Guide de prompts Wan 3.0 : six formules officielles, d'une ligne à un script multi-plans

Alibaba a livré Wan 3.0 avec un manuel créateur, et ce qu'il contient de plus utile n'est pas la liste des fonctionnalités — ce sont six formules de prompt, chacune avec ses exemples travaillés et les clips que ces exemples ont produits. Presque rien de tout cela n'a circulé en français.

Ce guide, c'est cette section-là, dépliée et traduite : chaque formule ci-dessous est celle du manuel, et chaque prompt est imprimé en entier pour que vous puissiez le coller directement dans un Playground. Quand le manuel associe un clip à un prompt, ce clip est intégré juste à côté.

Tout ce qui suit fonctionne dans le Playground de Pixo avec Wan 3.0 — jusqu'à 30 secondes, avec audio natif.

Ce dont le prompt dispose

Avant les formules, la boîte dans laquelle elles vivent. Les limites de Wan 3.0 sont inhabituellement généreuses, et plusieurs des formules ne prennent leur sens qu'une fois qu'on les connaît :

Deux de ces lignes changent votre façon d'écrire. Le plafond de 20 000 caractères est ce qui rend la formule multi-plans praticable — vous pouvez scénariser dix plans avec dialogues sans jamais vous en approcher. Et l'exclusion première/dernière image ↔ référence est un embranchement à choisir avant d'écrire : soit vous donnez une image à Wan et décrivez le mouvement, soit vous lui donnez des références et décrivez qui fait quoi. Aucun prompt ne fait les deux.

Formule 1 — Basique : qui, où, en train de faire quoi

Le point d'entrée du manuel, destiné à ceux qui génèrent leur première vidéo IA. Trois volets, pas un de plus :

Prompt = sujet + décor + mouvement

• Sujet — ce dont parle la vidéo. Le manuel reste délibérément large : une personne, un animal, une plante, un objet, ou quelque chose qui n'existe pas physiquement. C'est l'ancre à laquelle s'accroche tout le reste du prompt, et le seul volet que vous ne pouvez pas laisser implicite.
• Décor — l'environnement dans lequel se trouve le sujet, arrière-plan et premier plan compris, lieu réel ou inventé. Sautez-le et le modèle choisit ; nommez-le et vous avez fixé à peu près la moitié de l'image.
• Mouvement — ce qui bouge, et de combien. L'éventail du manuel mérite d'être intégré : le mouvement inclut l'immobilité, un petit déplacement, un grand déplacement, le mouvement d'une partie seulement, ou une dérive de toute l'image. « Mouvement » ne veut pas seulement dire action — déclarer que quelque chose reste immobile est aussi une instruction de mouvement, et Wan 3.0 l'exécute.

La formule basique est aussi celle qui profite le plus d'un seul mot de style placé en tête. Voici l'entrée « table de pâte à modeler » du manuel, à peine plus longue qu'un tweet, et qui raconte pourtant une petite histoire complète :

Animation dessinée à la main, touche de peinture à l'huile, palette froide. Dans une ferme de la campagne américaine, une soucoupe volante approche au loin ; un faisceau de lumière verte jaillit de son ventre et emporte l'une des vaches de la ferme ; non loin de là, dans une chambre à l'étage, un petit garçon assiste à la scène.

Relisez-le à travers la formule : les mots de style, puis le décor (une ferme de la campagne américaine), puis le sujet (la soucoupe), puis le mouvement en trois temps enchaînés (elle approche, elle émet le faisceau, elle emporte la vache), puis un second sujet dont le mouvement consiste à regarder. Deux phrases, et chaque volet est rempli. C'est le standard que réclame réellement la formule basique — pas la longueur, la couverture.

Formule 2 — Avancée : trois volets de plus

Une fois les trois premiers devenus des réflexes, le manuel en ajoute trois. Même ordre, à la suite :

Prompt = sujet + décor + mouvement
       + contrôle esthétique + stylisation + son

À ce niveau, les trois premiers volets reçoivent aussi des descriptions — le manuel sépare le nom et le détail qu'on y accroche :

• Description du sujet — le détail d'apparence, écrit en adjectifs ou en propositions courtes. Les exemples du manuel : « une jeune fille Miao aux cheveux noirs en costume traditionnel », « une immortelle volante venue d'un autre monde, vêtue de robes en lambeaux mais somptueuses, une étrange paire d'ailes faites d'éclats de ruines déployée dans son dos ». Des noms concrets et des matières, pas des adjectifs d'ambiance.
• Description du décor — le même traitement pour l'environnement, et le volet qui règle discrètement votre lumière. Nommer les surfaces et leur état (« terre orange craquelée », « rambardes métalliques mouillées ») donne au moteur de rendu de quoi faire rebondir la lumière ; « une ferme » ne lui donne rien, et vous récupérez un éclairage d'ambiance générique.
• Description du mouvement — amplitude, vitesse, et l'effet que produit le mouvement. Les trois exemples du manuel sont exactement cela : « oscillant violemment », « se déplaçant lentement », « a brisé la vitre ». Le troisième est le plus intéressant : décrire la conséquence est une instruction de mouvement.

Puis les trois nouveaux volets :

• Contrôle esthétique — source de lumière, environnement lumineux, échelle de plan, angle de vue, objectif, mouvement de caméra. C'est le volet chef opérateur, et c'est de là que vient l'essentiel de la « valeur de production » perçue. Rester vague ici, c'est laisser le modèle choisir un plan moyen sans risque en lumière plate.
• Stylisation — le nom du langage visuel. Les exemples du manuel : « cyberpunk », « illustration au trait », « post-apocalyptique ». Un ou deux mots, placés tôt, qui abattent un travail énorme. La bibliothèque de styles à la fin de cet article en contient douze, avec la formulation qui les déclenche.
• Son — ambiance de fond, musique, dialogues des personnages, voix off. Et surtout, le timbre se décrit avec des mots : « une voix mixte et grave », « une voix mignonne ». La formule 4 démonte tout cela proprement.

L'entrée film catastrophe du manuel, c'est la formule avancée à pleine extension : un paragraphe global qui porte le style, le sujet et l'ambiance, puis dix temps numérotés, puis un paragraphe qui met le tout en musique. Son bloc d'ouverture :

Une entrée en scène de monstre marin de 30 secondes, avec une vraie texture de cinéma ; ambiance générale référencée sur un blockbuster catastrophe hollywoodien. L'histoire s'ouvre sur un petit bateau de pêche peinant dans la tempête, le marquage « WAN » nettement visible sur sa coque. La caméra installe d'abord la brutalité de l'état de la mer et la petitesse fragile du bateau, puis fait monter la pression par le détail — remous en surface, ombre sous l'eau, coque qui tremble, houle anormale — jusqu'à ce qu'enfin une immense bête des abysses, dans le style d'un kaiju de Pacific Rim, jaillisse hors de l'eau. Sur toute la durée : réalisme, poids, échelle vraie, impacts d'eau violents, lumière très contrastée sous la pluie et les éclairs ; insister sur la texture des effets visuels de cinéma, le volume de l'eau de mer, le détail humide de la peau de la créature et la présence oppressante de quelque chose d'énorme.
Temps 1 : nuit, mer fouettée par la tempête, vraie texture de cinéma. Un plan large montre un petit bateau de pêche fendant d'énormes vagues — la coque vieille, luisante, martelée par la mer, les lettres blanches « WAN » nettement visibles sur son flanc. L'eau est violente, le vent traîne des rideaux de pluie, des nuages noirs roulent au-dessus, et un éclair lointain illumine brièvement tout le paysage marin. Insister sur l'eau de mer réelle, l'environnement de tempête, le détail de la coque et un sentiment d'impuissance minuscule.
Temps 2 : plan moyen serré sur la proue ou le flanc du pont. Les vagues frappent la coque et balaient le pont ; cordages, filets et rambardes métalliques battent dans le vent et la pluie. La caméra roule avec le bateau pour un vrai sentiment de tangage, la pluie frappant l'objectif et les surfaces du bateau. Le marquage WAN retraverse brièvement le cadre. Insister sur les matières réelles, le mauvais temps, le métal et le bois détrempés, et un danger de survie aigu.
Temps 3 : depuis le point de vue du bateau, regard porté sur la mer. À l'intérieur de la tempête, le clapot développe une houle énorme et contre nature, comme si quelque chose d'immense approchait vite par en dessous. Un vaste tourbillon se forme, l'eau bouillonne de travers, la crête est poussée par le dessous, les courants sont en désordre. Quand un éclair illumine la surface, une ombre vague et gigantesque est faiblement visible dans les profondeurs. Insister sur le suspense, la pression de la mer et l'effroi d'un géant qui approche.

Regardez de quoi chaque temps est fait. Chacun s'ouvre en nommant un plan (large / moyen serré / point de vue) et se ferme sur une ligne d'intention de mise en scène — « insister sur l'eau de mer réelle, l'environnement de tempête, le détail de la coque et un sentiment d'impuissance minuscule ». Cette phrase de clôture est l'habitude du manuel qu'il faut voler : après avoir décrit ce qu'il y a dans le cadre, dites à quoi le cadre sert. Entre les deux, les temps situés sur le bateau détaillent les matières (métal mouillé, bois, cordage, filets, rambardes) tandis que les temps en pleine mer, comme le temps 3, n'en nomment aucune — il n'y a rien à toucher là-bas, donc le budget de détail passe au comportement de l'eau.

Le volet son, dans ce même prompt, tient dans un paragraphe final qui met les 30 secondes en musique comme un arc :

Musique dans le style d'un film catastrophe hollywoodien à monstre. Ouvrir sur une ambiance basse, un grondement sub-grave des abysses, des percussions clairsemées et des cordes oppressantes pour installer le malaise dans la tempête ; à mesure que la surface commence à bouger, superposer des pulsations de basse plus fortes, une sensation d'impact métallique et une tension de cordes qui s'accumule ; juste avant que la créature ne surgisse, maintenir la musique dans une suspension presque en apnée qui continue de monter ; quand elle brise l'eau, exploser en cuivres immenses, percussions lourdes et impact de basses fréquences pour un climax à l'échelle de la catastrophe ; refermer sur des tenues lourdes, oppressantes, apocalyptiques et des percussions qui renforcent l'image épique de la bête dressée au-dessus de la mer.

Quatre états, épinglés à quatre moments du récit. C'est une conduite musicale, pas un adjectif — et c'est toute la différence entre « musique cinématographique » et une partition qui frappe au moment où le monstre frappe.

Formule 3 — Image et première/dernière image : mouvement et caméra seulement

Quand vous fournissez une première image (ou une première et une dernière), l'image a déjà décidé du sujet, du décor et du style. Les redire dans le prompt, c'est au mieux du budget gaspillé, au pire une source de conflit. La formule se réduit donc à deux volets :

Prompt = mouvement + mouvement de caméra

• Mouvement — rattaché à ce qui est réellement visible dans l'image : cette personne, cet animal, qui court, qui salue. Le manuel insiste sur l'emploi d'adverbes pour contrôler le degré et la vitesse — « rapidement », « lentement ». Comme l'image est fixée, les adverbes sont l'essentiel de la surface de contrôle qui vous reste.
• Mouvement de caméra — seulement si vous en voulez un. Écrivez-le simplement : « travelling avant », « panoramique vers la gauche ». Et l'inverse compte tout autant : si la caméra ne doit pas bouger, le manuel dit de le dire, avec « plan fixe ». Se taire ici n'équivaut pas à demander une caméra verrouillée.

Le sabreur à l'encre du manuel est le cas de première image le plus clair du livre. Une image entre ; le prompt est un déroulé de temps timecodés dont presque chaque ligne est une instruction de caméra ou de mouvement, et le style n'est mentionné qu'une seule fois, tout à la fin — comme un rappel de préserver le rendu de l'image d'entrée, pas comme une nouvelle direction artistique. Voici le premier de ses cinq temps :

Les fichiers de référence de la démonstration

Notre traduction du prompt officiel du manuel pour cette formule

(0:00 - 0:03) Caméra : plan moyen.
Image : poursuivre la scène de forêt de bambous à l'encre de @Image1. Le sabreur au chapeau de paille et à la robe noir d'encre, sa silhouette dressée au centre de la brume tourbillonnante et des ombres de bambous qui oscillent.
Action : sa main gauche repose légèrement sur la garde ; des feuilles de bambou descendent au vent.
Ambiance : silencieuse, oppressante ; le grain du lavis d'encre nettement visible.

Le temps est écrit en lignes étiquetées, et les étiquettes sont choisies temps par temps plutôt que fixées : seul Caméra ouvre les cinq. Image et Détail apparaissent dans la plupart ; Récit, Action, Combat, Ambiance et Texte à l'écran vont et viennent selon les besoins du temps. Ce qui est stable, c'est la forme — la caméra d'abord, puis une ligne étiquetée par préoccupation, une préoccupation par ligne. Notez aussi que Image sert ici à dire poursuivre @Image1, pas à la redécrire. Le deuxième temps montre les étiquettes se déplacer quand le récit arrive :

(0:03 - 0:08) Temps narratif. Caméra : gros plan.
 
Récit : le sabreur perçoit une intention meurtrière.
Image : la caméra pousse rapidement vers un gros plan sous le chapeau.
Détail : au bord du chapeau, une paire d'yeux farouches et résolus, un regard comme une lame. Une « goutte de sueur » à l'encre glisse le long de son front.
Action : sa main droite se referme lentement sur la garde, les jointures blanchissant. Les feuilles de bambou tombent plus vite.

Deux choses se généralisent. D'abord, ce sont les adverbes qui travaillent — pousser rapidement, se refermer lentement, les feuilles tombant plus vite : degré et vitesse, exactement ce que demande la formule. Ensuite, le prompt se referme en renommant l'image source et en demandant que son style noir et blanc à l'encre tienne sur tout le clip. Avec une première image, l'instruction de style est une instruction de préservation.

Formule 4 — Son : voix, effets, musique

Wan 3.0 génère l'audio nativement : le son n'est donc pas de la post-production, c'est du texte de prompt. Le manuel donne une formule et trois sous-formules en dessous, et ce sont les sous-formules qui sont utiles :

Prompt = voix + effets sonores + musique (BGM)
 
voix          = « ce que dit le personnage » + émotion + intonation
              + débit + timbre + accent
effet sonore  = matière de la source + l'action + l'espace ambiant
musique (BGM) = la musique elle-même + son genre

Voix. Six volets, et le premier n'est pas négociable : écrivez les mots réellement prononcés. L'exemple du manuel est un homme qui fait du stand-up et dit « Étudie dur, progresse chaque jour » — ton détendu, débit modéré, voix claire et lumineuse, anglais américain. Notez que le volet accent est indépendant de la langue de votre prompt, et que le « timbre » se décrit avec des mots ordinaires — le manuel propose ailleurs une voix mixte et grave, une voix mignonne.

Effet sonore. Les trois volets existent pour vous empêcher d'écrire « un bruit sourd ». L'exemple du manuel : une petite bille de verre tombe d'une table sur un plancher en bois, en faisant « bang », dans un intérieur silencieux. Matière, action, pièce. Remplacez la matière par du caoutchouc et la même phrase produit un son complètement différent ; retirez la matière et vous obtenez une moyenne de toutes.

Musique. La sous-formule la plus courte, et l'exemple du manuel montre qu'elle doit être attachée à une scène, pas flottante : une nuit de pluie, un couloir étroit et sinistre avec une fenêtre au fond, accompagné d'une musique de fond de style suspense. La scène et le genre d'un même souffle.

Un cas que les trois sous-formules ne couvrent pas, c'est l'audio qui arrive en upload plutôt qu'en description — pour cela, le tableau de références du manuel contient une entrée danse qui confie un fichier audio à Wan puis passe tout le prompt à décrire comment le corps doit lui répondre :

Vertical 9:16, plan en pied, caméra fixe et stable. Une jeune femme aux longs cheveux noirs, en haut blanc à manches longues brodé de fleurs, jupe plissée blanche à ceinture noire et baskets blanches à plateforme, danse dans un style idol sur le rythme de l'audio fourni, dans une cuisine moderne minimaliste. Arrière-plan : meubles gris clair, îlot blanc, fenêtres sur la nuit ; un panneau lumineux carré derrière elle forme un contre-jour ; lumière intérieure blanc froid.
Chorégraphier sur le rythme, le tempo et les montées émotionnelles de l'audio fourni : les temps forts appellent des mouvements nets et amples et des poses tenues ; les passages plus doux appellent de douces vagues du corps et des figures de mains ; le refrain appelle un mouvement plus dense et plus explosif. Danse de style idol du début à la fin — continue, fluide, rythmique et expressive, parfaitement synchronisée sur le tempo de l'audio.
Mouvement fluide, proportions des membres naturelles.

Le deuxième paragraphe est une table de correspondance, pas une description : temps fort → ce type de mouvement, passage calme → celui-là, refrain → plus dense. C'est le geste général pour tout audio uploadé — vous ne décrivez pas la musique, vous dites à Wan comment l'image doit répondre à chacun de ses états.

Formule 5 — Référence : @ l'élément, puis dirigez-le

La référence-vers-vidéo garde vos personnes, lieux et voix uploadés cohérents d'un bout à l'autre du clip généré. La formule tient en trois volets :

Prompt = @élément référencé + action + dialogue

• @élément référencé — citez les uploads par leur numéro, dans l'ordre d'upload : @Image1, @Video2, @Audio1. L'astuce clé du manuel : vous pouvez @ le même élément plusieurs fois, à différents endroits du prompt, et c'est ainsi que le lien devient précis au lieu d'approximatif. Un @ n'est pas une déclaration faite une fois en tête — c'est un pointeur que vous déposez partout où il s'applique.
• Action — l'état de mouvement du sujet référencé : immobilité, changement d'expression ou d'émotion, mouvement du corps, force extérieure qui s'exerce sur lui, changement de position. Une image de référence est une pose, et sans volet action le modèle tend à animer autour de cette pose plutôt qu'à partir d'elle. Nommer l'état de mouvement, c'est ce qui convertit une image fixe en interprétation — et « immobilité » est une réponse légitime, pas une réponse vide.
• Dialogue — ce qu'ils disent. Un locuteur ou plusieurs en conversation, et le timbre peut lui-même être une référence : « timbre de voix référencé sur @Audio1 ».

Deux variantes se rangent sous la même formule :

• Référence temporelle vidéo — référencer le contenu temporel d'un clip plutôt que son sujet : l'action, le mouvement de caméra, l'effet. La formulation du manuel : « référencer le travail de caméra de @Video1 ».
• Référence en modèle blanc (prévisualisation) — injecter une prévisualisation 3D en volumes gris et la convertir en plan fini. Le manuel fournit la phrase à copier : « Transforme cette vidéo de prévisualisation 3D en film fini ; remplace [X] dans la prévisualisation par le personnage [Y]. »

L'exemple de conte de fées du manuel est la démonstration compacte des trois volets à la fois :

Une scène de conte de fées enfantine. @Image1 saute et joue sur l'herbe ; @Image2 joue du piano sous un pommier à côté ; une pomme tombe sur la tête de @Image2 ; @Image1, en référençant le timbre de @Audio1, pointe joyeusement @Image2 du doigt et dit : « Tu vas devenir scientifique ! »

Trois éléments, six mentions @, une réplique écrite en entier. @Image1 apparaît deux fois — une fois comme sujet d'une action, une fois comme locuteur — et @Image2 trois fois : pianiste, tête sur laquelle tombe la pomme, et objet du doigt pointé. C'est l'astuce « @-le à nouveau là où il s'applique » en pratique : l'élément est re-cité à chaque endroit où il participe, pas déclaré une seule fois.

Voici la même grammaire appliquée à une planche de storyboard, tirée du tableau de références du manuel. Une planche uploadée devient six plans :

En référençant le storyboard de @Image1. Plan 1 : plan large d'un petit quai de gare une nuit de pluie — une fille aux cheveux longs se tient seule sous un parapluie bleu, la lumière chaude du bâtiment de la gare se répandant derrière elle, des collines vertes perdues dans la brume de pluie au loin. Plan 2 : plan moyen — la fille et son parapluie et un garçon aux cheveux courts avec un cartable se font face sur le quai, la pluie tombant à verse, la voie s'enfuyant entre eux. Plan 3 : filmé à travers la toile transparente du parapluie où glissent les gouttes, un gros plan sur le visage de la fille ; les yeux rougis, elle dit doucement {Envoie-moi un message quand tu seras arrivé}. Plan 4 : par-dessus l'épaule du garçon vers la fille — au loin un train avance lentement, phare allumé, le halo se diffusant dans la pluie. Plan 5 : gros plan sur leurs mains alors que la fille presse un mot plié dans celle du garçon, le bout des doigts légèrement tremblant. Plan 6 : la fille seule au bord du quai, regardant la voie s'enfuir au loin, le garçon n'étant plus à ses côtés, la pluie faiblissant.

Notez les accolades du dialogue — elle dit doucement {Envoie-moi un message quand tu seras arrivé}. Le manuel utilise des accolades pour isoler la réplique exacte de la description qui l'entoure, une habitude utile dans tout prompt où narration et dialogue cohabitent dans la même phrase.

Formule 6 — Multi-plans : le prompt comme scénario de tournage

La dernière formule est celle pour laquelle le budget de 20 000 caractères existe. Elle génère un récit multi-plans cohérent en une seule génération, en maintenant sujet, décor et ambiance d'une coupe à l'autre :

Prompt = description d'ensemble + numéro de plan + timecode + contenu du plan

• Description d'ensemble — un bref résumé de toute la vidéo : thème, style narratif, émotion dominante, événement central. Elle existe pour que le modèle ait une lecture globale avant d'attaquer le plan 1, et c'est elle qui maintient le plan 7 dans le même film que le plan 1.
• Numéro de plan — numérotez chaque plan. C'est la colonne vertébrale structurelle ; sans elle, un long prompt se lit comme un seul flot continu et c'est le modèle qui décide où couper.
• Timecode — la plage de temps qu'occupe chaque plan, ce qui relie la liste de plans à la durée réelle de la sortie. Dix plans en 30 secondes, ce n'est pas le même film que trois, et les timecodes sont votre façon de dire lequel.
• Contenu du plan — pour chaque plan, le comportement concret des personnes et des objets qui s'y trouvent : action, parole, expression, posture. À l'intérieur d'un plan, vous écrivez un prompt mono-plan normal — les formules précédentes s'appliquent sans changement.

L'exemple travaillé du manuel est volontairement petit, pour que la structure reste visible :

Racontée à la troisième personne, voici une courte fiction sur le renoncement et la manière dont l'espoir revient. Plan 1 [0-3 s] Un garçon est assis seul dans un coin de la cour de récréation, la tête baissée sur une lettre qu'il tient, puis il soupire doucement, le regard perdu. Plan 2 [4-6 s] Coupe franche, caméra fixe, concentrée sur les yeux du garçon — des larmes qui brillent, pleines de perte et d'impuissance. Plan 3 [7-10 s] Coupe franche, la scène se déplace vers une salle de classe ordinaire. Une fille au regard doux et ferme, vêtue simplement, un sourire doux et ferme sur le visage, s'approche pour le consoler.

Une ligne de résumé, puis trois plans qui portent chacun un numéro, une plage de temps entre crochets, la transition qui y mène, la caméra et le jeu. Dix secondes de film en quatre phrases.

Passé à l'échelle, le même squelette produit un court-métrage de 30 secondes. Le plan-séquence côte Ouest du manuel s'ouvre sur la description d'ensemble plus un bloc personnage, puis quatre plans numérotés avec leurs plages de temps — et chaque plan après le premier commence par « Pas de coupe », ce qui est la façon dont une liste de plans produit une prise continue plutôt que quatre plans séparés :

Un spectacle visuel en plan-séquence de 30 secondes, qualité cinéma, haute intensité. Style d'ensemble : « fantasmisme de rue de la côte Ouest » — un langage visuel qui croise le grain des vidéos de skate de rue des années 90 et le vernis d'un blockbuster publicitaire moderne. Étalonner tout le film pour un « soleil de Californie » extrême : un ciel bleu saturé en contraste dur avec les ombres de palmiers en plein soleil, l'air chargé de la chaleur de l'asphalte, du raclement métallique des roues de caddie et d'une insolence adolescente sans peur. La perspective de l'espace s'étire à mesure que le héros accélère ; la caméra construit sa force visuelle par un suivi en contre-plongée extrême et une traversée physique du décor à grande vitesse.
 
Le héros est un gamin stylé en chemise rayée à blocs de couleurs et casquette de baseball noire, son expression passant du relâchement paresseux à l'euphorie quand il franchit sa limite ; dans le second lieu, le héros est le même gamin, mais il apparaît dans la dimension réelle, en posture d'observateur.
 
Plan 1, 0-6 s :
Ouvrir sur un gros plan — le gamin avachi dans un caddie en acier rouge, derrière lui un boulevard californien rectiligne et iconique et des palmiers immenses. Quand la musique éclate, la caméra exécute un recul extrêmement rapide et descend au niveau du sol, collée à la roue en contre-plongée extrême. Le gamin se lance dans la descente raide, le caddie martelant le revêtement, les voitures de chaque côté s'arrachant derrière lui, la caméra captant une sensation d'accélération presque démente.
 
Plan 2, 7-15 s :
Pas de coupe. La caméra suit au ras du sol comme un skateur, et à l'instant où il franchit un tremplin de contreplaqué grossier, elle accompagne le mouvement en une parabole gracieuse. Le caddie s'envole ; la caméra passe en dessous. Devant, un panneau publicitaire géant remplit rapidement tout le champ de vision, et la caméra fonce dessus en une poussée « en réticule » improbable, visant droit le centre du panneau.
 
Plan 3, 16-24 s :
Pas de coupe. Le gamin et le caddie s'encastrent directement dans le panneau géant, brisant le mur dimensionnel. À l'instant du contact, son corps en trois dimensions s'aplatit ; une vraie texture de papier déchiré et une encre en glitch coloré apparaissent à l'image. Toujours dans sa posture de descente, il est devenu une pièce d'art plat sur le panneau. La caméra exécute alors une orbite horizontale à 180 degrés, puis plonge depuis les hauteurs jusqu'au niveau du sol.
 
Plan 4, 25-30 s :
Pas de coupe. La caméra se pose en douceur sur la rue juste sous le panneau, où apparaît une autre version, « réelle », du gamin. Il s'arrête, baisse lentement la visière de sa casquette et lève les yeux vers son double figé sur le panneau, un sourire légèrement amusé. La caméra suit son regard en un zoom avant rapide et se fixe sur le trou déchiré à côté du mot « WAN » sur le panneau. La musique fusionne un beat hip-hop à haute énergie avec le son physique d'une pellicule qui défile ; l'information visuelle est extrêmement condensée et pleine de rébellion mode.

Le même en-tête de plan numéroté fonctionne aussi avec un plan unique, et c'est ainsi que le manuel écrit son entrée comédie — une prise de 30 secondes dont toute la structure consiste en panoramiques rapides entre deux visages, déclarée une fois dans un en-tête puis exécutée ligne par ligne :

Plan 1 [0 s-30 s]
Gros plan, à hauteur des yeux, panoramiques rapides continus, plan-séquence (un seul mouvement de caméra ininterrompu) :
À gauche du cadre, un réalisateur en gilet de réalisateur noir à la mode et casque professionnel haut de gamme, une énorme caméra de cinéma professionnelle posée en contrebas à sa gauche. À droite, un jeune premier pistonné au maquillage impeccable, frange coréenne en virgule à la mode et costume sur mesure. L'arrière-plan est un vaste plateau professionnel : un immense fond vert, plusieurs pieds C de qualité cinéma qui montent haut, des câbles emmêlés, et des électros, maquilleuses et autres techniciens qui s'y affairent.
Éclairage de plateau professionnel. Une source LED en boîte à lumière douce déborde par la droite, éclairant uniformément les visages des protagonistes, les couleurs de la scène pleines et riches. Le matériel caméra et le fond vert à l'arrière-plan projettent de légères ombres sous l'abondante lumière de plateau, donnant la texture réelle et affairée d'un plateau moderne à gros budget.

Le prompt complet se poursuit en un unique long paragraphe qui alterne une réplique du réalisateur, un panoramique fouetté vers le visage de l'acteur et une réaction décrite, six fois de suite — les dialogues écrits intégralement à chaque fois, et « ne pas couper » répété à chaque panoramique. Quand un seul plan doit porter tout un film, la répétition est l'instruction.

La bibliothèque de styles : douze rendus et ce qui les déclenche

Le tableau d'ouverture du manuel compte douze entrées, chacune un genre avec un prompt complet et le clip qu'il a produit. Lu comme une référence, c'est un manuel de conversation : la deuxième colonne est la formulation qui installe réellement le rendu, et elle se trouve presque toujours dans la première phrase du prompt.

Quelques remarques pour lire ce tableau. La ligne 12 est étiquetée pâte à modeler dans le manuel, mais son prompt demande une animation dessinée à la main à la touche d'huile — l'étiquette décrit la ligne du tableau, le prompt décrit la sortie, et c'est le prompt qui a décidé du rendu. Les lignes 3, 4, 6 et 12 sont les mêmes clips que ceux utilisés en exemple plus haut dans cet article ; le manuel les réutilise aussi d'une section à l'autre.

Plus utile encore : remarquez le peu de formulations en un seul mot. Celles qui tiennent sur 30 secondes associent un médium (« animation 2D », « court-métrage 3D », « plan-séquence cinématographique ») à une règle de lumière ou de couleur (« éclairage cinématographique très contrasté », « cyan et orange », « clair de lune blanc froid en lumière clé dure »). « Cyberpunk » tout seul vous donne une supposition ; « cyberpunk, lumière clé néon très contrastée, ombres désaturées » vous donne un rendu que vous pouvez répéter d'un plan à l'autre.

Faire tenir les six ensemble

Les formules s'emboîtent plus qu'elles ne rivalisent. En pratique :

1. Commencez basique. Sujet, décor, mouvement. Si la ligne unique est déjà proche, c'est fini — Wan 3.0 fait réellement des films à partir d'une seule phrase.
2. Ajoutez les volets avancés là où la sortie vous a déçu. Image plate ? C'est le contrôle esthétique. Générique ? C'est la stylisation. Muet ou mal accompagné ? C'est le volet son.
3. Choisissez votre mode d'entrée avant d'écrire. Première/dernière image ou références — jamais les deux. Avec une image, ne gardez que mouvement et caméra. Avec des références, @-les à répétition et écrivez les dialogues en entier.
4. Sortez la formule multi-plans quand l'idée a un milieu. Description d'ensemble, plans numérotés, timecodes, contenu. Ajoutez « Pas de coupe » entre les plans si vous voulez une prise continue plutôt qu'une séquence.

Lancez ça sur Pixo

1. Créez un compte sur pixo.video — les nouveaux comptes démarrent avec des crédits gratuits.
2. Ouvrez le Playground et choisissez Wan 3.0 comme modèle.
3. Collez n'importe quel prompt de ce guide, joignez vos fichiers de référence et générez — 2 à 30 secondes, 480p à 1080p, avec audio natif.