Гайд по промптам Wan 3.0: шесть официальных формул, от одной строки до многокадрового сценария

Alibaba выпустила Wan 3.0 вместе с руководством для авторов, и самое полезное в нём — вовсе не список функций, а шесть формул промптов, каждая со своими разобранными примерами и роликами, которые из этих примеров получились. Почти ничего из этого не дошло до русскоязычной аудитории.

Этот гайд — тот самый раздел, развёрнутый и переведённый: каждая формула ниже взята из самого руководства, а каждый промпт приведён целиком, чтобы его можно было вставить прямо в Playground. Там, где руководство сопровождает промпт роликом, ролик встроен рядом.

Всё описанное работает в Playground от Pixo с Wan 3.0 — до 30 секунд, с нативным звуком.

Чем располагает промпт

Перед формулами — коробка, в которой они живут. Лимиты Wan 3.0 необычайно щедрые, и несколько формул обретают смысл только после знакомства с ними:

Две из этих строк меняют то, как вы пишете. Потолок в 20 000 символов и делает многокадровую формулу практичной — можно расписать десять планов с репликами и даже близко не подойти к границе. А взаимоисключение «первый/последний кадр ↔ референсы» — это развилка, которую выбирают до того, как начать писать: либо вы даёте Wan кадр и описываете движение, либо даёте референсы и описываете, кто что делает. Промпта, который делает и то и другое, не существует.

Формула 1 — Базовая: кто, где, что делает

Точка входа в руководстве, рассчитанная на тех, кто генерирует своё первое AI-видео. Три блока, и не больше:

Промпт = субъект + сцена + движение

• Субъект — то, о чём видео. Руководство здесь намеренно широко: человек, животное, растение, предмет или нечто физически не существующее. Это якорь, на котором держится весь остальной промпт, и единственный блок, который нельзя оставить подразумеваемым.
• Сцена — среда, в которой находится субъект, вместе с фоном и передним планом, реальное место или выдуманное. Пропустите — модель выберет сама; назовите — и вы уже задали примерно половину кадра.
• Движение — что движется и насколько. Диапазон из руководства стоит усвоить: движение включает неподвижность, малое движение, большое движение, движение отдельной части или дрейф всего кадра. «Движение» — это не только действие: заявить, что нечто остаётся неподвижным, — тоже инструкция движения, и Wan 3.0 её исполняет.

Базовая формула ещё и сильнее всех выигрывает от одного стилевого слова в начале. Вот запись из пластилиновой строки руководства — она едва длиннее твита и всё равно рассказывает законченную маленькую историю:

Рисованная от руки анимация, мазок масляной живописи, холодная цветовая палитра. На ферме в американской глубинке издалека приближается летающая тарелка; из-под неё бьёт зелёный луч света и уносит одну из фермерских коров; неподалёку, в комнате на втором этаже, маленький мальчик наблюдает за происходящим.

Перечитайте это по формуле: стилевые слова, затем сцена (ферма в американской глубинке), затем субъект (тарелка), затем движение в трёх связанных тактах (приближается, бьёт лучом, уносит корову), затем второй субъект, чьё движение — наблюдать. Два предложения, и все блоки заполнены. Именно этого на самом деле требует базовая формула — не длины, а полноты покрытия.

Формула 2 — Продвинутая: ещё три блока

Когда первые три вошли в привычку, руководство добавляет ещё три. Тот же порядок, дописываем следом:

Промпт = субъект + сцена + движение
       + эстетический контроль + стилизация + звук

На этом уровне первые три блока получают ещё и описания — руководство разделяет существительное и подвешенную к нему деталь:

• Описание субъекта — деталь внешности, записанная прилагательными или короткими оборотами. Примеры руководства: «черноволосая девушка мяо в национальном костюме», «летящая небожительница из другого мира, в рваных, но роскошных одеждах, за спиной расправлена пара странных крыльев из обломков руин». Конкретные существительные и материалы, а не прилагательные о настроении.
• Описание сцены — то же обращение со средой, и именно этот блок незаметно задаёт вам свет. Названные поверхности и их состояние («растрескавшаяся оранжевая земля», «мокрые металлические перила») дают рендеру что-то, от чего отражать свет; «ферма» не даёт ничего, и назад вы получаете безликий общий свет.
• Описание движения — амплитуда, скорость и эффект, который движение производит. Три примера руководства — ровно об этом: «яростно раскачивается», «медленно движется», «разбило стекло». Третий — самый интересный: описание последствия и есть инструкция движения.

Затем три новых блока:

• Эстетический контроль — источник света, световая среда, крупность плана, ракурс, оптика, движение камеры. Это операторский блок, и именно из него берётся почти вся ощущаемая «дороговизна» картинки. Расплывчатость здесь означает, что модель выберет безопасный средний план в плоском свете.
• Стилизация — название визуального языка. Примеры руководства: «киберпанк», «линейная иллюстрация», «пустошь». Одно-два слова, поставленные ближе к началу, делают колоссальную работу. Библиотека стилей в конце этой статьи — двенадцать таких, каждое с формулировкой, которая его запускает.
• Звук — фоновый эмбиент, фоновая музыка, реплики персонажей, закадровый голос. И, что важно, тембр описывается словами: «низкий смешанный голос», «милый голос». Формула 4 разбирает это подробно.

Запись про фильм-катастрофу в руководстве — продвинутая формула во всю ширину: глобальный абзац со стилем, субъектом и настроением, затем десять пронумерованных тактов, затем абзац, который озвучивает всё целиком. Его вступительный блок:

30-секундное появление морского чудовища с настоящей кинематографической фактурой; общее настроение с оглядкой на голливудский блокбастер-катастрофу о монстре. История начинается с маленького рыболовецкого судна, с трудом идущего сквозь шторм, на корпусе отчётливо видна маркировка «WAN». Камера сначала устанавливает жестокое состояние моря и то, насколько судно мало и хрупко, а затем нагнетает давление через детали — возмущение на поверхности, тень под водой, дрожащий корпус, неестественная волна — пока наконец огромный глубоководный зверь в духе кайдзю из «Тихоокеанского рубежа» не вырывается из воды. На всём протяжении: реализм, тяжесть, подлинный масштаб, яростный удар воды, высококонтрастный свет под дождём и молниями; подчеркнуть фактуру киношных визуальных эффектов, объём морской воды, мокрую детализацию кожи существа и давящее присутствие чего-то огромного.
Такт 1: ночь, исхлёстанное штормом море, настоящая кинематографическая фактура. Общий план: маленькое рыболовецкое судно продирается сквозь огромные волны — корпус старый, скользкий, избитый морем, на борту отчётливо видны белые буквы «WAN». Вода яростная, ветер тащит по ней полотнища дождя, сверху катятся чёрные тучи, а дальняя молния на миг освещает весь морской пейзаж. Подчеркнуть настоящую морскую воду, штормовую среду, детализацию корпуса и ощущение крошечной беспомощности.
Такт 2: средне-крупный план носа или борта палубы. Волны бьют в корпус и перехлёстывают палубу; тросы, сети и металлические перила мечутся под ветром и дождём. Камера кренится вместе с судном, давая настоящее ощущение качки, дождь бьёт в объектив и по поверхностям судна. Маркировка WAN снова ненадолго проходит через кадр. Подчеркнуть настоящие материалы, непогоду, промокшие металл и дерево и острую угрозу выживанию.
Такт 3: с точки зрения судна, взгляд вперёд поверх моря. Внутри шторма волнение вырастает в неестественный, огромный вал, будто нечто громадное быстро приближается снизу. Образуется гигантская воронка, вода бурлит неправильно, гребень выталкивается снизу, течения приходят в беспорядок. Когда молния освещает поверхность, в глубине едва различима смутная и гигантская тень. Подчеркнуть саспенс, давление моря и ужас приближающегося исполина.

Обратите внимание, из чего сделан каждый такт. Все они открываются названием плана (общий / средне-крупный / субъективный) и закрываются строкой режиссёрского намерения — «подчеркнуть настоящую морскую воду, штормовую среду, детализацию корпуса и ощущение крошечной беспомощности». Эта финальная фраза — привычка руководства, которую стоит украсть: описав, что в кадре, скажите, зачем этот кадр нужен. А между этим такты, происходящие на судне, перечисляют материалы (мокрый металл, дерево, трос, сети, перила), тогда как такты в открытом море, как такт 3, не называют ни одного — там не к чему прикоснуться, поэтому бюджет деталей уходит на поведение воды.

Блок звука в этом же промпте — один финальный абзац, который озвучивает все 30 секунд как единую арку:

Музыка в стиле голливудского фильма-катастрофы о монстре. Начать с низкого эмбиента, глубоководного суб-басового гула, редких барабанов и давящих струнных, чтобы выстроить тревогу внутри шторма; по мере того как поверхность начинает двигаться, наслаивать более сильные басовые импульсы, ощущение металлического удара и накапливающееся напряжение струнных; прямо перед тем, как существо всплывёт, удерживать музыку в почти затаившей дыхание подвешенности, которая продолжает нарастать; когда оно вырывается из воды — взрыв огромной меди, тяжёлой перкуссии и низкочастотного удара для кульминации масштаба катастрофы; закончить тяжёлыми, давящими, апокалиптическими длинными нотами и барабанами, которые усиливают эпический образ зверя, возвышающегося над морем.

Четыре состояния, приколотые к четырём моментам истории. Это партитурная роспись, а не прилагательное — и в этом разница между «кинематографической музыкой» и саундтреком, который бьёт ровно тогда, когда бьёт монстр.

Формула 3 — Изображение и первый/последний кадр: только движение и камера

Когда вы даёте первый кадр (или первый и последний), изображение уже решило за вас субъект, сцену и стиль. Пересказывать их в промпте — в лучшем случае трата бюджета, в худшем источник конфликта. Поэтому формула схлопывается до двух блоков:

Промпт = движение + движение камеры

• Движение — привязанное к тому, что реально видно на изображении: этот человек, это животное, бежит, машет рукой. Руководство отдельно указывает на наречия для управления степенью и скоростью — «быстро», «медленно». Поскольку кадр зафиксирован, наречия — это почти вся оставшаяся вам поверхность управления.
• Движение камеры — только если вы его хотите. Пишите прямо: «наезд», «проезд влево». И обратное важно ровно так же: если камера двигаться не должна, руководство велит сказать это, словами «фиксированный план». Молчание здесь — не то же самое, что просьба о неподвижной камере.

Мечник тушью из руководства — самый ясный случай первого кадра во всей книге. На входе одно изображение; промпт — расписанный по таймкодам поэпизодник, в котором почти каждая строка есть инструкция камеры или движения, а стиль упоминается лишь однажды, в самом конце — как напоминание сохранить облик входного кадра, а не как новая художественная постановка. Вот первый из его пяти тактов:

Референсные файлы этой демонстрации

Наш перевод официального промпта руководства для этой формулы

(0:00 - 0:03) Камера: средний план.
Кадр: продолжить сцену бамбукового леса тушью из @Image1. Мечник в соломенной шляпе и чёрном как тушь халате, его силуэт стоит в центре клубящегося тумана и колышущихся теней бамбука.
Действие: левая рука легко лежит на рукояти; листья бамбука сносит вниз ветром.
Настроение: тихое, давящее; зерно размыва туши отчётливо различимо.

Такт написан помеченными строками, и метки выбираются под каждый такт, а не заданы жёстко: все пять открывает только Камера. Кадр и Деталь встречаются в большинстве; История, Действие, Схватка, Настроение и Текст на экране появляются и исчезают по мере надобности. Постоянна именно форма: сначала камера, потом по одной помеченной строке на каждую заботу, по одной заботе на строку. Заметьте также, что Кадр здесь служит тому, чтобы сказать продолжить @Image1, а не чтобы описать её заново. Второй такт показывает, как метки смещаются, когда приходит история:

(0:03 - 0:08) Сюжетный такт. Камера: крупный план.
 
История: мечник чувствует убийственное намерение.
Кадр: камера быстро наезжает до крупного плана под шляпой.
Деталь: у края шляпы — пара свирепых, решительных глаз, взгляд как клинок. Написанная тушью «капля пота» скользит по лбу.
Действие: правая рука медленно сжимается на рукояти, костяшки белеют. Листья бамбука падают быстрее.

Обобщается две вещи. Во-первых, работу делают наречия — наехать быстро, сжаться медленно, листья падают быстрее: степень и скорость, ровно как требует формула. Во-вторых, промпт закрывается тем, что снова называет исходное изображение и предписывает удерживать его чёрно-белый стиль туши на протяжении всего ролика. При наличии первого кадра инструкция о стиле — это инструкция о сохранении.

Формула 4 — Звук: голос, эффекты, музыка

Wan 3.0 генерирует звук нативно, поэтому звук — не постпродакшн, а текст промпта. Руководство даёт одну формулу и три подформулы под ней, и полезны как раз подформулы:

Промпт = голос + звуковые эффекты + музыка (BGM)
 
голос            = «что говорит персонаж» + эмоция + интонация
                 + темп речи + тембр + акцент
звуковой эффект  = материал источника + действие + окружающее пространство
музыка (BGM)     = сама музыка + её жанр

Голос. Шесть блоков, и первый не обсуждается: выпишите настоящие слова. Пример руководства — мужчина, выступающий со стендапом, который произносит «Учись усердно, становись лучше каждый день» — тон расслабленный, темп умеренный, голос чистый и звонкий, американский английский. Обратите внимание, что блок акцента не зависит от языка вашего промпта, а «тембр» описывается обычными словами — в другом месте руководство предлагает низкий смешанный голос, милый голос.

Звуковой эффект. Три блока существуют, чтобы вы не написали «глухой удар». Пример руководства: маленький стеклянный шарик падает со стола на деревянный пол, издавая «бам», в тихом помещении. Материал, действие, комната. Смените материал на резину — и та же фраза даст совершенно другой звук; уберите материал — и получите усреднение по всем.

Музыка. Самая короткая подформула, и пример руководства показывает, что она идёт приклеенной к сцене, а не парит сама по себе: дождливая ночь, мрачный узкий коридор с окном в дальнем конце, с фоновой музыкой в жанре саспенса. Сцена и жанр на одном дыхании.

Один случай эти три подформулы не покрывают — аудио, приходящее загрузкой, а не описанием. Для него в таблице референсов руководства есть танцевальная запись: Wan получает аудиофайл, а весь промпт уходит на описание того, как тело должно на него отвечать:

Вертикальный формат 9:16, план в полный рост, фиксированная стабильная камера. Молодая женщина с длинными чёрными волосами, в белом топе с длинным рукавом и цветочной вышивкой, белой плиссированной юбке с чёрным ремнём и белых кроссовках на платформе, танцует в айдол-стиле под бит предоставленного аудио на современной минималистичной кухне. Фон: светло-серые шкафы, белый остров, тёмные ночные окна; квадратная заполняющая панель позади неё даёт контровой свет; холодное белое комнатное освещение.
Ставить хореографию по ритму, темпу и эмоциональным подъёмам предоставленного аудио: на сильные доли — чёткие, размашистые движения и удержанные позы; на более мягкие фрагменты — плавные волны тела и работа кистей; на припев — более плотное и взрывное движение. Танец в айдол-стиле от начала до конца — непрерывный, текучий, ритмичный и выразительный, полностью синхронный с битом аудио.
Движение плавное, пропорции конечностей естественные.

Второй абзац — это соответствие, а не описание: сильная доля → такое движение, тихий фрагмент → такое, припев → плотнее. Это общий приём для любого загруженного аудио: вы описываете не музыку, а то, как картинка должна отвечать каждому её состоянию.

Формула 5 — Референсы: поставьте @ на материал, а потом режиссируйте его

Генерация по референсам удерживает загруженных вами людей, места и голоса неизменными на протяжении всего ролика. В формуле три блока:

Промпт = @референсный материал + действие + реплика

• @референсный материал — ссылайтесь на загрузки по номеру в порядке загрузки: @Image1, @Video2, @Audio1. Ключевой совет руководства: один и тот же материал можно упомянуть через @ несколько раз, в разных местах промпта, и именно так привязка становится точной, а не приблизительной. @ — это не декларация, сделанная один раз наверху, а указатель, который вы ставите везде, где он применим.
• Действие — состояние движения референсного субъекта: неподвижность, смена выражения или эмоции, движение тела, внешняя сила, действующая на него, смена положения. Референсное изображение — это поза, и без блока действия модель склонна анимировать вокруг этой позы, а не из неё. Названное состояние движения — то, что превращает статичный кадр в игру, а «неподвижность» — законный ответ, а не пустой.
• Реплика — что они говорят. Один говорящий или несколько в диалоге, и тембр сам может быть референсом: «тембр голоса с оглядкой на @Audio1».

Под той же формулой живут два варианта:

• Референс по временной структуре видео — ссылаться на временнóе содержание клипа, а не на его субъект: действие, движение камеры, эффект. Формулировка руководства: «взять за референс операторскую работу из @Video1».
• Референс по «белой модели» (превиз) — подать 3D-превью из серых блоков и превратить его в готовый кадр. Руководство даёт фразу для копирования: «Преврати это 3D-превью в готовый фильм; замени [X] в превью на персонажа [Y].»

Собственный сказочный пример руководства — компактная демонстрация всех трёх блоков разом:

Детская сказочная сцена. @Image1 прыгает и играет на траве; @Image2 рядом играет на пианино под яблоней; яблоко падает на голову @Image2; @Image1, ориентируясь на тембр @Audio1, радостно показывает на @Image2 и говорит: «Ты станешь учёным!»

Три материала, шесть упоминаний через @, одна реплика, выписанная целиком. @Image1 появляется дважды — один раз как субъект действия, другой как говорящий, — а @Image2 трижды: как пианист, как голова, на которую падает яблоко, и как то, на что показывают. Вот как совет «поставьте @ снова там, где он применим» выглядит на практике: материал переупоминается в каждой точке, где он участвует, а не объявляется один раз.

Вот та же грамматика, применённая к раскадровке, из таблицы референсов руководства. Один загруженный лист раскадровки превращается в шесть планов:

Ориентируясь на раскадровку из @Image1. План 1: общий план маленькой железнодорожной платформы дождливой ночью — девушка с длинными волосами стоит одна под синим зонтом, тёплый свет льётся из здания станции у неё за спиной, зелёные холмы теряются в дождевой дымке вдали. План 2: средний — девушка с зонтом и коротко стриженный парень со школьным рюкзаком стоят на платформе лицом друг к другу, дождь льёт стеной, между ними убегают рельсы. План 3: съёмка сквозь прозрачный купол зонта, по которому скользят капли, крупный план лица девушки; глаза у неё покраснели, и она тихо говорит {Напиши, когда доедешь}. План 4: из-за плеча парня в сторону девушки — вдали медленно приближается поезд с включённой фарой, ореол расходится сквозь дождь. План 5: крупный план их рук, девушка вкладывает сложенную записку в ладонь парня, кончики пальцев чуть дрожат. План 6: девушка одна на краю платформы смотрит, как рельсы убегают вдаль, парня рядом больше нет, дождь стихает.

Обратите внимание на фигурные скобки вокруг реплики — она тихо говорит {Напиши, когда доедешь}. Руководство использует фигурные скобки, чтобы отгородить точные произносимые слова от окружающего описания, — полезная привычка для любого промпта, где закадровый текст и реплика оказываются в одном предложении.

Формула 6 — Мультикадр: промпт как режиссёрский сценарий

Последняя формула — та самая, ради которой существует бюджет в 20 000 символов. Она генерирует связное многокадровое повествование за одну генерацию, удерживая субъект, сцену и настроение на всех склейках:

Промпт = общее описание + номер плана + таймкод + содержание плана

• Общее описание — краткое изложение всего видео: тема, стиль повествования, преобладающая эмоция, ключевое событие. Оно нужно, чтобы у модели был глобальный взгляд до того, как она возьмётся за план 1, и именно оно удерживает план 7 в том же фильме, что и план 1.
• Номер плана — нумеруйте каждый план. Это структурный позвоночник; без него длинный промпт читается как один сплошной поток, и модель сама решает, где ставить склейки.
• Таймкод — временной отрезок, который занимает каждый план; именно он связывает список планов с реальной длительностью вывода. Десять планов за 30 секунд — это другой фильм, нежели три, и таймкоды — ваш способ сказать, какой именно.
• Содержание плана — для каждого плана конкретное поведение людей и предметов в нём: действие, речь, выражение лица, поза. Внутри плана вы пишете обычный однокадровый промпт — предыдущие формулы применяются без изменений.

Разобранный пример руководства нарочно маленький, чтобы структура была видна:

Рассказанная от третьего лица, это короткая драма о том, как сдаются и снова находят надежду. План 1 [0-3 с] Мальчик сидит один в углу школьного двора, опустив голову над письмом в руках, потом тихо вздыхает, и во взгляде читается растерянность. План 2 [4-6 с] Резкая склейка, фиксированная камера, фокус на глазах мальчика — блеск слёз, полных потери и беспомощности. План 3 [7-10 с] Резкая склейка, действие переносится в простой класс. Девочка с мягким и твёрдым взглядом, одетая скромно, с мягкой и твёрдой улыбкой на лице, подходит, чтобы его утешить.

Одна строка резюме, а затем три плана, каждый из которых несёт номер, временной отрезок в скобках, переход в него, камеру и актёрскую задачу. Десять секунд фильма в четырёх предложениях.

В увеличенном масштабе тот же скелет даёт 30-секундную короткометражку. Западнобережный длинный кадр из руководства открывается общим описанием плюс блоком персонажа, затем идут четыре пронумерованных плана с временными отрезками — и каждый план после первого начинается со слов «Без склейки», а это и есть способ, которым список планов превращается в непрерывный дубль, а не в четыре отдельных плана:

30-секундное зрелище кинематографического уровня, снятое одним кадром, с высокой интенсивностью. Общий стиль: «уличный фантазизм Западного побережья» — визуальный язык, скрещивающий зернистость уличного скейт-видео 90-х с лоском современного рекламного блокбастера. Прокрасить весь фильм под предельное «калифорнийское солнце»: насыщенно-синее небо в жёстком контрасте с тенями пальм под прямым солнцем, воздух несёт жар асфальта, металлический скрежет колёс магазинной тележки и бесстрашную подростковую дерзость. Перспектива пространства растягивается по мере разгона героя; камера наращивает визуальную силу за счёт предельно низкого следования и физического прохода сквозь пространство на высокой скорости.
 
Герой — стильный подросток в полосатой рубашке с цветными блоками и чёрной бейсболке, его выражение перескакивает от вялой расслабленности к эйфории в момент, когда он пробивает свой предел; во второй локации герой — тот же подросток, но появляется в реальном измерении в позе наблюдателя.
 
План 1, 0-6 с:
Открыть крупным планом — подросток развалился в красной стальной магазинной тележке, за ним прямой, культовый калифорнийский бульвар и высоченные пальмы. Когда музыка прорывается, камера выполняет предельно быстрый отъезд и опускается к самой земле, прижимаясь к колесу с очень низкой точки. Подросток начинает нестись вниз по крутой дороге, тележку колотит о покрытие, машины по обеим сторонам с рёвом уносятся назад, камера ловит почти безумное ощущение разгона.
 
План 2, 7-15 с:
Без склейки. Камера следует у самой земли, как скейтер, и в тот миг, когда он перелетает грубый фанерный трамплин, поднимается вместе с движением по изящной параболе. Тележка взмывает в воздух; камера проходит под ней. Впереди гигантский билборд стремительно заполняет всё поле зрения, и камера идёт на него невероятным «прицельным» наездом, целясь прямо в центр билборда.
 
План 3, 16-24 с:
Без склейки. Подросток вместе с тележкой врезается прямо в гигантский билборд, пробивая стену измерений. В момент касания его трёхмерное тело уплощается; в кадре появляются настоящая фактура рвущейся бумаги и цветные глитч-чернила. Всё ещё удерживая позу разгона, он стал плоским произведением искусства на билборде. Камера в этот момент выполняет горизонтальный облёт на 180 градусов, а затем пикирует с высоты обратно к земле.
 
План 4, 25-30 с:
Без склейки. Камера плавно приземляется на улицу прямо под билбордом, где появляется другая, «настоящая» версия подростка. Он останавливается, медленно опускает козырёк бейсболки и смотрит вверх на своё застывшее «я» на билборде с чуть насмешливой улыбкой. Камера следует за его взглядом быстрым наездом-зумом и замирает на рваной дыре рядом со словом «WAN» на билборде. Музыка сплавляет высокоэнергичный хип-хоп-бит с физическим звуком прокручивающейся плёнки; визуальная информация предельно сжата и полна модного бунтарства.

Тот же заголовок пронумерованного плана работает и с единственным планом — именно так руководство пишет свою комедийную запись: один 30-секундный дубль, вся структура которого состоит из быстрых панорам между двумя лицами, объявленных однажды в шапке и затем исполняемых строка за строкой:

План 1 [0 с-30 с]
Крупный план, на уровне глаз, непрерывные быстрые панорамы, один кадр (единое непрерывное движение камеры):
В левой части кадра — режиссёр в чёрном модном режиссёрском жилете и дорогой профессиональной гарнитуре, слева внизу от него установлена огромная профессиональная кинокамера. Справа — блатной смазливый актёр с безупречным макияжем, модной корейской чёлкой-запятой и костюмом на заказ. Фон — просторный профессиональный павильон: огромный зелёный экран, несколько высоченных киношных C-стоек, спутанные кабели, а также осветители, гримёры и прочая суетящаяся съёмочная группа.
Профессиональный павильонный свет. Мягкий источник LED-софтбокса заливает справа, ровно освещая лица главных героев, цвет сцены полный и насыщенный. Камерная техника и зелёный экран на фоне отбрасывают лёгкие тени под обильным павильонным светом, давая настоящую, деловитую фактуру современной большой съёмочной площадки.

Полный промпт продолжается одним длинным абзацем, где реплика режиссёра чередуется с резкой панорамой на лицо актёра и описанной реакцией — шесть раз подряд, реплики выписаны целиком каждый раз, а «не склеивать» повторяется на каждой панораме. Когда один план должен вынести на себе целый фильм, повтор и есть инструкция.

Библиотека стилей: двенадцать образов и то, что их запускает

Открывающая таблица руководства — двенадцать записей, каждая из которых представляет жанр с полным промптом и роликом, который из него получился. Прочитанная как справочник, она превращается в разговорник: вторая колонка — это формулировка, которая на самом деле задаёт образ, и почти всегда она стоит в первом предложении промпта.

Несколько заметок о том, как читать эту таблицу. Строка 12 помечена в руководстве как пластилин, но её промпт просит рисованную от руки анимацию с масляным мазком — метка описывает строку таблицы, промпт описывает результат, и именно промпт решил, каким будет образ. Строки 3, 4, 6 и 12 — те же ролики, что использовались как примеры выше в этой статье; руководство тоже переиспользует их между разделами.

Ещё полезнее вот что: обратите внимание, как мало здесь однословных формулировок. Те, что держатся все 30 секунд, соединяют носитель («2D-анимация», «3D-короткометражка», «кинематографический длинный кадр») с правилом света или цвета («высококонтрастный кинематографический свет», «бирюзовый и оранжевый», «холодный белый лунный свет как жёсткий рисующий»). «Киберпанк» сам по себе даст догадку; «киберпанк, высококонтрастный неоновый рисующий свет, обесцвеченные тени» даст образ, который вы сможете повторить из плана в план.

Как сложить шесть формул вместе

Формулы не конкурируют, а вкладываются одна в другую. На практике:

1. Начинайте с базовой. Субъект, сцена, движение. Если одной строки уже почти достаточно — вы закончили: Wan 3.0 действительно делает фильмы из одного предложения.
2. Добавляйте продвинутые блоки там, где результат разочаровал. Картинка плоская? Это эстетический контроль. Безликая? Это стилизация. Немая или неверно озвученная? Это блок звука.
3. Выберите режим ввода до того, как писать. Первый/последний кадр или референсы — никогда оба сразу. С кадром отбросьте всё, кроме движения и камеры. С референсами ставьте на них @ раз за разом и выписывайте реплики целиком.
4. Беритесь за многокадровую формулу, когда у идеи есть середина. Общее описание, пронумерованные планы, таймкоды, содержание. Добавьте «Без склейки» между планами, если хотите непрерывный дубль, а не последовательность.

Запустить это в Pixo

1. Зарегистрируйтесь на pixo.video — новым аккаунтам начисляются бесплатные кредиты.
2. Откройте Playground и выберите модель Wan 3.0.
3. Вставьте любой промпт из этого гайда, приложите свои референсные файлы и генерируйте — от 2 до 30 секунд, от 480p до 1080p, с нативным звуком.