Guia de Prompts do Wan 3.0 - Sintaxe, Referências e Configurações para os Vídeos de IA Perfeitos

O Wan 3.0 é o modelo criativo de vídeo da Alibaba, e você pode usá-lo na OpenArt Gerador de vídeos com IA. O Wan 3.0 cria até 30 segundos de vídeo de uma vez, aceita 20 arquivos de referência e gera áudio ao mesmo tempo que a imagem, totalmente sincronizado.

A Alibaba publicou suas próprias fórmulas de prompt no lançamento do modelo, e este guia as transforma em passos simples que você pode copiar, além de como acertar as palavras na tela e como ele se compara com outros modelos de vídeo no OpenArt.

Principais destaques

• Comece com um sujeito, um lugar e um movimento. Adicione a câmera, o estilo e o som um de cada vez.
• Rotule cada referência com @Image1, @Video1 ou @Audio1, e dê a cada tomada um intervalo de tempo como [0-6s].
• Escreva as falas, os efeitos sonoros e a música separadamente, e diga "sem música de fundo" quando não quiser.
• Coloque as palavras que aparecem na tela entre aspas e mantenha-as curtas.
• O Wan 3.0 cria vídeos de 2 a 30 segundos em até 1080p, e é uma ótima escolha para vídeos longos construídos a partir de muitas referências.

O que é o Wan 3.0?

Wan 3.0 é o mais novo modelo de vídeo com IA da Alibaba. Ele transforma um prompt escrito, uma imagem ou uma combinação de imagens, clipes de vídeo e clipes de áudio em um vídeo de até 30 segundos, com som incluído.

O Wan 3.0 faz o vídeo inteiro de uma só vez, então o mesmo rosto, produto e iluminação se mantêm a cada segundo. No OpenArt, você pode iniciar um vídeo Wan 3.0 a partir de texto, de uma imagem inicial ou de um conjunto de arquivos de referência.

Guia de prompt do Wan 3.0: comece com três coisas

A fórmula inicial da Alibaba é curta. Você precisa de um sujeito, um lugar e um movimento.

"Uma raposa vermelha atravessa um campo nevado ao nascer do sol." Esse prompt tem os três, e é o suficiente para receber um vídeo de verdade de volta.

Quando isso funcionar, a fórmula mais completa adiciona mais três elementos: a aparência da tomada, o estilo e o som. Adicione um de cada vez para ver o que cada um mudou.

Rotule cada referência com tags @

O Wan 3.0 aceita até 20 arquivos de referência, e o OpenArt conta para você no topo da caixa de upload.

Fazer o upload é só metade do trabalho. O Wan 3.0 não vai adivinhar que a imagem 3 é a cafeteria e a imagem 4 é a jaqueta, então diga isso no prompt com o rótulo @:

@Image1 é a mulher. @Image2 é a cafeteria. @Audio1 é a voz dela. A mulher de @Image1 senta perto da janela em @Image2 e pede um café.

Os próprios exemplos da Alibaba rotulam cada referência dessa forma. Você também pode citar a mesma referência mais de uma vez em um prompt, que é como você controla onde ela aparece.

Os quadros inicial e final funcionam da mesma forma. No OpenArt, você pode definir a imagem com que seu vídeo começa e a imagem com que ele termina, e ainda adicionar arquivos de referência ao lado delas.

Diga no prompt qual imagem é o quadro inicial, qual é o quadro final e para que serve cada referência.

Suas referências de vídeo podem somar até 15 segundos, e suas referências de áudio mais 15 segundos. Para ter a mesma pessoa em um vídeo após o outro, salve-a uma vez em Personagens da OpenArt e escolha-as para cada novo vídeo.

Numere suas cenas e dê a cada uma um tempo

O Wan 3.0 cria até 30 segundos de uma vez, então diga a ele o que acontece do início ao fim. O formato da Alibaba é um resumo curto primeiro, depois planos numerados com intervalos de tempo:

Uma história curta sobre uma menina que encontra um gato de rua.

Cena 1 [0-5s]: Ela caminha para casa na chuva e para embaixo de uma porta.

Cena 2 [5-12s]: Close em um gatinho pequeno e molhado olhando para cima na direção dela.

Cena 3 [12-20s]: Ela se ajoelha e estende a mão.

Dê a cada intervalo de tempo uma coisa clara para fazer. Se um plano parecer apressado no seu primeiro resultado, aumente esse intervalo de tempo e deixe o resto como está.

Para uma história com mais de 30 segundos, a OpenArt pode planejar as cenas e criar o vídeo completo, de até 5 minutos, em Modo Director.

Escreva o som como três coisas separadas

O Wan 3.0 cria o som ao mesmo tempo que a imagem, então você pode moldá-lo com palavras. A Alibaba divide o som em três partes, e ajuda escrever cada uma separadamente.

Falas. Diga a fala e depois diga como ela é dita. "Ela diz: 'Eu avisei que isso ia acontecer.' Rápido, um pouco irritada, inglês americano."

Efeitos sonoros. Nomeie a coisa, o que ela faz e o barulho de fundo. "A glass falls off the table and shatters on the wood floor, quiet room."

Música. Nomeie a música e o estilo. "Piano lento durante toda a cena."

Coloque as palavras que aparecem na tela entre aspas

A Alibaba afirma que o Wan 3.0 exibe telas de aplicativos e gráficos em movimento com clareza, o que ajuda em demonstrações de produtos e anúncios explicativos. A Alibaba também diz que a grafia de palavras na tela ainda está melhorando, então alguns hábitos fazem uma grande diferença.

Coloque as palavras exatas entre aspas. O próprio guia da Alibaba pede isso. "Um saco de café em uma bancada de cozinha com as palavras 'MORNING ROAST' impressas na frente."

Mantenha as palavras curtas. Um nome de marca, um preço ou um título de três palavras sai mais limpo do que uma frase completa.

Diga onde as palavras ficam. "Um título branco na parte inferior da tela" dá ao Wan 3.0 um lugar claro para colocar seu texto.

Comece a partir de uma imagem que já tem as palavras. Para um logotipo ou rótulo de produto que precisa ser exato, crie a imagem primeiro com um modelo de imagem feito para texto, como Nano Banana 2.1 ou GPT Image 2.5.

Defina-a como seu quadro inicial, e o Wan 3.0 começa o vídeo a partir de palavras que já estão escritas corretamente.

Corrija uma letra errada com uma edição. Se uma palavra sair com erro de ortografia, peça apenas essa correção e diga que o resto do vídeo permanece igual.

Três coisas que o Wan 3.0 decide por você automaticamente

Quando você não diz nada, o Wan 3.0 mesmo assim faz uma escolha. Veja como retomar o controle de cada uma delas.

Falas. Escreva o que alguém diz e o Wan 3.0 mantém suas palavras exatas. Não diga nada e ele vai inventar falas próprias. Desative isso com "sem falas em todo o vídeo."

Música. O Wan 3.0 escolhe a música de fundo com base no tema do seu vídeo. Desligue isso com "no background music".

Número de tomadas. O Wan 3.0 decide sozinho se corta entre as tomadas. Peça uma única tomada ininterrupta com "one continuous take".

Duração e formato funcionam da mesma forma. Deixe em branco e o Wan 3.0 escolhe uma duração entre 2 e 30 segundos, além de uma proporção que combine com a sua cena.

Opções de resolução e duração do Wan 3.0

Na OpenArt, o Wan 3.0 cria vídeos em 480p, 720p ou 1080p, com qualquer duração de 2 a 30 segundos. Você também pode deixar a duração por conta do Wan 3.0, que escolhe a que combina com seu prompt.

A resolução altera o preço. Um vídeo em 1080p custa cerca de quatro vezes mais créditos que o mesmo vídeo em 480p, então teste seu prompt em 480p e faça a versão final em 1080p.

Vídeos mais longos também custam mais créditos. Defina a duração exata depois de saber quantos planos você precisa.

Confira quatro controles antes de gerar

No OpenArt, quatro configurações ficam ao redor da caixa de prompt, e cada uma muda o que suas palavras fazem.

Auto Polish. Isso reescreve seu prompt antes de rodar. Ajuda quando você digitou uma frase solta, mas também pode reescrever os rótulos de referência e os intervalos de tempo que você definiu de propósito. Desligue quando seu prompt estiver exato.

Áudio. Deixe isso ligado e o Wan 3.0 cria som junto com a imagem. Desligue para um clipe silencioso, que é a maneira mais rápida de evitar música indesejada.

Câmera. Escolha o movimento de câmera aqui. Você tem o mesmo movimento toda vez, e seu prompt fica mais curto.

Modo. Standard e Prime definem o nível de qualidade, e o Prime custa mais créditos. Teste seu prompt no Standard, depois faça a versão que você gostar no Prime.

Você também pode rodar até 8 vídeos de uma vez. Mude uma coisa em cada versão, rode todas as 8 e compare-as para ver o que cada palavra está fazendo.

Diga menos quando começar por uma imagem

Quando você faz o upload de uma imagem inicial, essa imagem já mostra quem está nela, onde estão e como tudo se parece. Repetir isso no prompt só briga com a imagem que você enviou.

Então escreva apenas duas coisas: o que se move e o que a câmera faz. "Ela se vira em direção à janela e sorri. Aproximação lenta."

Se você quer que a câmera fique parada, diga "tomada fixa." Caso contrário, o Wan 3.0 moverá a câmera por conta própria.

Ajuste uma coisa com uma edição simples

O Wan 3.0 edita vídeo a partir de instruções simples, então um probleminha leva um ajuste rápido. Diga o que você quer mudar e depois informe que o resto permanece igual.

Remova os óculos de sol. O movimento dela e todo o resto do vídeo continuam iguais.

A mesma forma de escrever funciona para adicionar algo, mudar o estilo, corrigir a luz ou trocar uma fala.

Quatro erros que desperdiçam gerações

• Descrever uma única imagem estática. Diga o que muda ao longo dos 30 segundos.
• Deixando as referências sem rótulo. Se você enviar seis arquivos, diga para que serve cada um.
• Combinando movimentos de câmera. Um movimento claro vale mais que três brigando entre si.
• Esquecer de desligar o som que você nunca pediu. Música e falas aparecem por conta própria.

Veredito de qualidade do Wan 3.0

O Wan 3.0 é uma das melhores escolhas no OpenArt para vídeos de 15 a 30 segundos criados a partir de muitas referências. Como ele faz o vídeo inteiro de uma vez, rostos, produtos e iluminação se mantêm estáveis do primeiro ao último segundo.

Os rostos parecem reais e mostram pequenas mudanças de expressão, e os primeiros testadores relatam que a mesma pessoa se mantém ao longo dos 30 segundos completos. O som sai sincronizado com a ação, então um clipe fica pronto para postar com áudio.

Planeje considerando alguns limites. A resolução máxima é 1080p, e a Alibaba diz que a textura do som e a grafia na tela ainda estão melhorando.

Os primeiros testadores também relatam dois hábitos. O Wan 3.0 às vezes adiciona um corte que você não pediu, então escreva "uma única tomada contínua" quando quiser um único plano.

Pequenos detalhes também podem escapar quando muitas pessoas e objetos compartilham uma mesma cena. Mantenha cada tomada com poucas pessoas e objetos principais, e rotule cada referência.

O veredito: use o Wan 3.0 para anúncios, vídeos de produtos e cenas de histórias em que uma pessoa ou produto precisa ter a mesma aparência do início ao fim. Para um clipe curto em 4K, a comparação abaixo indica uma opção melhor.

Como o Wan 3.0 se compara a outros modelos no OpenArt

A OpenArt roda o Wan 3.0 ao lado de outros modelos de vídeo de ponta, então você pode escolher o modelo certo para cada trabalho em um só lugar.

Escolha o Seedance 2.5 quando uma história precisa de muitos personagens e objetos, porque ele aceita a maior quantidade de arquivos de referência. Escolha o Wan 3.0 quando sua referência for um documento ou uma página da web, como uma página de produto ou uma apresentação de slides.

Escolha Kling 3.0 ou Veo 3.1 quando o arquivo final precisar ser 4K e o vídeo for curto. Escolha MiniMax H3 para movimento realista em clipes de até 15 segundos, e Grok Imagine 1.5 quando a velocidade for o mais importante.

Comece a criar vídeos com o Wan 3.0

O Wan 3.0 segue de perto prompts claros e rotulados. Comece com um sujeito, um lugar e um movimento, depois rotule cada referência e dê um tempo a cada plano.

Detalhe o som e as palavras que você quer na tela, e teste em 480p antes de fazer a versão final. Escreva seu primeiro prompt com Wan 3.0 na OpenArt.

Perguntas frequentes

Quantas referências o Wan 3.0 pode usar?

O Wan 3.0 aceita até 20 referências em um vídeo: 10 imagens, 5 clipes de vídeo e 5 clipes de áudio. Você pode adicionar um documento ou página da web além disso, para que um personagem, um produto, um local e uma voz possam orientar a mesma tomada. Suas referências de vídeo podem somar até 15 segundos, e as de áudio outros 15 segundos.

Qual a duração máxima de um vídeo no Wan 3.0?

Um vídeo do Wan 3.0 pode ter qualquer duração, de 2 a 30 segundos. Se você deixar a duração em branco, o Wan 3.0 escolhe uma que combina com o seu prompt.

Qual resolução o Wan 3.0 suporta?

O Wan 3.0 cria vídeo em 480p, 720p ou 1080p, sendo 1080p a configuração máxima. Na OpenArt, o 480p custa menos créditos, então é a melhor opção para testar um prompt antes de criar a versão final em 1080p.

O Wan 3.0 gera som?

Sim. O Wan 3.0 cria falas, efeitos sonoros e música ao mesmo tempo que a imagem. Descreva o som que você quer no prompt, ou desligue o áudio se quiser um clipe mudo.

O Wan 3.0 pode colocar texto em um vídeo?

Sim. O Wan 3.0 pode exibir títulos, rótulos, preços e telas de aplicativos em um vídeo, e ele acerta melhor a grafia quando você coloca as palavras exatas entre aspas e as mantém curtas. Para um logo ou rótulo que precise estar escrito perfeitamente, crie primeiro uma imagem com as palavras e use-a como quadro inicial.

Posso usar arquivos de referência e um quadro inicial e final ao mesmo tempo?

Sim. No OpenArt, você pode definir a imagem com que o vídeo começa, a imagem com que ele termina, e ainda adicionar arquivos de referência ao lado delas. Rotule cada uma no prompt para que o Wan 3.0 saiba qual imagem abre o vídeo, qual o fecha e quais referências carregam seu personagem, produto ou voz.

Como o Wan 3.0 é diferente do Wan 2.7?

O Wan 3.0 adiciona vídeos de 30 segundos, som gerado junto com a imagem e clipes de vídeo e áudio como referências. Wan 2.7 usa referências de imagem e quadros de início e fim, e funciona bem para clipes mais curtos.