Panduan Prompt WAN 3.0
Panduan prompting WAN 3.0 ini disusun dari hasil generasi langsung di model aktif, bukan dari lembar spesifikasi. Bahasannya mencakup struktur tahap untuk klip panjang, peran dan pengecualian gambar referensi, frame awal dan akhir, framing adaptif, bahasa kamera, serta satu teknik umum yang tidak bekerja di sini.
WAN 3.0 menghasilkan video dari prompt teks, hingga sepuluh gambar referensi, atau frame awal dan akhir. Suara dibuat bersamaan dengan visual dan hadir dalam file yang sama. Durasi klip berkisar dari 2 hingga 30 detik dalam sekali generate, dan model bisa memilih format frame sekaligus durasinya untuk kamu.
Panduan ini ditulis dari pengujian langsung pada model yang aktif, bukan dari lembar spesifikasi. Setiap klip di halaman ini adalah hasil pengujian tersebut, ditampilkan dengan resolusi asli keluaran model. Teknik yang bekerja dilengkapi template. Teknik yang bekerja di model lain tetapi tidak bekerja di sini disebutkan dengan jelas, bukan diam-diam tetap dimasukkan.
Roda sepeda disetel agar lurus dari awal sampai selesai dalam satu klip. Prompt ditulis dalam tiga tahap, masing-masing dengan kondisi akhir yang jelas. Suara dibuat bersamaan dengan gambar.
Kebiasaan membuat prompt di Seedance dan model sejenis sebagian besar tetap berlaku, dengan satu pengecualian yang jelas. Setiap baris di bawah diuji berpasangan pada model yang aktif: subjek, seed, dan durasi sama, hanya teknik yang diuji yang diubah.
| Teknik | Hasil di WAN 3.0 | Yang kami lihat |
|---|---|---|
| Tahap dengan kondisi akhir yang jelas | Efektif, paling penting di sini | Prompt tiga tahap berdurasi 20 detik mencapai semua kondisi akhir yang diminta, sampai detail kecil: meja kerja kosong setelah tahap satu, alat masih di tangan pada akhir tahap dua, dudukan kosong di akhir. Rangkaian kejadian yang sama, saat ditulis sebagai satu kalimat panjang, menghasilkan klip yang kurang jelas dan terus memperlihatkan objek yang sama ditangani berulang kali. |
| Rentang waktu | Efektif | Tiga rentang empat detik diputar berurutan, dan masing-masing memenuhi kondisi akhir "hanya X yang tersisa" dengan tepat. |
| Menentukan referensi dan mengecualikan elemen yang tidak dipakai | Efektif | Dengan dua gambar referensi dan instruksi pengecualian yang tegas, kedua elemen yang dilarang sama sekali tidak muncul. WAN 3.0 bisa memadukan referensi orang dan lokasi dengan rapi tanpa bantuan tambahan, dan satu kalimat pengecualian cukup untuk memastikan hasilnya. |
| Perilaku yang terlihat, bukan kata-kata emosi | Efektif | Isyarat yang disebutkan (tatapan terpaku, napas ditahan, jari diam) menjaga akting tetap stabil dan presisi, dengan latar persis seperti yang diminta. |
| Menjabarkan istilah kamera menjadi perubahan yang terlihat | Efektif, layak ditulis | Menjabarkan seperti apa perpindahan fokus yang diinginkan menghasilkan peralihan fokus yang mulus dari dedaunan di latar depan ke subjek. Istilah "rack focus" saja tidak menghasilkan perubahan fokus sama sekali. |
| Urutan subjek, aksi, adegan, gaya, kamera, audio | Efektif, memberi kontrol presisi | Prompt satu baris yang sederhana pun menghasilkan klip multi-shot yang solid. Versi terstruktur bukan lebih cantik, tapi lebih patuh: model menjalankan satu gerakan kamera yang diminta, bukan mengarang rangkaian shot sendiri. |
| Sintaks kurung siku untuk musik, efek, dialog, subtitle | Gunakan kalimat biasa | WAN 3.0 paling mudah memahami musik, efek, dialog, dan teks di layar saat ditulis sebagai kalimat biasa. Dengan cara ini, model menghasilkan kartu judul yang rapi, ejaannya benar, muncul perlahan, lalu tetap tampil. |
Singkatnya: pertahankan struktur, buang tanda bacanya. Tahap, kondisi akhir, referensi bernama, batasan, dan detail yang bisa diamati semuanya bekerja. Tulis audio dan teks dengan kalimat biasa.
Tips audio dan teks: setiap klip sudah dilengkapi audio bawaan, jadi jelaskan musik, efek, dan dialog dengan kalimat biasa. Untuk judul di layar, gunakan teks singkat dan sederhana. Kalau teks harus presisi sampai ke piksel, tambahkan saat editing.
Subjek + Aksi atau Kejadian + Adegan dan Lingkungan + Gaya Visual + Gerakan Kamera atau Cut + Audio
Panduan prompt WAN 3.0: model ini percaya diri mengisi detail yang tidak kamu sebutkan. Kalau pengaturan kamera tidak ditentukan, model akan memilih pengambilan gambarnya sendiri, sering kali berpindah antara dua atau tiga setup dalam lima detik. Cocok kalau kamu ingin klip yang terlihat sudah jadi, tapi merepotkan kalau kamu butuh satu shot tertentu. Sebutkan bagian yang penting buat kamu, lalu biarkan model mengarang sisanya.
<Subject> performs <primary action or event> in <scene and environment>. The visuals feature <visual style>. Use <shot size, camera angle, camera movement, or cuts>. Audio includes <dialogue, ambience, sound effects, or music>.
A woman pours hot water in slow spirals over a paper filter of ground coffee, then lifts the kettle away, in a narrow kitchen at sunrise. The visuals feature low warm sunlight from a window on the left, steam catching the light, matte ceramic and brushed steel surfaces. Begin on a medium shot of her hands at the kettle, then slowly push in to a close-up of the coffee bed blooming. Audio includes the trickle of water, the low hiss of steam, and quiet morning room tone.
Hasilnya solid, dan sepenuhnya film versi model sendiri. Model memilih dapurnya, berpindah di antara empat setup, lalu menutup dengan shot teko kopi.
Satu gerakan kamera mendekat, sesuai permintaan. Cahaya datang dari sisi yang ditentukan, menerangi uap, lalu shot berakhir pada bubuk kopi. Seed sama dengan versi tanpa penjelasan.
Kedua klip sama-sama bagus. Justru itu poinnya: prompt terstruktur memberi kepatuhan yang presisi, di atas kualitas yang selalu dihasilkan WAN 3.0. Pakai formula ini saat shot harus sesuai bayanganmu, dan satu baris saat kamu siap menerima kejutan.
Tiga puluh detik dalam satu generasi adalah fitur utamanya, dan di sinilah struktur prompt paling terasa manfaatnya. Bagi klip menjadi tahap-tahap berurutan. Beri setiap tahap satu perubahan utama dan jelaskan apa yang harus terlihat saat tahap itu berakhir. Kondisi akhirlah yang paling berperan: model mendapat target untuk dicapai, bukan sekadar suasana untuk dipertahankan.
[Generation Goal] Generate a <video type>. The central subject is <subject>, and the primary event is <story summary>. [Stage 1] Initial state: <initial state of characters, props, and scene>. Primary event: <one primary action or event>. End state: <positions, ownership, or visible scene state>. [Stage 2] Initial state: <continues from Stage 1's end state>. Primary event: <one primary action or event>. End state: <positions, ownership, or visible scene state>. [Stage 3] Initial state: <continues from Stage 2's end state>. Primary event: <one primary action or event>. End state: <final visible state>. Keep <identity, clothing, layout, and lighting> consistent throughout.
[Generation Goal] Generate an instructional video in a small bicycle repair shop. The central subject is a mechanic, and the primary event is truing a bent wheel. [Stage 1] Initial state: a bent wheel lies flat on the workbench, and the truing stand beside it is empty. Primary event: the mechanic lifts the wheel and seats it in the truing stand. End state: the wheel stands upright in the stand, and the workbench surface is empty. [Stage 2] Initial state: the wheel stands upright in the stand. Primary event: the mechanic spins the wheel and tightens spokes with a spoke wrench. End state: the wheel is still in the stand and spins without wobbling. The spoke wrench is in the mechanic's right hand. [Stage 3] Initial state: the trued wheel is still in the stand. Primary event: the mechanic lifts the wheel out and hangs it on a wall hook. End state: the wheel hangs on the wall hook, and the truing stand is empty. Keep the mechanic's identity and clothing, the shop layout, and the afternoon light from the shopfront window consistent throughout.
Roda diangkat dan diletakkan berulang kali, penggunaan penyangganya tidak jelas, dan bagian akhirnya sulit dibaca sebagai "tergantung pada kait".
Perhatikan hasil akhirnya: meja kerja kosong setelah roda terpasang di dudukan, kunci pas masih di tangan setelah pengerjaan jari-jari selesai, dan dudukan terlihat kosong setelah roda dipasang di dinding.
Utamakan pembagian per tahap. Pakai timestamp saat aksi tertentu harus terjadi tepat pada waktunya, seperti serah terima, masuknya karakter, atau transisi. Rentang waktunya harus berurutan dan tidak tumpang tindih.
0-4 seconds: an empty wooden display table in soft studio light. A hand places a white ceramic plate in the center. End state: the hand has left the frame and only the white plate remains. 4-8 seconds: the white plate is removed and a clear glass is placed in the center. End state: only the clear glass remains. 8-12 seconds: the clear glass is removed and a green ceramic vase is placed in the center. End state: only the green vase remains. Locked-off frontal camera throughout.
Piring, lalu gelas, lalu vas. Setiap benda disingkirkan dan tangan keluar dari frame sebelum rentang berikutnya dimulai, persis sesuai kondisi akhir yang diminta.
Ketiga momen berjalan berurutan, dan setiap objek keluar dari frame sebelum objek berikutnya masuk. Anggap rentang waktu sebagai jatah durasi, bukan titik potong yang presisi. Jangan minta frekuensi kejadian seperti tiga aksi dalam satu detik.
Panduan prompt resmi menambahkan format shot bernomor untuk cut yang terencana: satu baris deskripsi keseluruhan, lalu setiap shot diberi nomor dan rentang waktunya sendiri. Subjek, latar, dan suasana tetap konsisten antar-shot. Kebalikannya sama pentingnya: kalau kamu tidak ingin ada cut sama sekali, tulis frasa persis "One continuous take", karena tanpa instruksi itu model akan memilih rangkaian shot sendiri.
A short piece about losing and regaining hope, told in three shots. Shot 1 [0-3s]: The main character sits alone at the edge of a playground, reading a letter. They sigh, eyes confused and sad. Shot 2 [4-6s]: Hard cut. Fixed camera, close-up on their eyes, glistening. Shot 3 [7-10s]: Hard cut to a plain classroom. A second character in simple clothes smiles warmly and walks toward them.
WAN 3.0 menerima hingga sepuluh gambar referensi. Karena tidak ada negative prompt, semua hal yang ingin kamu hindari harus disebutkan di dalam prompt. Beri setiap gambar satu tugas dan tambahkan instruksi pengecualian kalau ada elemen yang tidak kamu inginkan. Ini hampir selalu diperlukan: foto potret membawa latar belakang, foto lokasi biasanya membawa sosok orang.
@Image 1 defines <Subject A>'s <face, hair, and clothing>. Do not use the image background. @Image 2 defines <Location>'s <structures, materials, and light>. Do not use the person in the image. <Subject A> performs <action> in <Location>. The visuals feature <visual style>. Use <camera treatment>.
@Image 1 defines the Knight's face, short dark red hair, and engraved silver armor. Do not use the image background. @Image 2 defines the Dock's wooden pilings, coiled rope, still water, and the mountains behind it. Do not use the person in the image. The Knight walks slowly along the Dock toward the camera and stops at the end of the boards. The visuals feature flat overcast daylight. Use a locked-off wide shot.
Kesatria dari gambar 1, dermaga dari gambar 2. Tanpa bunga sakura dari latar gambar 1, tanpa nelayan dari gambar 2.
Di sini pun WAN 3.0 menjaga kedua elemen tetap sesuai perannya dan mengikuti instruksi "berjalan ke arah kamera" dengan akurat. Dua referensi langsung berpadu rapi tanpa pengaturan tambahan.
Gambar 1 berupa potret dengan latar bunga yang khas. Gambar 2 menampilkan dermaga dengan seorang pria bersandar pada tiang. Versi dengan peran dan pengecualian mempertahankan kesatria dan dermaga, tanpa bunga maupun pria tersebut. Versi kontrol juga begitu, dan ini perlu ditegaskan: dengan dua gambar yang jelas terbagi menjadi sosok dan tempat, WAN 3.0 bisa menentukan pembagian tugasnya sendiri.
Tetap tulis perannya. Cukup satu baris untuk menghilangkan tebak-tebakan begitu kamu memakai lebih dari dua gambar atau referensi dengan subjek yang tumpang tindih. Kini, setelah negative prompt tidak ada, itulah satu-satunya cara menyampaikan pengecualian.
Berikan frame awal, dan klip akan dibuka dengan frame itu. Tambahkan frame akhir, dan model akan membuat gerakan di antara keduanya. Gunakan mode ini saat shot harus dimulai atau berakhir pada tampilan tertentu.
<Describe one continuous action that moves from the first frame to the last frame>. Keep <subject identity, clothing, prop positions, and camera framing> unchanged except where the action requires it. Do not <specific drift you want to prevent, for example: do not move the camera off the subject or leave the starting position>.
Frame pembuka mereproduksi gambar sumber. Di akhir, subjek sudah meninggalkan tiang dan kamera sudah bergerak ke belakangnya, padahal prompt tidak pernah memintanya.
Dalam pengujian kami, klip dibuka persis dengan frame yang diberikan. Setelah itu, hasilnya bergerak lebih jauh dari permintaan prompt: subjek diminta tetap bersandar pada tiang dan menoleh, tetapi di akhir ia sudah meninggalkan tiang dan kamera sudah bergerak ke belakangnya. Frame awal mengunci pembukaan, bukan seluruh klip. Jadi, kalau shot harus tetap terjaga, tulis dengan jelas apa yang tidak boleh berubah.
Dua opsi di sini tidak punya padanan di sebagian besar model lain. Atur rasio aspek ke adaptive, dan WAN 3.0 akan membaca prompt untuk memilih bentuk frame. Atur durasi ke -1, dan model akan memilih panjangnya.
A vertical social ad for a stainless steel water bottle. The bottle stands on wet river stones, the camera rises slowly, and condensation runs down the side. Text-free, product-first framing for a phone screen.
Prompt hanya menyebut "vertical social ad", tanpa keterangan lain soal bentuk atau durasi. Model menghasilkan 480 kali 832, sekitar enam detik.
Prompt itu sama sekali tidak menyebut dimensi atau detik. Hasilnya berupa klip vertikal sekitar enam detik. Saat frame awal diberikan sebagai gantinya, adaptive mengikuti rasio gambar tersebut. Jelaskan kegunaan klip dengan kata-kata, lalu pengaturan ini yang mengurus sisanya.
Rumus resmi: dialog yang ditulis sebagai Name says: "the exact line" dipertahankan persis. Suara terdiri dari dialog, emosi, intonasi, kecepatan bicara, warna suara, dan aksen. Untuk menonaktifkan satu kanal audio, gunakan frasa persis "No dialogue throughout the entire video" atau "No background music." Model membacanya sebagai instruksi, bukan deskripsi.
The keeper turns to the camera and says, calm and worn: "The light is still turning." The pace is slow, the voice low and gravelly, in British English.
WAN 3.0 memahami suara dan teks sebagai kalimat biasa, jadi tidak perlu penanda dalam tanda kurung yang dipakai model lain untuk musik, efek suara, dialog, dan subtitel. Saat ditulis biasa, model menghasilkan kartu judul yang rapi, ejaannya benar, muncul perlahan, lalu tetap tampil.
Audio bisa diandalkan dan sudah menyatu di setiap klip. Tips: buat teks di layar tetap singkat dan sederhana. Untuk caption atau judul yang menentukan hasil editmu, tambahkan teks saat pascaproduksi agar presisi sampai ke piksel.
A lighthouse keeper in a yellow raincoat pushes open a heavy door at the top of a lighthouse and steps out onto the gallery in wind and rain. Slow low strings play underneath. Wind gusts hard and rain rattles on metal. The keeper turns to the camera and says that the light is still turning. A subtitle reading Chapter One: The Keeper appears on screen.
A lighthouse keeper steps out onto the gallery in wind and rain.
(Slow, low strings play underneath)
<Wind gusts hard and rain rattles on metal>
The keeper says: {The light is still turning.}
【Chapter One: The Keeper】Adegannya bagus. Kartu judul tidak muncul sama sekali, dan hal yang sama terjadi pada adegan kedua.
Hasil teks terbaik yang kami dapat: "Chapter One: The Keeper" muncul perlahan, dengan ejaan yang benar, lalu tetap tampil. Frasa yang sama pada adegan kafe tidak menghasilkan teks apa pun, jadi ini contoh hasil yang bagus, bukan hasil yang umum.
Kata-kata emosi memberi arah dan membiarkan sisanya terbuka. WAN 3.0 mengisi ruang itu dengan leluasa, biasanya lebih berlebihan dari yang kamu maksud. Sebutkan dua sampai empat isyarat yang bisa diamati agar akting tetap sesuai keinginanmu.
A young violinist sits alone backstage before a performance. Her fingers press hard against the neck of the violin and stop moving, her gaze fixes on the floor without blinking, her shoulders stay lifted, and she takes one short breath in and holds it. Medium close-up, static camera.
Dimulai dengan ekspresi netral lalu meningkat hingga hampir menangis, sekaligus memindahkannya dari belakang panggung ke panggung yang terang tanpa diminta.
Tatapan terpaku, napas ditahan, jari diam, bahu terangkat. Satu kondisi yang terkendali, dipertahankan sepanjang klip, dalam latar yang diminta.
Versi dengan petunjuk perilaku mempertahankan satu kondisi yang terkendali sepanjang klip, tepat di posisi yang ditentukan. Petunjuk yang disebut dengan jelas memberi WAN 3.0 aksi spesifik untuk dilakukan, dan model melakukannya.
The overall emotion shifts from <starting emotion> to <ending emotion>. After <triggering event>, <subject> first shows <immediate observable reaction>. Then, <eyes, brows, mouth, breathing, gaze, or hand movement> gradually <changes>. Finally, <subject> expresses <target emotion> through <restrained or explicit outward behavior>.
Ukuran shot dan gerakan kamera yang sederhana bekerja saat ditulis apa adanya. Nama teknik saja kurang bisa diandalkan. Hasil tunggal terbaik dalam pengujian kami datang dari menjabarkan tampilan yang diinginkan dari sebuah teknik, bukan sekadar menyebut namanya.
| Jenis | Istilah yang bekerja apa adanya |
|---|---|
| Ukuran shot | extreme wide shot, wide shot, medium shot, close-up, extreme close-up |
| Gerakan kamera | push in, pull out, pan, lateral move, follow shot, orbit, tilt up, handheld shake, locked-off |
| Posisi dan sudut pandang | low angle, overhead view, first-person view |
Istilah Kamera + Subjek Sasaran + Perubahan yang Terlihat + Hubungan Latar Depan dan Latar Belakang + Arah atau Kecepatan
Works: In a greenhouse, a gardener stands among hanging ferns. Rack focus: shift focus smoothly from the fern leaves in the foreground to the gardener in the background. The leaves gradually blur while the gardener's face changes from soft to sharp. The camera does not move. Does not: Rack focus in a greenhouse. A gardener stands among hanging ferns.
Tukang kebun tetap tidak fokus sepanjang klip. Tidak ada perpindahan fokus sama sekali.
Daun tajam dan wajah blur di awal, wajah tajam dan daun blur di akhir, kamera terkunci. Seed sama dengan versi sederhana.
Versi yang dijabarkan menghasilkan perpindahan fokus yang mulus: di awal, daun di depan tajam dan subjek tidak fokus. Di akhir, subjek tajam dan daun tidak fokus, dengan kamera tetap diam. Istilah teknik saja membuat subjek tidak fokus sepanjang klip, tanpa perpindahan fokus. Ini perbedaan tunggal terbesar dari seluruh rangkaian pengujian, dan hanya butuh satu kalimat tambahan.
| Pengaturan | Nilai | Catatan |
|---|---|---|
| Durasi | 2 to 30 seconds, or -1 | Satu generasi, tanpa menyambung klip. -1 membiarkan model memilih. Dalam pengujian dengan -1, shot produk singkat menghasilkan durasi sekitar enam detik. |
| Resolusi | 480P, 720P, 1080P | Huruf kapital. Klip uji pada 480P menghasilkan 832 kali 480 dengan 30fps. |
| Rasio aspek | 16:9, 4:3, 1:1, 3:4, 9:16, adaptive | Mode adaptif menyimpulkan bentuk frame dari prompt, atau mengikuti frame yang kamu berikan. |
| Gambar referensi | Hingga 10 | Gunakan sebagai pengganti frame awal dan akhir dalam satu shot. Mode Fast menyelesaikan generasi berbasis referensi dalam hitungan menit. |
| Frame awal dan akhir | Masing-masing satu | Gunakan sebagai pengganti gambar referensi dalam satu shot. Frame awal menentukan pembukaan yang presisi. |
| Audio | Aktif atau nonaktif | Bawaan, dalam file yang sama. Biayanya tetap sama, aktif atau tidak. |
| Prompt negatif | Tidak didukung | Dihapus di WAN 3.0. Tulis hal yang ingin dihindari di prompt. |
| Seed | Bilangan bulat | Kunci nilainya saat membandingkan dua prompt, agar hanya susunan katanya yang berubah. |
Beberapa kebiasaan dari model lain bisa kamu sesuaikan agar hasilnya lebih maksimal di sini. Terapkan ini supaya setiap generasi berarti.