ChatGPT
Perplexity
Claude
Gemini
Wan 3.0 is one of the newest AI models on OpenArt's Generador de videos con IA, y Alibaba publicó sus propias fórmulas de prompts el día en que lanzó el modelo. Casi nadie las lee, así que armamos esta guía definitiva de prompts para ti.
Wan 3.0 crea hasta 30 segundos de video de una vez, admite 20 archivos de referencia y genera audio al mismo tiempo que las imágenes. Esta guía cubre las fórmulas que escribieron los creadores de Wan, Alibaba, además de las tres cosas que Wan 3.0 decide por ti automáticamente si no las especificas.
Puntos clave
- Empieza con un sujeto, un lugar y un movimiento. Agrega la cámara, el estilo y el sonido una vez que eso funcione.
- Etiqueta cada archivo de referencia con @Image1, @Video1 o @Audio1 para que Wan 3.0 sepa para qué sirve cada uno.
- Numera tus tomas y dale a cada una un rango de tiempo como [0-6s].
- Escribe los diálogos, los efectos de sonido y la música como tres cosas separadas.
- Di "sin música de fondo" cuando no la quieras, porque Wan 3.0 agrega música y diálogos por su cuenta.
- Desactiva Auto Polish una vez que tu prompt sea preciso, para que no reformule tus etiquetas ni tus rangos de tiempo.
Empieza con tres cosas y luego agrega más
La fórmula inicial de Alibaba es corta. Necesitas un sujeto, un lugar y un movimiento. "Un zorro rojo camina por un campo nevado al amanecer". Ahí están los tres, y con eso basta para obtener un video real.
Una vez que eso funcione, la fórmula más completa agrega tres cosas más: cómo se ve la toma, el estilo y el sonido. Agrégalas de una en una para que veas qué cambió cada una. Tienes mucho espacio, porque un prompt de Wan 3.0 puede llegar a 20.000 caracteres.
Etiqueta cada referencia con tags @
Wan 3.0 admite hasta 20 archivos de referencia, y OpenArt los cuenta por ti en la parte superior del recuadro de subida.
Subirlas es solo la mitad del trabajo. Wan 3.0 no va a adivinar que la imagen 3 es la cafetería y la imagen 4 la chaqueta. Tienes que decirlo en el prompt, usando la etiqueta @:
@Image1 es la mujer. @Image2 es la cafetería. @Audio1 es su voz. La mujer de @Image1 se sienta junto a la ventana en @Image2 y pide un café.
Los propios ejemplos de Alibaba etiquetan cada referencia de esta forma. También puedes nombrar la misma referencia más de una vez en un solo prompt, y así controlas dónde se aplica.
Los fotogramas inicial y final funcionan igual. En OpenArt puedes definir la imagen con la que abre tu video y la imagen con la que cierra, y aun así agregar archivos de referencia junto a ellas. Indica en el prompt cuál imagen es el fotograma inicial, cuál el final, y para qué sirve cada referencia.
Tus referencias de video pueden sumar 15 segundos, y las de audio otros 15 segundos. Si quieres a la misma persona en un video tras otro, guárdala una vez en Personajes de OpenArt y reutilízalas en lugar de buscar las imágenes originales cada vez.
Numera tus tomas y dale a cada una un tiempo
Wan 3.0 crea hasta 30 segundos de una vez, así que dile qué pasa a lo largo de ese tiempo en lugar de describir una sola imagen congelada. El formato de Alibaba es primero un resumen corto y luego tomas numeradas con rangos de tiempo:
Una historia corta sobre una niña que encuentra un gato callejero.
Toma 1 [0-5s]: ella camina a casa bajo la lluvia y se detiene bajo un portal.
Toma 2 [5-12s]: primer plano de un gatito mojado que la mira hacia arriba.
Toma 3 [12-20s]: ella se arrodilla y extiende la mano.
Dale a cada rango una sola cosa clara que hacer. Si una toma se siente apurada en tu primer resultado, amplía ese rango de tiempo y deja el resto igual. Para una historia más larga con más tomas que esta, constrúyela escena por escena en OpenArt Director.
Escribe el sonido como tres cosas separadas
Wan 3.0 crea el sonido al mismo tiempo que la imagen, así que puedes darle forma con palabras. Alibaba divide el sonido en tres partes, y ayuda escribir cada una por separado.
Diálogos. Di la línea y luego cómo se dice. "Ella dice: 'Te dije que esto pasaría.' Rápido, un poco molesta, inglés americano."
Efectos de sonido. Nombra el objeto, lo que hace y el ruido de fondo. "Un vaso cae de la mesa y se rompe en el piso de madera, habitación silenciosa".
Música. Nombra la música y el estilo. "Piano lento durante toda la escena".
Tres cosas que Wan 3.0 decide por ti
Esta es la parte que confunde a la gente. Cuando no dices nada, Wan 3.0 igual toma una decisión.
Diálogos. Escribe lo que alguien dice y Wan 3.0 mantiene tus palabras exactas. No digas nada y inventará sus propios diálogos. Desactívalo con "sin diálogos en todo el video."
Música. Wan 3.0 elige la música de fondo según de qué trata tu video. Desactívala con "no background music".
Número de tomas. Wan 3.0 decide por su cuenta si hace cortes entre tomas. Pide una sola toma continua con "one continuous take".
La duración y el formato funcionan igual. Déjalos en blanco y Wan 3.0 elige una duración entre 2 y 30 segundos, además de una relación de aspecto que se ajuste a tu escena.
Revisa cuatro controles antes de generar
En OpenArt, cuatro ajustes rodean el cuadro de prompt y cada uno cambia lo que hacen tus palabras.
Auto Polish. Esto reescribe tu prompt antes de ejecutarlo. Ayuda cuando escribiste una sola frase suelta, pero también puede reformular las etiquetas de referencia y los rangos de tiempo que pusiste a propósito. Desactívalo una vez que tu prompt sea preciso.
Audio. Deja esto activado y Wan 3.0 crea sonido junto con la imagen. Desactívalo para un clip en silencio, que es la forma más rápida de evitar música no deseada.
Cámara. Elige aquí tu movimiento de cámara en lugar de escribirlo, y obtendrás el mismo movimiento cada vez sin tener que redactarlo distinto en cada prompt.
Modo. Standard y Prime definen el nivel de calidad. Prueba tu prompt en Standard y luego pasa la versión que te guste a Prime.
También puedes poner en cola hasta 8 videos a la vez. Esa es la forma más rápida de aprender qué hace una palabra: cambia una cosa por versión, ejecuta las 8 y compara.
Di menos cuando empiezas desde una imagen
Cuando subes una imagen inicial, esa imagen ya define quién aparece, dónde está y cómo se ve todo. Repetir eso en el prompt solo compite con la imagen que subiste.
Así que escribe solo dos cosas: qué se mueve y qué hace la cámara. "Ella se voltea hacia la ventana y sonríe. Acercamiento lento". Si quieres que la cámara se quede quieta, di "fixed shot", porque de lo contrario Wan 3.0 la moverá por su cuenta.
Corrige una sola cosa en lugar de rehacer el video
Wan 3.0 edita video con instrucciones simples, así que un problema pequeño no te cuesta un video nuevo entero. Nombra lo que quieres cambiar y luego di que el resto queda igual.
Quita los lentes de sol. Su movimiento y todo lo demás en el video queda igual.
La misma redacción sirve para agregar algo, cambiar el estilo, corregir la luz o cambiar un diálogo.
Cuatro errores que desperdician generaciones
- Describir una imagen en lugar de un video. Di qué cambia a lo largo de los 30 segundos.
- Dejar las referencias sin etiquetar. Si subes seis archivos, di para qué es cada uno.
- Combinando movimientos de cámara. Un movimiento claro supera a tres peleando entre sí.
- Olvidar desactivar un sonido que nunca pediste. La música y los diálogos aparecen por su cuenta.
Preguntas frecuentes
¿Cuántas referencias puede usar Wan 3.0?
Wan 3.0 admite hasta 20 referencias en un video: 10 imágenes, 5 clips de video y 5 clips de audio. Además, puedes agregar un documento o una página web, así que un personaje, un producto, una ubicación y una voz pueden guiar la misma toma. Tus referencias de video pueden sumar 15 segundos, y las de audio otros 15 segundos.
¿Cuánto puede durar un video de Wan 3.0?
Cualquier duración de 2 a 30 segundos. Si dejas la duración en blanco, Wan 3.0 elige una que se ajuste a tu prompt.
¿Wan 3.0 genera sonido?
Sí. Wan 3.0 crea diálogos, efectos de sonido y música al mismo tiempo que la imagen. Describe el sonido que quieres en el prompt, o desactívalo si prefieres un clip en silencio.
¿Puedo usar archivos de referencia y un fotograma inicial y final al mismo tiempo?
Sí. En OpenArt puedes definir la imagen con la que empieza tu video, la imagen con la que termina, y aun así agregar archivos de referencia junto a ellas. Etiqueta cada una en el prompt para que Wan 3.0 sepa qué imagen abre el video, cuál lo cierra, y qué referencias llevan tu personaje, producto o voz.