Wan 3.0 für lange Einstellungen und Referenzbilder

Die Länge stellen Sie in ganzen Sekunden ein, irgendwo zwischen 2 und 30. Eine halbe Minute gibt einer Szene Raum: Ein Koch richtet einen Teller an, von der ersten Zutat bis zur Garnitur, eine Kamera gleitet durch einen Laden, eine Figur tritt ins Bild und reagiert. Alles in einer Generierung, ohne mehrere kurze Clips aneinanderzuhängen.

Laden Sie bis zu zehn Fotos der Personen, Gegenstände oder Orte hoch, die in der Szene vorkommen sollen. Das Modell baut den Clip mit diesen Bildern als Vorlage. So bleibt ein Maskottchen, ein Gesicht oder ein Flaschenetikett auch in einer langen Einstellung wiedererkennbar, statt dass alles an einer Textbeschreibung hängt.

Jedes hochgeladene Bild bekommt einen Namen nach seiner Position: Das erste heißt Image1, das zweite Image2 und so weiter. Schreiben Sie „die Tänzerin aus Image1 trägt die Jacke aus Image3“, weiß das Modell genau, welches Foto gemeint ist. Spätestens ab drei oder vier Bildern zahlt sich das aus.

Sie möchten die Komposition selbst festlegen? Laden Sie ein Standbild hoch, und der Clip beginnt genau damit. Wissen Sie schon, wo die Einstellung enden soll, fügen Sie ein zweites Bild als Endbild hinzu, etwa eine Geschenkbox, die am Anfang geschlossen und am Ende offen ist, und beschreiben Sie, was dazwischen passiert.

Der Ton entsteht im selben Durchgang wie das Bild, und der Schalter steht zu Beginn auf an. Lassen Sie ihn so, wenn der Clip gleich mit Ton kommen soll. Schalten Sie ihn ab, wenn später im Schnitt Musik oder ein Sprecher darübergelegt wird, dann muss vorher nichts entfernt werden.

Die Einstellung „adaptiv“ übernimmt die Form dessen, was Sie hochladen: Ein Hochformatfoto bleibt im Hochformat. Bestimmt die Zielplattform das Format und nicht das Material, wählen Sie direkt 16:9, 9:16, 1:1, 4:3 oder 3:4.

Laden Sie Vorderseite, Rückseite und Logo eines Produkts als Referenzen hoch und beschreiben Sie, wie es ausgepackt, eingeschenkt oder getragen wird. Wenn Sie jede Ansicht im Prompt beim Namen nennen, hilft das, Etikett und Form über den ganzen Clip nah am echten Artikel zu halten.

Behalten Sie einen Satz Figurenbilder und verwenden Sie ihn in jeder Folge einer kurzen Serie. Dasselbe Image1 in jedem Prompt ist ein stabilerer Ausgangspunkt, als Gesicht und Kleidung jedes Mal neu zu beschreiben.

Nutzen Sie ein Storyboard-Panel als Startbild und das nächste als Endbild und beschreiben Sie die Bewegung dazwischen. So sehen Sie schnell, ob ein Übergang funktioniert, bevor ein Dreh gebucht wird.

Stellen Sie 9:16 und eine Länge nahe 30 Sekunden für Kurzvideo-Feeds ein, wenn eine einzige durchgehende Einstellung ein Rezept, einen Trick oder einen Vorher-nachher-Vergleich ohne schnelle Schnitte zeigen kann.

Eine langsame Kamerafahrt durch ein Café, ein Hotelzimmer oder einen Showroom braucht Zeit. Geben Sie Fotos des Raums als Referenzen mit und beschreiben Sie den Weg der Kamera vom Eingang bis zum Fenster.

Agenturen und Freelancer können einen Moodfilm zunächst in 480P skizzieren, um den Ton mit dem Kunden abzustimmen, und die freigegebene Fassung dann mit demselben Prompt und denselben Referenzen in 1080P rendern.

Legen Sie vor dem Hochladen fest, wofür jedes Bild da ist: Image1 die Moderatorin, Image2 der Sneaker, Image3 die Straßenecke. Dann schreiben Sie genau das in den Prompt. Zwei fast gleiche Fotos sind im Text kaum auseinanderzuhalten; ein klares Foto pro Element lässt sich eindeutig benennen.

Die Namen folgen der Upload-Reihenfolge. Taucht die Hauptfigur im Text zuerst auf, laden Sie ihr Foto als Erstes hoch. Ist die Reihenfolge verrutscht, geht es meist schneller, die Bilder neu in der richtigen Abfolge hochzuladen, als den Prompt an die Nummern anzupassen.

Für 20 oder 30 Sekunden notieren Sie der Reihe nach, was passiert: der erste Blick, die Haupthandlung, die Wendung und wo die Kamera am Ende steht. Ein Ein-Satz-Prompt, der auf eine halbe Minute gedehnt wird, lässt den größten Teil dieser Zeit offen.

Starten Sie mit einem Startbild oder mit Referenzen, deren Bildaufbau klar ist? Dann behält „adaptiv“ diese Form bei. Bei reinem Text oder wenn eine Plattform ein festes Format verlangt, etwa 9:16 für vertikale Feeds, legen Sie das Seitenverhältnis selbst fest.

Der Preis steigt mit Länge und Auflösung. Testen Sie die Idee daher zuerst in 480P und mit kurzer Dauer. Stimmen Bewegung und Timing, starten Sie denselben Prompt noch einmal in 1080P und in der vollen Länge, die Sie brauchen.

Ein Satz dafür, was das Motiv tut, der nächste dafür, was die Kamera tut, zum Beispiel: „Sie gießt den Kaffee ein. Die Kamera fährt langsam von der Tür aus heran.“ Muss später nur eines von beiden geändert werden, wissen Sie sofort, welche Zeile Sie anpassen.