Wan 3.0 Prompt Guide - Syntax, References, and Sound

Wan 3.0 is one of the newest AI models on OpenArt's Gerador de vídeos com IA, e a Alibaba publicou suas próprias fórmulas de prompt no dia em que o modelo foi lançado. Quase ninguém as lê, então preparamos este guia definitivo de prompts para você.

Wan 3.0 gera até 30 segundos de vídeo de uma vez, aceita 20 arquivos de referência e cria áudio ao mesmo tempo que os visuais. Este guia cobre as fórmulas que os criadores do Wan, a Alibaba, escreveram, além das três coisas que o Wan 3.0 decide automaticamente por você se você não especificar.

Principais destaques

Comece com um sujeito, um lugar e um movimento. Adicione a câmera, o estilo e o som depois que isso funcionar.
Rotule cada arquivo de referência com @Image1, @Video1 ou @Audio1 para que o Wan 3.0 saiba para que serve cada um.
Numere suas cenas e dê a cada uma um intervalo de tempo como [0-6s].
Escreva falas, efeitos sonoros e música como três coisas separadas.
Diga "sem música de fundo" quando não quiser, porque o Wan 3.0 adiciona música e falas por conta própria.
Desligue o Auto Polish quando seu prompt estiver exato, para que ele não reescreva seus rótulos e intervalos de tempo.

Comece com três coisas e depois adicione mais

A fórmula inicial da Alibaba é curta. Você precisa de um sujeito, um lugar e um movimento. "A red fox walks across a snowy field at sunrise." São os três, e já é suficiente para receber um vídeo de verdade de volta.

Depois que isso funcionar, a fórmula mais completa acrescenta mais três coisas: a aparência da tomada, o estilo e o som. Adicione um de cada vez para ver o que cada um mudou. Você tem bastante espaço, porque um prompt do Wan 3.0 pode chegar a 20.000 caracteres.

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. Você tem que dizer isso no prompt, usando 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 nomear a mesma referência mais de uma vez em um prompt, e é assim que controla onde ela se aplica.

Os quadros inicial e final funcionam da mesma forma. No OpenArt, você pode definir a imagem com que o vídeo abre e a imagem com que ele fecha, e ainda adicionar arquivos de referência ao lado delas. Diga no prompt qual imagem é o quadro de abertura, qual é o de fechamento e para que serve cada referência.

Suas referências de vídeo podem somar 15 segundos, e as de áudio outros 15 segundos. Se quiser a mesma pessoa em vídeo após vídeo, salve-a uma vez em Personagens da OpenArt e reutilize-as em vez de caçar as imagens originais toda vez.

Numere suas cenas e dê a cada uma um tempo

O Wan 3.0 gera até 30 segundos de uma vez, então diga a ele o que acontece ao longo desse tempo em vez de descrever uma única imagem congelada. O formato da Alibaba é: primeiro um breve resumo, depois cenas numeradas 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 uma coisa clara para fazer. Se uma cena parecer apressada no seu primeiro resultado, aumente só aquele intervalo de tempo e deixe o resto como está. Para uma história mais longa com mais cenas do que isto, monte tudo cena por cena no OpenArt 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."

Três coisas que o Wan 3.0 decide por você

Essa é a parte que pega as pessoas de surpresa. Quando você não diz nada, o Wan 3.0 ainda faz uma escolha.

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.

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 em vez de digitá-lo, e você tem o mesmo movimento sempre, sem descrevê-lo de forma diferente em cada prompt.

Modo. Standard e Prime definem o nível de qualidade. Teste seu prompt no Standard e depois passe a versão que você gostou para o Prime.

Você também pode enfileirar até 8 vídeos de uma vez. Essa é a forma mais rápida de aprender o que uma palavra faz: mude uma coisa por versão, rode todas as 8 e compare.

Diga menos quando começar por uma imagem

Quando você envia uma imagem inicial, essa imagem já define quem está nela, onde estão e como tudo aparece. 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 para a janela e sorri. Aproximação lenta." Se quiser que a câmera fique parada, diga "fixed shot", porque senão o Wan 3.0 vai movê-la por conta própria.

Ajuste uma coisa em vez de refazer o vídeo

O Wan 3.0 edita vídeo a partir de instruções simples, então um pequeno problema não custa um vídeo inteiro novo. Diga o que você quer mudar e depois deixe claro que o resto continua 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 imagem em vez de um vídeo. 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.

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, então um personagem, um produto, um local e uma voz podem guiar a mesma tomada. Suas referências de vídeo podem somar 15 segundos, e as de áudio outros 15 segundos.

Qual a duração máxima de um vídeo no Wan 3.0?

Qualquer duração de 2 a 30 segundos. Se você deixar a duração em branco, o Wan 3.0 escolhe uma que combine com o seu prompt.

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 se quiser um clipe silencioso.

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.