Ten przewodnik dotyczy standardowego wariantu wan-3-0-video w APIXO. W trybie generowania z referencji obrazy, wideo i audio dostarczają kontekstu; można też podać jeden plik albo link do strony, nigdy oba naraz. Dwa warianty LoRA nie udostępniają pól pliku/linku. Jeśli masz tylko obraz początkowy i opcjonalny końcowy, najpierw rozważ generowanie z obrazu.
Poradnik opiera się na hipotetycznym filmie produktu. Nie przedstawia wygenerowanego materiału ani zmierzonych wyników produkcji.
Wan 3.0: referencje obrazów, wideo i audio: Schemat procesu, nie przetestowany wynik modelu
Dobierz tryb do materiałów
Generowanie z tekstu wymaga niepustego promptu. Generowanie z obrazu używa 1–2 obrazów jako początku i opcjonalnego końca, bez referencji wideo i audio. Generowanie z referencji wymaga co najmniej jednej obsługiwanej referencji. Prompt jest opcjonalny w trybach obrazu i referencji, ale pomaga opisać zamierzoną akcję.
Tryb referencji dopuszcza do 10 obrazów, 5 filmów i 5 plików audio. Każdy film i plik audio musi mieć 1–15 sekund. Filmy mogą łącznie trwać najwyżej 15 sekund; audio ma osobny limit łączny 15 sekund. Przy dodatniej, stałej długości suma sekund wyjściowych i wszystkich referencji wideo nie może przekroczyć 30.
To limity kontraktu API sprawdzonego 22 października 2026 r. Zajrzyj do dokumentacji Wan 3.0 Video (angielski) i sprawdź, które ustawienia są dostępne w używanym interfejsie.
Zacznij od wymagań gotowego filmu
Załóżmy: przezroczysta butelka na jasnym stole, powolny ruch kamery i miejsce na późniejsze napisy. Zapisz te wymagania przed wyborem materiałów.
Obraz produktu określa wygląd, scena światło, krótki film ruch, audio dźwięk, a dokument kontekst twórczy. Każdy materiał powinien odpowiadać na konkretne pytanie.
Obrazy opisują widoczne wymagania
Wybieraj czytelne źródła z oczywistym obiektem. Dodatkowe kąty pomagają opisać wygląd, ale sprzeczne opakowania, kolory i światło utrudniają interpretację.
W wyniku sprawdź ważne litery, logo i geometrię. Obraz referencyjny nie gwarantuje dokładnego odtworzenia szczegółów. Poradnik image-to-video opisuje przygotowanie źródeł.
Film powinien pokazywać jedną potrzebną akcję
Wybierz krótki fragment z ruchem kamery lub obiektu. Określ, na co ma wpływać, a jakie postacie, rekwizyty i otoczenie nie są istotne.
To wskazówka twórcza, nie gwarancja przeniesienia wyłącznie wybranego atrybutu.
Aktualne Docs Wan (angielski) dopuszczają do 5 filmów o łącznym czasie najwyżej 15 sekund. Przy czasie stałym suma wejściowego wideo i wyniku nie przekracza 30 sekund. Najpierw przytnij, potem wybierz długość wyniku.
Audio określa kierunek dźwiękowy
Użyj czystego audio dla tonu, rytmu, muzyki lub innych wskazówek. Wskaż jego rolę. Referencja głosu nie ustala poprawnego wyglądu bez informacji wizualnych.
Referencja audio dostarcza kontekstu, a ustawienie wyjściowe sound określa, czy wynik ma zawierać dźwięk. Sprawdź je osobno, gdy dźwięk jest ważny.
Limit to 5 referencji audio o łącznym czasie najwyżej 15 sekund. Wejście audio nie jest naliczane osobno, ale wynik i tryb referencyjny nadal kosztują.
Plik lub link dostarcza kontekstu
W standardowym Wan 3.0 Video pola file_urls i link_urls są alternatywne: najwyżej jeden element w jednym z nich, nigdy w obu. Źródło musi być dostępne dla usługi; strona logowania do prywatnego dysku nie jest bezpośrednim adresem materiału.
Dokument ogranicz do odbiorcy, informacji produktu i priorytetów wizualnych. Przy dużej stronie wyjaśnij, który fragment jest istotny.
Dokument nie gwarantuje poprawnego tekstu w obrazie, twierdzeń o produkcie ani napisów. Sprawdź treść wyniku osobno.
Ten krok dotyczy standardowego Wan 3.0 Video. Przeczytaj porównanie trzech wariantów Wan 3.0, zanim przeniesiesz pracę z plikiem/linkiem do LoRA.
Zbuduj zestaw, który można sprawdzić
Kontrola: Wygląd · Zachowaj w tej próbie: Obrazy jednoznacznie opisujące produkt lub osobę · Ograniczenie konfliktów: Usuń inne warianty, kolory i obce obiekty
Kontrola: Akcja i kamera · Zachowaj w tej próbie: Potrzebny ruch · Ograniczenie konfliktów: Przytnij nieistotne cięcia, zasłonięcia i inne akcje
Kontrola: Dźwięk · Zachowaj w tej próbie: Przydatny ton, rytm lub muzyka · Ograniczenie konfliktów: Najpierw sprawdź obraz, potem ustawienia audio
Kontrola: Kontekst · Zachowaj w tej próbie: Jeden plik albo jeden link · Ograniczenie konfliktów: Usuń sprzeczne informacje; nie wysyłaj obu
Kontrola: Akceptacja · Zachowaj w tej próbie: Wygląd, akcja, dźwięk i użyteczny czas · Ograniczenie konfliktów: Zapisuj oddzielnie, zamiast oceniać tylko wrażenie
Publiczny adres powinien zwracać właściwe media lub czytelną stronę. Zastąp wygasłe linki, logowania i adresy tylko do podglądu dostępnymi źródłami. Błąd dostępu różni się od niezrozumienia referencji.
Porównując zestawy referencji, od pierwszej próby pozostań w trybie generowania z referencji. Zacznij od obrazu produktu i krótkiego opisu ruchu; jeden obraz spełnia wymóg referencji. Dodając film ruchowy, zachowaj prompt, rozdzielczość, stałą długość wyjściową i ustawienie dźwięku. Po dodaniu filmu nadal musisz mieścić się w łącznym limicie 30 sekund.
Najpierw oceń kształt produktu i kadr, potem ruch. Audio lub plik/link dodawaj w osobnych próbach, gdy brakuje konkretnego elementu. Przejście z generowania z obrazu do trybu referencji zmienia także tryb, więc nie izoluje wpływu nowego materiału. Wyniki mogą się różnić; jedna lepsza próba nie dowodzi związku przyczynowego.
Przygotuj małą listę materiałów
Niewypróbowany przykład:
Produkt od przodu dla kształtu, koloru i opakowania butelki.
Obraz sceny dla stołu i światła.
Film 5 sekund z powolnym ruchem kamery w bok.
Jeden plik audio dla spokojnej atmosfery muzycznej.
Jeden dokument dla odbiorcy i priorytetów wizualnych.
Niewypróbowany prompt:
Zachowaj kształt i główny kolor butelki z obrazu produktu. Obraz sceny określa stół i światło. Film wskazuje płynny ruch kamery w bok przy nieruchomym produkcie. Audio określa spokojną atmosferę. Nie dodawaj ludzi ani tekstu.
Numeracja i składnia referencji muszą odpowiadać używanemu interfejsowi. To przykład planowania, nie przetestowane żądanie gotowe do skopiowania i uruchomienia.
Uprość sprzeczne wejścia
Przy błędach wyglądu usuń zbędne kąty i inne produkty. Przy błędach ruchu sprawdź dodatkowe akcje. Dźwięk i ustawienie audio wyniku oceń osobno. Zapisuj jeden powód każdej poprawki.
Sekundy referencji wideo są rozliczane razem z sekundami wyjściowymi. Schemat standardowego Wan 3.0 Video sprawdzony 22 października 2026 r. podaje $0.20 za sekundę w 1080p: hipotetyczne 10 sekund wyjścia i 5 sekund referencji daje (10 + 5) × $0.20 = $3.00. To obliczenie, a nie zaobserwowane obciążenie.
Porównaj obiekt, ruch, dźwięk i miejsce na montaż z briefem. Zapisuj ustawienia, materiały, przyjęte sekundy i powody powtórek. Otwórz Wan 3.0 Video z celowym zestawem referencji i rozszerzaj go tylko dla konkretnego brakującego wymagania.
Twórz z APIXO
Przeglądaj modele obrazów, wideo i dźwięku w jednym miejscu.
