Fonctionnalités et capacités de Wan 3.0
Wan 3.0 est le dernier modèle vidéo du laboratoire Tongyi d’Alibaba, en bêta publique depuis août 2026. Il génère des clips natifs en 1080p allant jusqu’à 30 secondes en une seule passe. Il lit aussi les documents et les pages web en plus des prompts, et produit le son en même temps que l’image.
| Capacité | Ce qu’elle fait | Idéal pour |
|---|---|---|
| Plans-séquences longs | Tient un plan continu jusqu’à 30 secondes | Spots publicitaires, courtes scènes, longues révélations |
| Vidéo à partir de documents | Lit un document, un tableur, une présentation, un pdf ou une page web et en tire une vidéo | Rapports, vidéos explicatives, clips fondés sur des données |
| Omni-Reference | Garde un personnage, un produit ou un décor d’un plan à l’autre, avec jusqu’à 20 références | Séries, séquences multi-plans, travail de marque |
| Audio dans la même passe | Renvoie un clip sonorisé plutôt que muet | Scènes avec son, dialogues, temps musicaux |
| Retouche précise | Resélectionnez un intervalle de temps et ne régénérez que cette partie | Corrections et révisions sans tout relancer |
Plans-séquences longs
La durée est l’argument principal. Trente secondes en un plan continu, c’est environ le double de Wan 2.7, et cela change l’unité de travail : un spot publicitaire complet ou une courte scène tient dans une seule génération, sans montage de plusieurs clips. Vous l’écrivez comme un mouvement qui évolue, en décrivant comment le sujet et la caméra se déplacent sur toute la prise plutôt qu’une image figée. Le contrôle intelligent de la durée ajuste la longueur au brief : un beat court n’est pas rallongé de secondes mortes.
Vidéo à partir de documents
C’est ce qui distingue le plus Wan 3.0. Son entrée Omni-Reference lit des fichiers structurés (doc, xls, ppt, pdf, txt, key, pages, numbers et md) ainsi que n’importe quelle URL de page web, puis construit une séquence vidéo à partir de leur contenu. Une présentation trimestrielle ou une fiche technique de produit devient un clip abouti, et non un simple storyboard. Fournissez une source propre et bien organisée, puis indiquez dans le prompt quels chiffres, quelles lignes ou quelles sections doivent porter la vidéo.
Continuité par les références
Omni-Reference garde une séquence reconnaissable. Fournissez jusqu’à 20 éléments (images, clips, audio, voire documents) pour un personnage, un produit ou un décor : le modèle conserve cette identité dans le plan, puis d’une coupe à l’autre. Dire à quoi sert chaque référence compte autant que de la fournir, pour que le modèle sache laquelle porte le sujet et laquelle fixe le lieu.
Audio dans la même passe
Le son est généré avec l’image plutôt que ajouté après coup. Une scène peut donc revenir avec son ambiance, ses bruitages ou ses dialogues déjà en place. Le rythme fait ainsi partie du prompt : dites où tombe un temps fort, et l’image peut être montée dessus.
Retouche précise
La retouche vit dans le même modèle. Wan 3.0 accepte les retouches guidées par instruction ou par référence : sélectionnez un intervalle de temps et ne régénérez que cette partie, sans toucher au reste. Vous pouvez modifier l’image, l’action ou les répliques d’un personnage. La révision devient une passe contrôlée, au lieu de relancer un clip entier en espérant mieux au prochain tirage.
Sur les poids ouverts
Wan 3.0 est un modèle fermé, accessible uniquement par API, sans poids publiés sur Hugging Face, GitHub ou ModelScope. La gamme ouverte d’Alibaba s’arrête à Wan 2.2 sous licence Apache 2.0, et ces poids restent les seuls que vous pouvez télécharger et héberger vous-même. Si l’hébergement en interne est une exigence de votre chaîne de production, c’est le point à surveiller : Wan 2.2 reste la version téléchargeable la plus récente.
Tirer le meilleur de Wan 3.0
Chaque point fort de Wan 3.0 demande quelque chose de précis au prompt. Jouez sur ces atouts, et le modèle fait un travail que vous feriez sinon au montage.
Faire de la prise longue une structure, pas seulement une durée
Trente secondes ne sont un avantage que si le plan les mérite. Une prise longue doit avoir un début, un tournant et une fin, comme un vrai plan-séquence.
- Écrivez l’arc, pas le sujet. « La caméra reste sur le quai désert, un train arrive, elle en descend et passe devant l’objectif » donne au modèle une direction sur toute la durée.
- Placez la révélation tard. Une prise longue vaut la peine quand quelque chose change en cours de route : la lumière qui bouge, une porte qui s’ouvre, une foule qui s’écarte.
- Bougez la caméra une seule fois, avec intention. Un seul mouvement soutenu sur trente secondes fait métier ; trois mouvements dans le même clip trahissent l’hésitation.
- Laissez respirer un temps. Un moment suspendu avant le tournant distingue une scène d’une bande démo, et les modèles à clips courts n’en laissent jamais la place.
Utiliser les références pour construire une série, pas un plan isolé
Le contrôle par références rapporte d’un plan à l’autre : le vrai gain, c’est de planifier un ensemble de clips qui vont ensemble.
- Fixez votre distribution avant de générer. Verrouillez d’abord les références du personnage, du produit et du lieu, puis écrivez chaque plan à partir de cet ensemble figé.
- Étiquetez chaque référence dans le prompt. « Le coursier de la référence personnage, dans la rue de la référence lieu » supprime les suppositions que le modèle ferait sinon.
- Préférez des références propres à des références nombreuses. Quelques images bien éclairées et dépouillées valent mieux qu’un tas d’images chargées, et une vidéo de référence d’environ 5 à 10 secondes suffit en général à établir un sujet.
- Donnez des angles séparés, pas un collage, quand un sujet doit être reconnaissable sous plusieurs faces.
Utiliser l’audio de la même passe pour mener le montage
Le son étant généré avec l’image, le rythme se règle dans le prompt plutôt que sur la timeline.
- Nommez le fond sonore. « Pluie légère en dessous, pas de musique » installe une ambiance que l’image suivra.
- Placez le temps fort. Préciser qu’une porte claque quand la caméra atteint l’encadrement fait tomber image et son ensemble.
- Demandez aussi le silence. Un calme tenu avant une réplique ou un choc est un choix de mise en scène, plus facile à demander qu’à insérer plus tard.
Écrire par ordre de priorité
Un prompt structuré donne au modèle une hiérarchie claire à respecter. L’ordre dans lequel vous écrivez détermine donc ce qu’il protège sur une prise de 30 secondes.
- Commencez par le plan, puis le détail : sujet et caméra d’abord, puis costumes, lumière et accessoires de décor.
- Dites ce qui doit rester fixe. « Le logo reste lisible tout du long » donne à l’étape de planification quelque chose à défendre sur toute la prise.
- Donnez une direction à la lumière. « Éclairage en contre-jour depuis la gauche de l’écran » est exploitable ; « sombre et dramatique » ne l’est pas.
- Gardez une seule action par prise. Trois temps successifs dans un prompt donnent un compromis ; trois prompts donnent trois plans nets.
Pour la liste complète des spécifications, consultez la page du modèle Wan 3.0.
Guide de prompt pour Wan 3.0
Un bon prompt vidéo se lit comme un court plan de tournage, pas comme une légende : le modèle reçoit un sujet, un mouvement et une caméra, et non une image fixe décrite en mots. Passez en revue les cinq lettres de SPACE avant d’envoyer (mnémotechnique anglaise : Subject, Performance, Ambience, Camera, Extra cues).
| SPACE | À inclure | Exemple |
|---|---|---|
| Sujet (Subject) | Qui ou quoi est dans le cadre, décrit concrètement | Un coursier à vélo dans un ciré jaune trempé |
| Jeu (Performance) | Le mouvement : ce que fait le sujet, et comment | Il pousse la porte de l’épaule et entre |
| Ambiance (Ambience) | Le décor, le moment de la journée et la lumière | Une ruelle étroite de nuit, reflets de lampadaires sur les pavés mouillés |
| Caméra (Camera) | Le type de plan et un seul mouvement | Plan moyen, lente avancée en plan serré |
| Indices en plus (Extra cues) | Audio, rythme et transitions | Fond de pluie en dessous, une seule prise sans coupe |
Prompts faibles et prompts forts
Chaque ligne ci-dessous transforme un prompt générique en un prompt qui donne de la matière à un point fort précis de Wan 3.0.
| Atout mis en jeu | Faible | Fort |
|---|---|---|
| Prise longue | Une violoncelliste qui joue | Elle termine la phrase musicale, baisse l’archet et reste immobile pendant que la dernière note s’éteint, la caméra dérivant doucement vers la gauche |
| Contrôle de la caméra | Une rue sous la pluie, la nuit | Plan moyen sur un coursier, une seule lente avancée dans une ruelle bordée de lampadaires, la pluie tombant dans la lumière principale |
| Continuité par les références | Utilise ces références | Le coursier de la référence personnage traverse la place de la référence lieu |
| Audio dans la même passe | Ajoute du son | Fond de pluie légère, pas de musique, et le volet claque quand la caméra atteint l’encadrement |
| Texte dans l’image | Une vidéo produit avec notre logo | Rotation en lumière de studio d’une bouilloire en inox brossé, logo sur le corps lisible pendant tout le tour |
Erreurs courantes
- Décrire une image fixe. Un modèle vidéo a besoin de mouvement dans le temps, pas d’une photographie racontée en mots.
- Demander trente secondes où il ne se passe rien. Sans tournant, la durée n’est qu’un clip au ralenti.
- Écrire « cinématographique » et s’arrêter là. Nommez plutôt le type de plan et un mouvement de caméra.
- Entasser une séquence dans un seul prompt. Gardez une action claire par prise et laissez les références porter la continuité entre elles.
- Laisser les références sans étiquette. Dites à quoi sert chacune, sinon le modèle doit deviner laquelle mène la scène.
- Traiter l’audio comme un détail. Il est généré avec l’image : un son non demandé est un choix manqué, pas un choix neutre.

