Модель не угадывает — она решает за вас
Всё, что вы не назвали, WAN 3.0 решает сам: куда поедет камера, что сделают руки, появится ли надпись и второй человек. Ниже одно и то же фото и два запроса.
❌ «Оживи фото, сделай эффектно и красиво». К 1,2 с героиня расцепляет руки, к 1,5 с камера уже на мониторах, к 2,4 с в кадре читается надпись «SYSTEM ONLINE».
✅ Одно движение, остальное названо. Камера стоит, руки скрещены; подбородок и взгляд в объектив — к 1,5 с, лёгкая улыбка — к 4 с, ровно по секундам запроса.
Во втором запросе не больше слов «красоты» — в нём меньше решений, оставленных модели. Этому и посвящён урок.
Четыре ошибки, которые мы видим в запросах
Мы прочитали запросы людей к WAN 3.0 за полтора месяца. Генератор выполнил все — а результат часто был не тот, что хотели. Четыре причины повторяются:
- Целый фильм в один ролик. Несколько мест, реплики героев, 20–30 секунд сюжета — из одного фото. Модель держит одно место и одно действие на шот, остальное сливает в кашу.
- В окно вставлен разговор с другим ИИ целиком — вместе с «нарисуй мне промт для…». Модель читает и эту просьбу, как часть сцены.
- Рекламная подпись вместо сцены. «Открыты, ждём вас» — модель не знает, что показать, и показывает что-нибудь.
- «Сохрани лицо», «не старь» — по три раза подряд. Лицо держит фото, а не слова: если лицо чужое, менять надо фото.
Двенадцать правил: не так → так
Каждое правило оплачено нашими прогонами: отдел трендов ведёт карту ошибок WAN 3.0, и даже у нас на одно удачное видео уходит до десяти запусков. Поэтому правила — короткие и проверяемые.
Фото
| Не так | Так | Почему |
|---|---|---|
| Нарисованное, отретушированное фото, аватарка | Живое фото с телефона: лицо открыто, дневной свет | С копии модель делает «копию с копии» — чужое лицо. Самая частая наша ошибка |
| Фото в полный рост, общий план | По пояс или от колен | Лицо в общем плане — несколько десятков пикселей, оно плывёт |
| «Сохрани лицо», описание внешности словами | Ничего про лицо: его держит фото | У нас описание внешности во вкладке «Фото» дало другого человека уже к 0,5 с |
Текст запроса
| Не так | Так | Почему |
|---|---|---|
| Сценарий на несколько мест и реплик | Одно место, 1–3 шота по секундам: 0–2 с, 2–5 с | Один ролик — одна сцена. Следующая сцена — следующий запуск |
| Камера не названа | Камера в каждом шоте: «стоит на штативе», «наезд на 15 см» | Не названная камера едет сама |
| Два движения камеры в одном шоте | Одно движение на шот | Наезд + панорама вместе — сцена «перетекает»: крыша становится дверью, дверь — лицом |
| «Медленно», «плавно», «эпично», «4K», fast | Цифрами: «6 м за 5 секунд», «подбородок на 2 см к 3-й секунде» | «Медленно» WAN делает вялым, «fast» в первой строке у нас сжал расписание на 2 секунды |
| «no balloons», «без телефона», «не моргает» | Описать, что есть: «голые стены», «руки скрещены» | Названный предмет модель рисует, даже с «no» |
| «the same», «та же одежда» в следующих шотах | Одежду целиком словами в каждом шоте | У нас вместо кожаной куртки вышли клетчатый свитер и джинсы |
| Надпись, цифры, логотип — модели | Титры сами, поверх готового ролика | Буквы модель пишет с ошибками и размывает |
| Щелчок пальцами крупно | Другой жест — или щелчок звуком и ударом камеры при сборке | Щелчок WAN 3.0 не рисует: у нас 9 прогонов из 9 вышли щепотью |
Деньги
| Не так | Так | Почему |
|---|---|---|
| Сразу 10–15 с в 720p | Проба 5 с в 480p — 2ⓥ, потом длиннее | Ошибка запроса видна за 5 секунд. 10 с в 480p — 3ⓥ, в 720p — 6ⓥ |
Два правила о камере — на роликах. Слева камера не названа, посередине — две камеры в одном шоте, справа — одна строка «камера статичная, штатив».
❌ Камера не названа: модель сама дала отъезд, к 5-й секунде план шире, чем на фото
❌ Два движения камеры в одном шоте: крыша → дверь → лицо → другой человек
✅ «Камера статичная, штатив»: двигаются только голова и дыхание
Скелет запроса
Скелет для вкладки «Фото» — одно фото, одно движение, 5 секунд. Замените то, что в квадратных скобках; остальное оставьте: эти строки закрывают решения, которые иначе модель примет сама.
Оживить фото. 5 с, фотореализм, NOT CGI. Всё как на фото. Шот 1 [0.0–5.0] Камера зафиксирована на высоте груди, крупность как на фото. Одно движение: [что делает — например, переводит взгляд в объектив]. TIMELINE: 0–1 с — как на фото · 1–3 с — [движение] · 3–5 с — [держит позу, лёгкая улыбка]. [ANTI-STATIC] первый кадр = фото; последние кадры ещё движутся. [BAN] второй человек, наезд камеры, склейки, морф лица, текст, буквы, водяной знак.
- Шот и секунды — что происходит и когда. Сумма секунд равна длине ролика.
- Камера — в каждом шоте, одно движение или «зафиксирована».
- ANTI-STATIC — чтобы ролик не замер к концу.
- BAN — только общее: склейки, морф лица, буквы. Конкретный предмет сюда не пишите — он появится.
Практика: исправьте свой запрос
- Возьмите свой запрос и пройдите по таблицам выше: вычеркните «эпично», «4K», «сохрани лицо», чужие разговоры и рекламные фразы.
- Оставьте одно место и одно движение. Камеру и секунды — цифрами.
- Откройте WAN 3.0 кнопкой ниже: вкладка «Фото», 5 секунд, 480p уже выставлены, скелет уже в окне. Загрузите своё фото и впишите своё движение.
- Посмотрите ролик по секундам и сверьте с текстом: что совпало, что модель решила сама.
Запуск — 2ⓥ: 5 секунд в 480p. Не совпало — правьте одну строку и запускайте снова.
Получилось?
Откройте свой ролик и сверьте по пунктам. Отмечайте только то, что видите своими глазами, — это не галочки для отчёта, а проверка, что шаг реально вышел.
Проверка
Тонкости
Длинный запрос — это плохо?
Нет. Наши тренды — 10–20 тысяч знаков на 15–20 секунд. Но каждый шот в них с секундами, камерой и одеждой целиком. Плохо не длинно, а рассказом: без секунд и камеры модель решает сама, что из рассказа снять.
Почему «медленно» делает хуже
WAN 3.0 и так тянет движение. «Медленно», «плавно», slow-motion дают вялый ролик, а «fast» в первой строке у нас сжал расписание шотов на 2 секунды. Скорость — числом: метры за секунды, градусы, сантиметры.
Вкладка «Фото» или «Референсы»
«Фото» — ваше фото становится первым кадром: хорошо для «оживить», но лицо может уйти, если в кадре много движения. «Референсы» — фото как образец героя в новой сцене: лицо отдельно, одежда словами. Фото человека целиком с одеждой в «Референсах» — и его футболка окажется в ролике.
Голос и звук
Все звуковые образцы вместе — не больше 15 секунд, иначе движок вернёт ошибку или обрежет фразу. Как сделать, чтобы герой говорил вашим голосом, — вкладка «Липсинк» на странице WAN 3.0.
Итог
- Всё, что не названо, модель решает сама. Хороший запрос — это меньше решений, оставленных ей.
- Одно место, одно движение на шот, камера и секунды — цифрами.
- Лицо держит живое фото, буквы — ваши титры, проба — 5 секунд в 480p.