常見問題

  • 01

    我要怎麼在一段 Wan 3.0 提示詞裡引用一張上傳的圖?

    寫 `Image 1` —— 首字大寫、中間有空格 —— 依那個檔案在陣列裡的位置編號。`Video 1` 和 `Audio 1` 的用法一樣。

  • 02

    如果我寫成 `image1` 會怎樣?

    什麼都綁不上。這個引用區分大小寫而且要有空格,所以一個寫壞的引用會被當成普通的字讀,而模型會自己編出那個主體,不會用你的檔案。

  • 03

    一次請求可以帶多少參考素材?

    十張圖、五段影片、五段音訊,而影片和音訊這兩族各自合計上限十五秒。音訊不能是唯一的參考素材。

  • 04

    我要怎麼避免兩個參考素材被平均在一起?

    用編號引用它們,並且在描述動作之前先說明哪個是哪個。兩個沒有歸屬的人物描述,正是一個模型會把它們混起來的那個條件。

  • 05

    為什麼要把結尾寫下來?

    因為不管你寫不寫,Wan 3.0 都會生一個。一個沒寫的結尾是一次飄移;一個寫出來的結尾,是一張你選的最後畫面。

  • 06

    附上去的素材哪些會被計費?

    只有參考影片。它按輸出費率計費,並算進那三十秒的總額。圖片、音訊、文件和連結都不計費。

複製它,改一層,跑起來。

每一個字元都在這一頁上。720P 的 5s 要 120 點。

由 wan-3.run 編輯團隊撰寫與維護發布於 最後更新