Vidéo Wan 3.0 : guide complet des entrées, de l’audio, des tarifs et de l’API

Sur PixMind, Wan 3.0 est une voie de création vidéo multimodale qui produit des clips de 2 à 30 secondes à partir de texte, d’images, de premières et dernières images, de médias de référence, de fichiers ou de pages web. Son identifiant de modèle stable actuel est wan3.0-video. Les réglages de sortie proposés comprennent 480p, 720p et 1080p avec audio synchronisé.

La décision essentielle n’est pas d’allonger le prompt, mais de choisir le mode d’entrée qui apporte au modèle le bon type de contrôle. Une première image fixe le début d’un plan, deux extrémités définissent son début et sa fin, des références transmettent une identité ou un style, tandis qu’un fichier ou une page web fournit une source à interpréter. Ces modes obéissent à des règles de compatibilité distinctes.

Ce guide a été vérifié le 5 septembre 2026 à partir du générateur Wan 3.0 et de la page API en ligne, de l’implémentation PixMind, de la référence API d’Alibaba, du dépôt officiel et de la liste actuelle des modèles publiés par Alibaba Cloud. Il vérifie les interfaces et les limites, mais ne mesure ni la vitesse, ni la qualité, ni la fiabilité au moyen d’un benchmark payant.

À propos de ce guide : PixMind Editorial Team documente le comportement actuel du produit à partir de contrôles des pages en ligne, d’une revue de l’implémentation et de sources primaires sur le modèle. Aucun benchmark payant des sorties n’a été commandé pour cet article.

À retenir

• Utilisez l’identifiant de modèle PixMind actuel wan3.0-video ; ne le remplacez pas par un identifiant amont ou obsolète.
• Choisissez une stratégie de contrôle avant d’ajouter des médias : des extrémités pour imposer précisément le début et la fin, des références pour réutiliser une identité ou un style, un fichier ou un lien pour une planification fondée sur une source.
• La voie actuelle prend en charge des sorties de 2 à 30 secondes en 480p, 720p ou 1080p, avec des formats adaptatifs ou fixes et un audio synchronisé.
• Les limites sont de 10 images, 5 vidéos et 5 fichiers audio de référence. La référence amont d’Alibaba limite aussi à 15 secondes chacune la durée cumulée des vidéos de référence et celle des fichiers audio de référence.
• Lorsqu’une requête contient une vidéo d’entrée, la règle amont d’Alibaba exige que la durée de cette vidéo plus la durée de sortie demandée ne dépasse pas 30 secondes.
• La tarification API et les crédits Studio sont séparés. Pour une tâche API, le tarif renvoyé lors de son acceptation constitue l’instantané final propre à cette tâche.

Dans ce guide

• Ce qu’est Wan 3.0 sur PixMind aujourd’hui
• Les caractéristiques de Wan 3.0 en bref
• Comment choisir un mode d’entrée
• Limites des références et combinaisons valides
• La place de l’audio synchronisé dans le workflow
• Durée, résolution, format et tarif API
• Modèles de prompts classés par objectif de contrôle
• Wan 3.0 face à Wan 2.7
• Workflows Studio et API
• Limites, droits et contrôles avant publication
• Questions fréquentes

Ce qu’est Wan 3.0 sur PixMind aujourd’hui

Wan 3.0 est la voie actuellement connectée de la famille de modèles vidéo Wan pour la génération multimodale sur PixMind. L’interface produit en ligne désigne wan3.0-video comme voie stable et réunit les entrées texte, image, extrémités, références, fichier et web dans un seul générateur.

Cette précision est importante : une famille de modèles amont peut contenir des produits qu’une plateforme connectée ne propose pas. La documentation d’Alibaba répertorie wan3.0-video et wan3.0-video-prime, mais la page API actuelle de PixMind ne mentionne que wan3.0-video. La documentation amont peut expliquer le fonctionnement de la technologie ; elle ne prouve pas que chaque variante amont est accessible via PixMind.

Le modèle se comprend comme un ensemble de modes de contrôle :

• Texte vers vidéo part d’une description de scène sans média visuel source obligatoire.
• Image vers vidéo avec première image part d’une image fournie et demande au modèle de l’animer vers l’avant.
• Génération avec première et dernière images fixe les deux extrémités d’un plan.
• Génération fondée sur des références conditionne le résultat avec des images, de la vidéo, de l’audio ou une combinaison compatible.
• Entrée par fichier ou page web apporte une source qui peut éclairer la requête.

Le hub de la famille de modèles Wan permet de consulter les voies Wan associées, tandis que le générateur en ligne reste la référence pour les contrôles disponibles dans une tâche précise.

Les caractéristiques de Wan 3.0 en bref

La voie PixMind actuelle associe une longue durée de clip, plusieurs types de références et trois niveaux de résolution. Chaque ligne ci-dessous reste toutefois un état daté de l’interface, et non une promesse de service permanente.

Deux sources peuvent décrire une limite à des niveaux différents. La page produit PixMind indique qu’une vidéo de référence peut durer jusqu’à 15 secondes, tandis que la référence API amont d’Alibaba fixe à 15 secondes la durée cumulée des vidéos de référence. Avec plusieurs clips, la règle de planification la plus sûre est de maintenir leur durée cumulée à 15 secondes ou moins. Appliquez la même limite cumulée à plusieurs fichiers audio de référence. Une requête contenant une vidéo d’entrée connaît un autre plafond amont : la durée totale de la vidéo d’entrée plus la durée de sortie demandée ne doit pas dépasser 30 secondes.

Comment choisir un mode d’entrée

Choisissez le mode qui correspond à la contrainte que vous ne pouvez pas perdre. Multiplier les entrées n’apporte pas automatiquement plus de contrôle, et des modes incompatibles peuvent invalider la requête.

Utiliser le texte vers vidéo pour une composition libre

La génération à partir du texte convient à un nouveau plan lorsqu’aucune image existante ni extrémité ne doit être conservée. Définissez le sujet, l’action, le lieu, la caméra, l’éclairage, le rythme et le son autour d’un seul événement principal.

Utiliser une première image lorsque l’ouverture est importante

L’image vers vidéo avec première image part d’une composition approuvée. Indiquez ce qui bouge, ce qui reste stable et le comportement de la caméra.

Utiliser la première et la dernière images pour contrôler les extrémités

Deux extrémités conviennent aux transitions dont l’ouverture et la fin sont prédéterminées. Alibaba en fait un mode distinct : ne le combinez pas avec des médias de référence, des fichiers, des liens ou une entrée audio.

Utiliser des références lorsque la continuité ou le son est prioritaire

Le mode référence conditionne un plan à l’aide de ressources associées. Les images indiquent l’apparence, la vidéo communique le mouvement et l’audio fournit le rythme ou une direction sonore. Ces types peuvent être combinés dans leurs limites respectives.

Si le principal obstacle est de choisir le modèle et le mode, AI Video Agent propose un parcours guidé allant du brief de scène aux modèles actuels. La génération directe avec Wan 3.0 convient mieux aux personnes qui connaissent déjà le mode d’entrée et les réglages à contrôler.

Limites des références et combinaisons valides

Wan 3.0 accepte plusieurs types de références ensemble, mais les modes extrémités, fichier et lien imposent des frontières nettes. Structurez la requête autour d’une combinaison valide avant de raccourcir les prompts.

Les règles amont d’Alibaba se résument ainsi :

Attribuez une seule fonction à chaque ressource, par exemple définir le produit, l’arrière-plan ou le mouvement de caméra. Pour un fichier ou une page, précisez ce qu’il faut extraire. Ne supposez jamais que chaque phrase, prix ou avertissement sera reproduit correctement.

La place de l’audio synchronisé dans le workflow

L’audio synchronisé fait partie de la voie actuelle. Planifiez donc l’ambiance, les effets, l’intention des dialogues et leur rythme avec l’action visuelle.

Pour une scène simple, séparez les instructions sonores des instructions visuelles :

Visual: A barista places a ceramic cup on a walnut counter as the camera makes a slow 20-degree arc.
Timing: The cup lands at 00:03 and steam becomes visible immediately after.
Audio: Quiet cafe room tone, one soft ceramic tap at 00:03, no music, no spoken dialogue.

Cette structure ne garantit pas une synchronisation parfaite à l’image près. Avant de publier, vérifiez le rythme des dialogues, les paroles involontaires, la musique et la ressemblance vocale.

Le mode extrémités amont d’Alibaba n’accepte pas d’entrée audio. Si l’audio doit guider la génération, associez une image de référence et un audio de référence. Si les extrémités priment, ajoutez ultérieurement un son correctement licencié.

Les droits relatifs aux voix exigent une attention particulière. Ne téléversez pas de référence vocale et ne publiez pas une ressemblance vocale identifiable sans l’autorisation nécessaire et le respect des conditions applicables.

Durée, résolution, format et tarif API

Définissez le format de livraison avant la génération : la durée et la résolution modifient directement le coût de l’API, tandis que le format détermine si la composition convient au canal final. Le tarif API en ligne vérifié le 5 septembre 2026 est de $0.050 par seconde en 480p, $0.090 par seconde en 720p et $0.18 par seconde en 1080p.

Les estimations suivantes correspondent simplement à la durée multipliée par le tarif par seconde daté :

Il s’agit d’estimations de planification, et non d’un devis pour une requête future. Les prix et les règles de compte peuvent évoluer. La page API Wan 3.0 en ligne constitue la référence publique actuelle, et la réponse d’acceptation de la tâche est l’instantané tarifaire final propre à cette tâche.

La ligne de 30 secondes n’est pas disponible pour toutes les requêtes conditionnées par une vidéo. Selon la règle amont documentée par Alibaba, soustrayez de 30 secondes la durée totale des vidéos d’entrée pour obtenir la durée de sortie maximale à demander, puis confirmez les contrôles PixMind en ligne avant l’envoi.

La facturation API est distincte des crédits Studio. Ne convertissez pas un aperçu en crédits Studio en tarif API en dollars et ne supposez pas qu’un solde API ouvre des droits dans Studio. Consultez la page de tarification actuelle pour le contexte du forfait, puis vérifiez l’interface que vous comptez réellement utiliser.

Pour la planification des canaux, le 16:9 convient au format horizontal, le 9:16 à la vidéo verticale et le 1:1 aux emplacements carrés. Un format adaptatif peut suivre la source, mais un format de destination fixe réduit les recadrages ultérieurs. Utilisez 480p pour des tests structurels économiques, puis augmentez la résolution une fois le mode, le rythme et la composition stabilisés.

Modèles de prompts classés par objectif de contrôle

Un prompt solide précise ce qui reste stable, ce qui peut changer et comment le changement se déroule. Ces structures ne garantissent pas un résultat.

Modèle 1 : créer un plan contrôlé à partir de texte

Create a [duration]-second [aspect ratio] shot.
Subject and action: [one subject performing one clear action].
Setting: [location, time, background activity].
Camera and light: [framing, movement, light direction, palette].
Timing: [start], [midpoint], [final state].
Audio: [ambience, effects, dialogue, music].
Preserve or avoid: [essential constraints].

Modèle 2 : animer une première image approuvée

Use the image as the opening composition.
Keep stable: [identity, product, logo, or geometry].
Animate: [motion and final action by time].
Camera: [locked, pan, dolly, or orbit].
Audio: [sound tied to visible events].
Do not introduce: [unwanted additions].

Modèle 3 : attribuer un rôle aux références multimodales

Image 1 defines [subject]. Image 2 defines [setting or palette].
Video 1 defines [camera or action], not identity.
Audio 1 defines [tempo, timing, ambience, or dialogue cue].
Create a [duration]-second [ratio] scene with [one narrative beat].
Prioritize: [two constraints]. Allow variation in: [nonessential details].

Modèle 4 : transformer un fichier ou une page web en brief vidéo ciblé

Use the [file or web page] as source material.
Extract only: [approved facts or section].
Audience and goal: [viewer], [explain, introduce, or summarize].
Structure: [opening], [two beats], [final message].
Do not invent: [prices, claims, quotations, or features].
Audio: [narration, ambience, effects, music].

Effectuez le test utile le moins coûteux avant un rendu final long. Si la composition est mauvaise, raccourcissez le prompt au lieu d’ajouter des adjectifs. Si la continuité pose problème, réduisez le nombre de références et nommez leur rôle. Si le rythme est incorrect, décrivez moins d’événements avec des repères temporels plus clairs.

Wan 3.0 face à Wan 2.7

Wan 3.0 est une nouvelle cible d’intégration, pas un nouveau nom pour une requête Wan 2.7. La voie actuelle utilise wan3.0-video, étend la sortie documentée à 30 secondes et élargit la planification des entrées aux extrémités, aux références, aux fichiers et aux pages web. Avant toute migration, revérifiez les noms des paramètres, les combinaisons valides, le format, la durée, l’audio, le traitement des réponses et les tarifs.

Il s’agit d’un résumé de migration d’interface, pas de l’affirmation que 3.0 gagne toutes les comparaisons de qualité. Aucune génération comparative contrôlée n’a été réalisée pour ce guide. La préférence de sortie peut dépendre du sujet, des références, de la conception du plan et des critères d’évaluation.

Gardez les articles propres à chaque version clairement identifiables au lieu de renommer discrètement le guide complet de Wan 2.7. Une comparaison contrôlée reste nécessaire avant de conclure sur le mouvement, la cohérence, le respect du prompt, le son ou la valeur.

Workflows Studio et API

Studio et l’accès API répondent à des besoins opérationnels différents et utilisent des systèmes de facturation séparés. Studio convient à la configuration interactive et à l’itération visuelle ; l’API convient aux applications exigeant des envois reproductibles, le suivi des tâches et le traitement programmatique des résultats.

Workflow Studio

Ouvrez le générateur Wan 3.0, choisissez le mode, joignez uniquement des sources compatibles, puis confirmez la durée, la résolution, le format et l’aperçu en crédits affiché. Lancez la génération après avoir vérifié les réglages, puis inspectez toute la vidéo et tout l’audio avant l’exportation.

Workflow API

1. Confirmez la disponibilité de wan3.0-video et le tarif API actuel.
2. Envoyez une combinaison de modes valide à POST /v1/generations.
3. Enregistrez l’ID de la tâche et les données tarifaires acceptées, puis interrogez cette même tâche.
4. Validez le résultat et consignez les paramètres, la provenance des sources et l’approbation des droits.

Alibaba documente la création asynchrone et l’interrogation des tâches en amont. N’appliquez pas ses règles de durée de vie des tâches à PixMind si PixMind ne les énonce pas. Le guide de démarrage rapide de l’API PixMind explique pourquoi enregistrer un ID de tâche est plus sûr que renvoyer la requête après une expiration côté client.

Limites, droits et contrôles avant publication

Les sorties de Wan 3.0 doivent être examinées par une personne, car un contrôle multimodal ne garantit pas la conformité. L’interface documentée indique les entrées et réglages acceptés ; elle n’établit ni l’exactitude, ni la fiabilité, ni l’autorisation juridique, ni l’adéquation à une publication donnée.

Utilisez cette liste avant publication :

• Exactitude visuelle et temporelle : comparez tout le clip aux références approuvées et recherchez les dérives, changements d’objets, textes erronés ou coupes involontaires.
• Contrôle audio : vérifiez les dialogues, la ressemblance vocale, le rythme, les paroles en arrière-plan, la musique et les effets.
• Contrôle factuel : vérifiez auprès de la source les affirmations tirées d’un document ou d’une page.
• Contrôle des droits : confirmez les autorisations portant sur les prompts, images, séquences, sons, personnes, voix, marques, logos et tout autre élément tiers.
• Contrôle de livraison : vérifiez la durée, les dimensions, le format, l’encodage et la lecture du fichier exporté sur la plateforme cible.
• Conservation des dossiers : enregistrez les détails de tâche acceptés, la provenance des entrées, les justificatifs de consentement ou de licence, la personne chargée de l’examen et la décision d’approbation.

L’utilisation commerciale dépend de l’éligibilité à une formule payante, des conditions applicables du modèle et du fournisseur, ainsi que des droits de l’utilisateur sur les prompts, références, personnes, voix, logos et autres éléments tiers. La génération ne libère pas automatiquement ces droits. Consultez les conditions tarifaires actuelles et les conditions d’utilisation applicables au compte et au cas d’usage ; demandez un avis professionnel lorsque les enjeux juridiques l’exigent.

Questions fréquentes

Puis-je utiliser de l’audio avec une génération à partir de la première et de la dernière images ?

Pas comme entrée audio dans le mode amont avec première et dernière images documenté par Alibaba. Si l’audio doit guider le résultat, utilisez le modèle officiel associant image de référence et audio de référence. Si les extrémités sont indispensables, conservez ce mode et traitez l’audio sous licence dans un workflow séparé.

Combien coûte la génération Wan 3.0 par API ?

L’instantané du 5 septembre 2026 est de $0.050 par seconde en 480p, $0.090 par seconde en 720p et $0.18 par seconde en 1080p. Considérez ces valeurs comme des données de planification datées. La réponse d’acceptation fournit l’instantané tarifaire final propre à la tâche, et la facturation API est distincte des crédits Studio.

wan3.0-video-prime est-il disponible via PixMind ?

La page actuelle des modèles PixMind répertorie wan3.0-video, pas wan3.0-video-prime. Alibaba présente Prime comme une variante amont, mais cela ne prouve pas qu’elle soit accessible via PixMind.

Puis-je utiliser commercialement une sortie de Wan 3.0 ?

L’utilisation commerciale est conditionnelle, et non automatique. Elle dépend de l’éligibilité à une formule payante, des conditions applicables du modèle et du fournisseur, ainsi que de vos droits sur l’ensemble des prompts, références, personnes, voix, logos et éléments tiers présents dans la tâche et son résultat.

Choisissez une contrainte et lancez une première tâche contrôlée

Pour commencer clairement avec Wan 3.0, choisissez la contrainte la plus importante, puis le mode d’entrée correspondant. Utilisez le texte pour une composition libre, une première image pour une ouverture fixe, deux extrémités pour une fin définie, des références pour réutiliser une identité ou orienter le son, et un fichier ou un lien pour une planification fondée sur une source.

Gardez la première tâche assez courte pour révéler les problèmes de structure. Confirmez l’ID du modèle, les références, le format, la résolution, la durée, l’audio, le prix et les droits avant l’envoi. Examinez le résultat entier plutôt que de juger une miniature.

Lorsque ces choix sont arrêtés, ouvrez le générateur Wan 3.0 pour une tâche interactive ou la page API Wan 3.0 pour un workflow programmatique. Vérifiez à nouveau les contrôles en ligne et le tarif accepté au moment de la génération.

---

Wan 3.0 vs Wan 2.7 : migration et choix du modèle