WaveSpeedAI

Руководство по промптам Wan 3.0 для воспроизводимых видеотестов

Используйте это руководство по промптам Wan 3.0, чтобы структурировать движение, камеру, тайминг, референсы и аудио для воспроизводимых тестов T2V, I2V и R2V.

By John10 min read
Руководство по промптам Wan 3.0 для воспроизводимых видеотестов

Руководство по промптам Wan 3.0 для воспроизводимых видеотестов

Быстрее всего бюджет на видео можно потратить впустую, позволив каждому оператору «просто написать промпт получше». Я видел, как из одного утверждённого брифа получалось десять разных версий ещё до начала ревью. Это руководство по промптам Wan 3.0 написано для менее эффектной задачи: превратить креативный бриф в воспроизводимые тесты, где входные данные, параметры, сбои и затраты фиксируются до того, как кто-либо масштабирует запуск.

В справочнике по Wan3.0 API от Alibaba сейчас указаны wan3.0-video и wan3.0-video-prime с входами для текста, изображения, первого и последнего кадра, а также видео на основе референсов. WaveSpeed предоставляет это семейство через отдельные эндпойнты, включая API Wan 3.0. Схема проверена 13 ноября 2026 года. Эта статья не претендует на живой бенчмарк. Она описывает метод тестирования промптов, который можно воспроизвести.

Определите видеотест до написания промпта

Выберите один режим ввода и критерии приёмки

Не начинайте с фразы. Начните с теста.

Выберите один режим: text-to-video, image-to-video или reference-to-video. Если смешать режимы слишком рано, вы не поймёте, почему изменился результат: из-за промпта, первого кадра, референсного изображения, аудиовхода, длительности или из-за того, что модель интерпретировала всё сразу.

Для воспроизводимого теста запишите критерии приёмки до генерации:

  • Субъект остаётся узнаваемым.
  • Движение камеры соответствует запланированному направлению.
  • Движение достигает нужного момента к целевой секунде.
  • Диалог или звуковой сигнал не конфликтует с визуальным действием.
  • Результат пригоден к использованию без полной перегенерации.

Для примера с роботом ниже превратите это в проверку «прошёл/не прошёл»: сравните начальный, средний и финальный кадры с утверждённым входом; отметьте, сохраняет ли робот синий корпус и янтарный индикатор, доезжает ли до панели раньше 7-й секунды и следует ли заданному движению камеры. Фиксируйте каждый промах. Судить об этом «на глаз» нельзя. Нужен пробный запуск.

Отделите инструкции промпта от параметров API

В промпте не должно быть настроек, которые относятся к полям запроса. Значения «9:16», «720p», «10 секунд», «звук включён» и seed храните в параметрах, если платформа их предоставляет.

В текущей схеме Wan3.0 у Alibaba используются parameters.resolution, ratio, duration, audio, seed, prompt_extend и watermark. На проверенных страницах WaveSpeed для T2V, I2V и R2V — resolution, aspect_ratio, duration, enable_prompt_expansion, generate_audio и seed. Идея в производстве та же. Названия полей разные.

Один человек может запомнить параметры. Команда — нет.

Составьте промпт для Wan 3.0

Субъект, действие, окружение и визуальное направление

Полезный промпт для Wan состоит из четырёх простых блоков:

Subject: original delivery robot with a scratched blue shell and one amber status light.
Action: rolls across a wet rooftop walkway, pauses, scans a damaged solar panel.
Environment: early morning service roof, low fog, city towers behind glass railings.
Visual direction: grounded product-film look, soft backlight, realistic reflections, no fantasy elements.

Этого достаточно для первого набора Wan 3.0 examples. Пока не добавляйте десять настроений и пять жанровых меток. Если субъект не получается уже на этом этапе, лишние прилагательные запуск не спасут.

Камера, тайминг, звук и роли референсов

Руководство по промптам от Alibaba рекомендует описывать сущность, сцену, движение, эстетический контроль, стилизацию и поведение камеры. Для производственного теста я бы явно задавал камеру и тайминг:

Camera: fixed low-angle shot for 2 seconds, then slow push-in toward the amber light.
Timing: robot reaches the damaged panel at second 5 and stops before second 7.
Audio: low rooftop wind, one soft motor hum, no dialogue, no background music.

В Wan 3.0 camera prompt на один план должно приходиться только одно основное действие камеры. «Наезд, облёт, подъём на кране, ручная тряска» — это не указание. Это стенограмма совещания.

Адаптируйте промпт под каждый режим ввода

Промпты для text-to-video и image-to-video

В text-to-video промпт определяет всю сцену. Включите субъект, окружение, действие, камеру, освещение и замысел по звуку.

В image-to-video изображение уже определяет субъект, композицию и большую часть стиля. Промпт должен сосредоточиться на том, что меняется: движение, камера, выражение, смена освещения и конечное состояние. Если повторять всё, что видно на изображении, вы создаёте больше возможностей для расхождения.

Для контролируемого теста ниже подайте одно утверждённое изображение первого кадра — например, robot_rooftop_v01.png — и используйте именно этот файл во всех вариантах. Практичный I2V-промпт выглядит так:

The service robot remains the same shape and color as the input image. Its amber light turns on slowly. The camera pushes in slightly. Thin rain moves across the frame. No new characters enter. Low rooftop wind and one soft motor hum; no speech or music.

Имя файла — это метка для журнала тестов. Передайте изображение через поле image эндпойнта как поддерживаемый URL или Base64; имя файла в промпте ничего не загружает.

Reference-to-video и более длинные повествовательные промпты

Для reference-to-video нужны роли. В текущем Wan3.0 API от Alibaba на медиареференсы можно ссылаться как на «Image 1», «Video 1» или «Audio 1» в порядке их следования внутри каждого типа медиа. В текущей схеме reference-to-video на WaveSpeed есть reference_images, reference_videos и reference_audios с ограничениями для каждого типа. Для теста с роботом референсный промпт может начинаться так: «The delivery robot from Image 1 rolls toward the damaged panel.» Фиксируйте, какой ассет вы назначили на Image 1.

Для более длинных сцен используйте временные метки. Wan 3.0 30 second video не должно быть одним длинным абзацем. Задайте в запросе длительность 30 секунд и разбейте промпт на биты:

[0-6s] Robot crosses the rooftop walkway.
[6-12s] It stops beside the solar panel and scans the crack.
[12-20s] The amber light pulses while rain gets heavier.
[20-30s] Camera pulls back to show the full rooftop repair site.

Это запрошенные биты, а не гарантия того, что модель попадёт в каждую временную метку.

Проведите контролируемый тест промпта

Меняйте одну переменную за генерацию

Если вы одновременно меняете промпт, seed, длительность, референсное изображение и настройку звука, тест потерян. Видео вы сгенерировали. Но ничего не узнали.

Сначала сделайте небольшой запуск: один базовый вариант и три варианта для одного режима ввода. Вот ​запланированная карточка теста, а не запись о выполненных генерациях​:

Mode: I2V
Endpoint: alibaba/wan-3.0/image-to-video
First frame: your approved robot_rooftop_v01.png, submitted in the image field
Fixed fields: resolution=720p; aspect_ratio=9:16; duration=8;
              generate_audio=true; enable_prompt_expansion=false; seed=1729
Baseline: the I2V prompt above

Variant A — motion only:
Replace “Its amber light turns on slowly” with “Its amber light flashes twice.”

Variant B — camera only:
Replace “The camera pushes in slightly” with “The camera stays fixed.”

Variant C — audio wording only:
Replace “one soft motor hum” with “no motor hum.”

Сравнивайте каждый вариант с базовым, а не с другим вариантом. Держите ассет первого кадра и все перечисленные поля неизменными. Seed помогает контролировать тест, но не гарантирует идентичный результат.

Фиксируйте входные данные, результаты, сбои и затраты

Хороший журнал избавляет следующего оператора от догадок.

ПолеЧто записывать
Дата тестаФактическая дата генерации
Платформа и эндпойнтAlibaba Wan3.0, WaveSpeed T2V/I2V/R2V или другой проверенный маршрут
Режим вводаT2V, I2V, первый-последний кадр или R2V
Версия промптаПолный текст базового или вариантного промпта, а не краткое описание
ПараметрыРазрешение, соотношение сторон, длительность, звук, seed и настройка расширения промпта
РеференсыURL входа или ID ассета, его роль и один и тот же идентификатор ассета для каждого варианта
РезультатID задачи, URL результата или сохранённый файл и статус завершения
РевьюПрошёл/не прошёл по идентичности, камере, тайminгу и звуку; отметьте кадр или секунду для каждого сбоя
Основа стоимостиОжидаемая стоимость, итоговая стоимость и число неудачных результатов; оставьте пустым до выставления счёта

Дёшево не всегда значит экономно. Непригодные генерации обходятся дорого.

Диагностика слабых результатов

Уберите конфликтующие указания и перегруженные сцены

Если результат слабый, сначала сокращайте. Не добавляйте.

Конфликты обычно выглядят так: «статичная камера с динамичным облётом», «тихая сцена с драматичной боевой музыкой», «непрерывность одного плана с жёсткими склейками» или «крупный план продукта при показе широкой панорамы города». Модель всё равно может что-то выдать, но команда ревью не поймёт, какая инструкция победила.

Если вы учитесь, как писать промпты для Wan 3.0, сделайте первый тест намеренно скучным. Скучное диагностируется. Перегруженное — нет.

Корректируйте тайминг, референсы или параметры, прежде чем добавлять детали

Если субъект неверный, проверьте референс. Если неверно движение, упростите действие. Если сцена заканчивается слишком рано, измените длительность или структуру временных меток. Если звук конфликтует с планом, сначала уберите текст песни или диалог.

В релизном посте о Wan3.0 Alibaba назвала текстуру звука и точность текста на экране областями для улучшения на момент выпуска. Относитесь к ним как к пунктам ревью, а не как к гарантированным условиям прохождения.

Повторное использование промптов в производстве

Сопоставьте блоки промпта со структурированными полями запроса

Многоразовый шаблон должен разделять творческий язык и поля запроса:

PLATFORM_ENDPOINT=
INPUT_MODE=
INPUT_ASSET_ID_OR_URL=
PROMPT_SUBJECT=
PROMPT_ACTION=
PROMPT_SCENE=
PROMPT_CAMERA=
PROMPT_AUDIO=
PARAM_DURATION=
PARAM_RESOLUTION=
PARAM_ASPECT_RATIO=
PARAM_AUDIO=
PARAM_PROMPT_EXPANSION=
PARAM_SEED=
REFERENCE_ROLES=
OUTPUT_ID_OR_URL=
PASS_FAIL_REASON=

Ничего мудрёного. Он просто не даёт промпту превратиться в ящик, набитый старыми решениями. Перед отправкой запроса сопоставьте метки PARAM_ с актуальными названиями полей выбранного провайдера.

Версионируйте шаблоны и сохраняйте доказательства оценки

Храните каждый принятый промпт вместе с его эндпойнтом, датой схемы, параметрами, входными ассетами, URL результата, заметками ревьюера и причинами отклонения. Если провайдер меняет схему или значение по умолчанию, перед масштабированием перезапустите наименьший принятый тест.

Wan3 prompting guide для команды — это не список красивых промптов. Это запись того, что выдержало ревью.

Ограничения и компромиссы

Более длинные промпты не гарантируют более сильный контроль

Длинные промпты могут помогать, когда добавляют структуру. Они вредят, когда скрывают противоречия. Если промпт на 300 слов не сработал, сделайте версию на 90 слов и заново проверьте основное действие.

Интерфейсы провайдеров могут предоставлять разные элементы управления

В проверенном Wan3.0 API от Alibaba перечислены wan3.0-video и wan3.0-video-prime, а типы медиа и параметры собраны в одной схеме запроса. WaveSpeed разделяет поверхности эндпойнтов и использует другие названия полей. Не переносите названия параметров между платформами, не проверив актуальную схему.

FAQ

Есть ли у Wan 3.0 ограничение на максимальную длину промпта?

В проверенном справочнике Wan3.0 API от Alibaba сказано, что input.prompt поддерживает китайский и английский языки и допускает до 20 000 символов, а лишнее содержимое автоматически обрезается. На проверенных страницах моделей WaveSpeed такой же предел длины промпта не опубликован, поэтому перед большим пакетом проверьте актуальную схему.

Можно ли в промптах ссылаться на имена загруженных файлов вместо URL?

Не полагайтесь на имена файлов. Alibaba описывает медиа как публичный URL, временный OSS URL или вход в Base64, а затем в промпте ссылается на ассеты как на «Image 1», «Video 1» или «Audio 1». Схемы WaveSpeed тоже используют структурированные медиаполя, а не ссылки на локальные имена файлов.

Какие языки сейчас поддерживаются для сгенерированного диалога?

Проверенный справочник Wan3.0 API подтверждает поддержку китайского и английского промптов. Это не устанавливает полный список языков для сгенерированной речи. Для производственных тестов фиксируйте запрошенный язык диалога и проверяйте полученный звук, прежде чем расширять пакет.

Поддерживает ли Wan 3.0 негативные промпты на всех эндпойнтах?

В проверенных документах Wan3.0 — нет. В справочнике Wan3.0 API от Alibaba negative_prompt не указан, а на проверенных страницах WaveSpeed Wan 3.0 T2V/I2V/R2V поле негативного промпта не предоставлено. Не переносите поведение старой Wan2.7 на Wan3.0 без свежей проверки схемы.

Воспроизводит ли фиксированный seed звук и видео вместе?

Фиксированный seed может снизить случайность, но его не следует считать полной аудиовизуальной фиксацией. Записывайте вместе seed, промпт, референсы, длительность, настройку звука и версию эндпойнта. Затем перезапустите образец. Это единственный честный способ узнать, насколько стабилен шаблон.

Заключение

Полезное руководство по промптам Wan 3.0 начинается не с изящных формулировок. Оно начинается с контролируемого видеотеста: один режим ввода, одна принятая задача, одна структура промпта и одно изменение за генерацию. Когда это работает, масштабируйте осторожно. Один удачный результат не означает, что производственный процесс готов.


Предыдущие публикации:

Поделиться