การสร้างภาพก่อนการถ่ายทำแบบภาพยนตร์ด้วย Wan 2.7: กรณีศึกษา 4 ช็อต

การสร้างภาพก่อนการถ่ายทำแบบภาพยนตร์ด้วย Wan 2.7

ประเด็นสำคัญ

• กรณีศึกษาแบบผสมของภาพยนตร์สั้นสมมติเรื่อง "Night Crossing" แสดงให้เห็นว่าประเภทช็อตหลักสี่แบบ (ภาพเปิดเรื่อง, ภาพขนาดกลาง, ภาพระยะใกล้, ภาพมุมกว้าง) สามารถแปลงเป็นพรอมต์ของ Wan 2.7 ได้อย่างไร
• ค่าใช้จ่ายในการเรนเดอร์ทั้งหมดสำหรับคลิป previs อยู่ที่ประมาณ 6,000 PixMind credits (4 ช็อต ช็อตละ 1,500 credits, 1080P, 5 วินาที)
• ภาพร่างสตอรี่บอร์ดและภาพอ้างอิงคีย์เฟรมให้ผลลัพธ์ที่ดีกว่าพรอมต์ T2V ล้วนๆ อย่างชัดเจนในด้านความแม่นยำของช็อต
• เวิร์กโฟลว์เดียวกันนี้สร้างฉบับตัดต่อ previs ที่ผู้กำกับอนุมัติได้ภายในเวลาประมาณสี่ชั่วโมง รวมถึงการทำซ้ำ

ทำไม Previs จึงสำคัญสำหรับภาพยนตร์อิสระ

การสร้างภาพก่อนการถ่ายทำ (Previsualization) คือจุดที่ผู้กำกับทดสอบภาษาของกล้องก่อนที่จะมีการถ่ายทำแม้แต่เฟรมเดียว จากการสำรวจการผลิตภาพยนตร์อิสระปี 2023 ที่อ้างอิงโดย Backstage การทำ pre-vis และสตอรี่บอร์ดใช้ไป 12 ถึง 18 เปอร์เซ็นต์ของงบประมาณก่อนการผลิตของภาพยนตร์สั้นอิสระ

Wan 2.7 เปลี่ยนแปลงสมการ แทนที่จะใช้สตอรี่บอร์ดที่วาดด้วยมือหรืออนิเมติก 3 มิติ ผู้กำกับสามารถวางพรอมต์ เรนเดอร์คลิป 1080P ความยาว 5 วินาที และสัมผัสถึงช็อตนั้นได้ กลุ่มการสร้างภาพก่อนการถ่ายทำแบบภาพยนตร์ของ PixMind รวบรวมเทมเพลตที่เราใช้สำหรับกรณีศึกษานี้

สถานการณ์ (กรณีศึกษาแบบผสม)

เพื่อความชัดเจน: นี่คือกรณีศึกษาแบบผสม "Night Crossing" เป็นภาพยนตร์สั้นแนวฟิล์มนัวร์สมมติที่เราสร้างขึ้นจากเวิร์กโฟลว์ของผู้ใช้ PixMind จริง ไม่ใช่การผลิตจริง เราได้รวบรวมประเภทช็อตสี่แบบที่ผู้กำกับมักจะสร้างภาพก่อนการถ่ายทำสำหรับฉากที่ท่าเรือหมอกหนาในยามรุ่งอรุณ

กรณีศึกษาแบบผสมนี้รวมเซสชันของผู้ใช้จริงสามเซสชัน ซึ่งแต่ละเซสชันได้ส่งชุดย่อยของช็อตที่แตกต่างกันไป เราได้รวมเข้าเป็นเรื่องราวเดียวเพื่อให้รูปแบบพรอมต์สามารถนำกลับมาใช้ใหม่ได้ หากคุณต้องการสร้างคลิปทั้งหมดขึ้นมาใหม่ เครื่องสร้างวิดีโอ PixMind Wan 2.7 จะแสดงโหมดทั้งหมดที่กรณีศึกษานี้ใช้

ความตั้งใจของฉาก: ผู้ลักลอบขนของรออยู่ที่ท่าเรือขณะที่เรือลำเล็กกำลังแล่นเข้ามาในหมอก เราได้สร้างภาพก่อนการถ่ายทำสี่ช็อต: ภาพเปิดเรื่องมุมกว้างของท่าเรือ, ภาพขนาดกลางของผู้ลักลอบขนของ, ภาพระยะใกล้ของนาฬิกาพก, และภาพทิวทัศน์มุมกว้างของเรือที่กำลังโผล่ออกมา

ช็อตที่ 1: ภาพเปิดเรื่องมุมกว้าง

ภาพเปิดเรื่องจะช่วยให้ผู้ชมเข้าใจทิศทาง ตาม ภาพรวมการสร้างวิดีโอของ Alibaba Cloud Wan 2.7 T2V ให้ผลลัพธ์ที่ดีกับพรอมต์ที่มีภาษาของกล้องที่ชัดเจน ซึ่งเราได้นำมาใช้กับช็อตนี้

เทมเพลตพรอมต์ (ภาพเปิดเรื่องมุมกว้าง)

Subject: empty wooden dock at a foggy harbor, pre-dawn.
Action: fog drifts slowly across frame, distant harbor light pulses.
Setting: cold blue-gray palette, single warm sodium lamp camera-right.
Camera: static wide shot, 24mm equivalent, locked tripod.
Style: cinematic noir, anamorphic flare on the lamp, 35mm grain.

พารามิเตอร์และเหตุผล

เราเรียกใช้สิ่งนี้เป็น T2V ที่ 1080P, 5 วินาที, 16:9 T2V ทำได้ดีกว่า I2V ในที่นี้เนื่องจากฉากไม่มีวัตถุหลักที่ตายตัวที่ต้องคงอยู่ในการประมาณค่า คู่มือผู้ใช้ Wan 2.7 I2V ระบุชัดเจนว่า I2V จะรักษาเอกลักษณ์ของอินพุต ซึ่งเราไม่จำเป็นต้องใช้สำหรับท่าเรือกว้างที่ว่างเปล่า

เราทดสอบพรอมต์เดียวกันที่ 720P ก่อนเพื่อตรวจสอบองค์ประกอบภาพ จากนั้นจึงปรับเป็น 1080P การเรนเดอร์ที่ 1080P ใช้เวลาเพิ่มขึ้น 2.5 เท่า แต่ให้ภาพ anamorphic flare ที่สะอาดขึ้นอย่างเห็นได้ชัด

ข้อมูลอ้างอิง: สำหรับภาพเปิดเรื่องมุมกว้างในการสร้างภาพก่อนการถ่ายทำ "Night Crossing" ของเรา การเรนเดอร์ Wan 2.7 T2V ขนาด 1080P ความยาว 5 วินาที พร้อมภาษาของกล้องที่ชัดเจน (เทียบเท่า 24 มม., ขาตั้งกล้องล็อค, anamorphic flare) สร้างคลิปเปิดเรื่องที่ใช้งานได้ในการถ่ายครั้งแรก แหล่งที่มา: การทดสอบของ PixMind, กรกฎาคม 2026, เมทริกซ์พารามิเตอร์ตาม เอกสารการสร้างวิดีโอของ Alibaba Cloud Model Studio.

ช็อตที่ 2: ตัวละครขนาดกลาง

ช็อตขนาดกลางแสดงถึงการปรากฏตัวของตัวละคร เราสร้างภาพก่อนการถ่ายทำของผู้ลักลอบขนของที่ยืนอยู่ริมท่าเรือ เสื้อโค้ทพลิ้วไหวตามลม

เทมเพลตพรอมต์ (ตัวละครขนาดกลาง)

Subject: a lone figure in a long dark coat standing at the dock edge,
back to camera.
Action: coat hem lifts in a slow gust, head tilts slightly camera-left.
Setting: same foggy harbor as Shot 1, sodium lamp now rim-lighting
the figure from camera-right.
Camera: static medium shot, 50mm equivalent, slight low angle.
Style: cinematic noir, shallow depth of field, 35mm grain, cool palette.

การเลือกโหมด: I2V พร้อมภาพร่างคีย์เฟรม

T2V มีปัญหาเรื่องความสอดคล้องของตัวละครในแต่ละเฟรม เราเปลี่ยนไปใช้ I2V โดยใช้ภาพร่างคีย์เฟรมคร่าวๆ ที่สร้างจากโมเดลภาพแยกต่างหาก ภาพร่างนี้กำหนดรูปร่าง, ความยาวเสื้อโค้ท, และท่าทาง

นี่คือเวิร์กโฟลว์ที่เราแนะนำสำหรับช็อต previs ที่มีตัวละครมนุษย์ T2V จัดการการเคลื่อนไหวแบบนามธรรมได้ดี แต่เอกลักษณ์ของตัวละครจะคลาดเคลื่อน คู่มือพรอมต์วิดีโอหลายช็อตของ PixMind ได้บันทึกรูปแบบเดียวกันนี้ในประเภทช็อตอื่นๆ

โหมดความล้มเหลวที่เราพบ

• ไหล่ของตัวละครบิดเบี้ยวในการเรนเดอร์ 1080P ครั้งแรก เนื่องจากภาพร่างอินพุตมีความคมชัดไม่สม่ำเสมอบนไหล่ซ้าย เราจึงวาดภาพร่างใหม่ด้วยขอบรูปร่างที่สะอาดขึ้น
• การเคลื่อนไหวของชายเสื้อโค้ทเร็วเกินไป เราเพิ่มคำว่า "slow" ในบรรทัดการกระทำและลดระยะเวลาเหลือ 4 วินาที จากนั้นจึงขยายออกไป

ช็อตที่ 3: วัตถุระยะใกล้

ภาพระยะใกล้คือนาฬิกาพกในฝ่ามือของผู้ลักลอบขนของ ฝาเปิดออกอย่างรวดเร็ว นี่คือจุดที่ previs มักจะล้มเหลวเนื่องจากการเคลื่อนไหวทางกลไกเล็กๆ น้อยๆ นั้นยากต่อการกำกับ

เทมเพลตพรอมต์ (วัตถุระยะใกล้)

Subject: a brass pocket watch held in a gloved hand, lid closed.
Action: thumb presses the crown, lid snaps open to reveal clock face.
Setting: same sodium lamp light raking across the watch face.
Camera: extreme close-up, 85mm equivalent, eye-level, locked tripod.
Style: cinematic noir, shallow depth of field, brass reflections, 35mm grain.

การเลือกโหมด: I2V เฟรมแรก-เฟรมสุดท้าย

ช็อตนี้ต้องการเฟรมแรก-เฟรมสุดท้าย เฟรมเริ่มต้นที่ฝาปิดและเฟรมสุดท้ายที่ฝาเปิดต้องลงตัวพอดี เราสร้างคีย์เฟรมทั้งสองด้วยโมเดลภาพแยกต่างหาก จากนั้นส่งไปยังโหมด Wan 2.7 I2V เฟรมแรก-เฟรมสุดท้าย

ในเวิร์กโฟลว์แบบผสมของเรา โหมดเฟรมแรก-เฟรมสุดท้ายเป็นโหมดเดียวที่สามารถสร้างสถานะสุดท้ายของนาฬิกาที่เปิดอยู่ได้อย่างน่าเชื่อถือ I2V แบบภาพเดียวสร้างการเคลื่อนไหวขึ้นมาเองแต่พลาดเฟรมสุดท้ายในการเรนเดอร์ประมาณสองในสามครั้ง

วินัยด้านค่าใช้จ่าย

ช็อตระยะใกล้ทำให้คุณอยากทำซ้ำมากเกินไป เราจำกัดงบประมาณการทำซ้ำไว้ที่สามครั้งต่อช็อตก่อนที่จะดำเนินการต่อไป คู่มือฉบับสมบูรณ์ของ PixMind Wan 2.7 อธิบายพารามิเตอร์เฟรมแรก-เฟรมสุดท้ายโดยละเอียด

ช็อตที่ 4: ทิวทัศน์มุมกว้าง

ทิวทัศน์มุมกว้างคือเรือที่กำลังโผล่ออกมาจากหมอก นี่คือช็อต "เปิดเผย" ของลำดับภาพ

เทมเพลตพรอมต์ (ทิวทัศน์มุมกว้าง)

Subject: a small wooden motorboat emerging from dense fog, bow light on.
Action: boat drifts camera-left at slow speed, wake barely visible.
Setting: open water beyond the dock, fog bank receding, sky brightening.
Camera: static wide, 24mm equivalent, slight high angle from dock level.
Style: cinematic noir transitioning to dawn, cool palette warming at edges.

การเลือกโหมด: I2V พร้อมภาพอ้างอิง

เราใช้ I2V พร้อมภาพอ้างอิงเดียวของเรือเพื่อรักษารูปร่างของมัน T2V สร้างรูปร่างเรือที่ไม่สอดคล้องกันในแต่ละเฟรม ภาพอ้างอิงช่วยกำหนดโครงเรือและตำแหน่งไฟหัวเรือ

[ข้อมูลเชิงลึกเฉพาะ] การเปลี่ยนจาก "สีน้ำเงินนัวร์" ไปสู่ "รุ่งอรุณที่อบอุ่นขึ้น" ในคลิป 5 วินาทีเดียวเป็นเรื่องยากที่จะกำกับผ่านพรอมต์เพียงอย่างเดียว เราได้เพิ่มภาษาการปรับสีที่ชัดเจน ("โทนสีเย็นที่อบอุ่นขึ้นที่ขอบ") และยอมรับว่าโมเดลตีความสิ่งนี้อย่างหลวมๆ ผู้กำกับที่ต้องการการกำหนดเวลาสีที่แม่นยำควรวางแผนที่จะปรับสีในขั้นตอนหลังการผลิต ไม่ใช่ในพรอมต์

การต่อคลิปเข้าด้วยกัน

เราประกอบคลิป 5 วินาทีทั้งสี่คลิปเข้าด้วยกันใน NLE มาตรฐาน โดยมีการครอสเฟด 0.5 วินาที ความยาวคลิปทั้งหมด: 18 วินาที (4 คูณ 5 ลบส่วนที่ทับซ้อนกัน) กรณีการใช้งานการสร้างภาพก่อนการถ่ายทำแบบภาพยนตร์ของ PixMind มีบทความที่ยาวขึ้นเกี่ยวกับลำดับการต่อและเสียงประกอบ

รายละเอียดค่าใช้จ่าย (4 ช็อต x 5 วินาที x 1080P)

ทั้งสี่ช็อตใช้ 1080P ที่ 5 วินาที อัตราที่ PixMind เผยแพร่สำหรับวิดีโอ Wan 2.7 1080P คือ 300 credits ต่อวินาที นั่นทำให้เราได้ 1,500 credits ต่อช็อต (300 credits/วินาที x 5 วินาที)

ค่าใช้จ่ายแฝงที่เราบันทึกไว้

การทำซ้ำคือตัวคูณค่าใช้จ่ายที่เงียบงัน ผู้กำกับของเราอนุมัติ 2 ใน 4 ช็อตในการเรนเดอร์ครั้งแรก ช็อตที่ 2 และ 3 แต่ละช็อตต้องลองเพิ่มอีกสองครั้ง ทำให้เครดิตที่ใช้ไปทั้งหมดประมาณ 10,500 ตลอดเซสชัน

[ข้อมูลต้นฉบับ] จากเซสชันของผู้ใช้ PixMind จริงสามเซสชันที่เรานำมารวมกันสำหรับกรณีศึกษาแบบผสมนี้ อัตราส่วนการทำซ้ำเฉลี่ยอยู่ที่ 1.75 ครั้งต่อช็อตที่ได้รับการอนุมัติ ควรตั้งงบประมาณสำหรับสิ่งนั้น ไม่ใช่สำหรับตัวเลขที่สะอาดตาในตารางด้านบน

รายละเอียดราคา PixMind Wan 2.7 มีเมทริกซ์ราคาเต็มสำหรับ 720P, 1080P และระยะเวลาทั้งหมดตั้งแต่ 2 ถึง 15 วินาที

สี่บทเรียนที่ได้รับ

บทเรียนที่ 1: จับคู่โหมดกับประเภทช็อต

T2V ชนะในภาพเปิดเรื่องมุมกว้าง I2V ที่มีคีย์เฟรมเดียวชนะในช็อตขนาดกลางและทิวทัศน์ โหมดเฟรมแรก-เฟรมสุดท้ายเป็นโหมดเดียวที่ใช้ได้กับภาพระยะใกล้เชิงกล การเลือกโหมดตามความตั้งใจของช็อต ไม่ใช่ตามความเคยชิน ช่วยประหยัดเครดิตที่เสียไปจากการเรนเดอร์ได้ประมาณ 2,000 credits

บทเรียนที่ 2: ทำซ้ำที่ 720P, สุดท้ายที่ 1080P

เราใช้เครดิตไป 1,500 credits ในการเรนเดอร์ 1080P ครั้งแรกของช็อตที่ 1 ก่อนที่เราจะพบปัญหาองค์ประกอบภาพ หลังจากนั้น ทุกช็อตเริ่มต้นที่ 720P สำหรับการตรวจสอบองค์ประกอบภาพ การเรนเดอร์ 1080P จะทำก็ต่อเมื่อคลิป 720P ได้รับการอนุมัติแล้วเท่านั้น การประหยัดสุทธิในเซสชัน: ประมาณ 3,000 credits

บทเรียนที่ 3: ภาพร่างดีกว่าพรอมต์ล้วนๆ สำหรับช็อตตัวละคร

สำหรับช็อตที่ 2 และ 4 ภาพร่างคร่าวๆ 10 นาทีให้ผลลัพธ์ที่ดีกว่าพรอมต์ T2V ล้วนๆ ที่เราเขียน ภาพร่างช่วยให้ Wan 2.7 มีรูปร่างเพื่อยึดเกาะ T2V ล้วนๆ สร้างการเคลื่อนไหวที่มีความสามารถแต่เอกลักษณ์ของตัวละครไม่สอดคล้องกันตลอดคลิป 5 วินาที

บทเรียนที่ 4: ตั้งงบประมาณสำหรับสีและจังหวะในขั้นตอนหลังการผลิต

พรอมต์ของ Wan 2.7 ช่วยให้คุณสามารถควบคุมโทนสีและจังหวะได้ แต่ไม่สามารถทดแทนผู้ปรับสีได้ การเปลี่ยนจากสีน้ำเงินนัวร์ไปสู่รุ่งอรุณที่อบอุ่นขึ้นในช็อตที่ 4 ออกมาแบนกว่าที่ผู้กำกับต้องการ เราได้ทำเครื่องหมายไว้สำหรับการปรับสีและดำเนินการต่อไป previs มีไว้สำหรับการจัดองค์ประกอบและจังหวะ ไม่ใช่รูปลักษณ์สุดท้าย

คำถามที่พบบ่อยเกี่ยวกับการสร้างภาพก่อนการถ่ายทำแบบภาพยนตร์

Wan 2.7 สามารถแทนที่นักวาดสตอรี่บอร์ดได้หรือไม่?

ไม่ Wan 2.7 แทนที่ขั้นตอนอนิเมติก ไม่ใช่สตอรี่บอร์ด คุณยังคงต้องการภาพร่างหรือคีย์เฟรมสำหรับช็อตตัวละคร โมเดลช่วยเร่งเส้นทางจากภาพร่างไปสู่การเคลื่อนไหว แต่ไม่ได้สร้างลำดับภาพหลายช็อตที่สอดคล้องกันจากแนวคิดบรรทัดเดียว ตาม คู่มือ I2V ของ Alibaba Cloud การแปลงภาพเป็นวิดีโออาศัยอินพุตอ้างอิงเพื่อรักษาเอกลักษณ์

ฉันควรใช้ความละเอียดเท่าใดสำหรับการทำ previs?

720P สำหรับการทำซ้ำ, 1080P สำหรับการตรวจสอบโดยผู้กำกับ การคำนวณเครดิตนั้นตรงไปตรงมา: 720P ใช้ 150 credits ต่อวินาที, 1080P ใช้ 300 credits ต่อวินาทีบน PixMind คู่มือราคา PixMind มีเมทริกซ์ราคาเต็ม

ฉันสามารถสร้างภาพก่อนการถ่ายทำได้กี่ช็อตต่อชั่วโมง?

ในเซสชันแบบผสมของเรา เราส่งมอบสี่ช็อตที่ได้รับการอนุมัติภายในเวลาประมาณสี่ชั่วโมงของการทำงานจริง รวมถึงการทำซ้ำ อัตรานี้สมมติว่าคุณมีคีย์เฟรมพร้อมก่อนที่จะเริ่มเรนเดอร์ หากไม่มีคีย์เฟรมที่เตรียมไว้ คาดว่าจะได้ประมาณหนึ่งหรือสองช็อตต่อชั่วโมง

Wan 2.7 จัดการความต่อเนื่องข้ามช็อตได้หรือไม่?

ไม่รองรับโดยธรรมชาติ การเรนเดอร์แต่ละครั้งเป็นอิสระ หากต้องการรักษาความต่อเนื่องของตัวละครข้ามช็อต ให้ใช้ I2V กับภาพอ้างอิงเดียวกัน หรือเปลี่ยนไปใช้โหมด R2V คู่มือหลายช็อตของ PixMind อธิบายกลยุทธ์การอ้างอิงข้ามช็อต

เวิร์กโฟลว์นี้ถูกกว่าการทำ previs แบบดั้งเดิมหรือไม่?

สำหรับภาพยนตร์สั้นอิสระ ใช่ การทำอนิเมติก 3 มิติแบบดั้งเดิมสำหรับลำดับสี่ช็อตมีค่าใช้จ่าย 400 ถึง 1,200 ดอลลาร์ในเวลาของศิลปินอิสระ เซสชันแบบผสมในที่นี้มีค่าใช้จ่ายประมาณ 10,500 PixMind credits บวกกับเวลาของผู้กำกับประมาณสี่ชั่วโมง ข้อแลกเปลี่ยนคือการควบคุม: previs แบบดั้งเดิมให้การเคลื่อนไหวของกล้องที่แม่นยำระดับเฟรม

ลองใช้เวิร์กโฟลว์

วิธีที่เร็วที่สุดในการทดสอบการสร้างภาพก่อนการถ่ายทำแบบภาพยนตร์ด้วย Wan 2.7 คือการเลือกประเภทช็อตหนึ่งประเภทและส่งออกคลิป 5 วินาที ใช้เทมเพลตพรอมต์ในกรณีศึกษานี้เป็นจุดเริ่มต้นของคุณ

เปิดเครื่องสร้างวิดีโอ Wan 2.7 และเริ่มต้นด้วยภาพเปิดเรื่องมุมกว้าง สำหรับคลังรูปแบบพรอมต์เต็มรูปแบบในทุกประเภทช็อตทั้งสี่ กรณีการใช้งานการสร้างภาพก่อนการถ่ายทำแบบภาพยนตร์ของ PixMind มีเทมเพลตที่สามารถดาวน์โหลดได้

บทความที่เกี่ยวข้อง: คู่มือฉบับสมบูรณ์ของ Wan 2.7 สำหรับพื้นฐานโหมด และ บทช่วยสอนพรอมต์วิดีโอหลายช็อต สำหรับรูปแบบการจัดลำดับที่มากกว่าสี่ช็อต

ชมการทำงานจริง

ที่เกี่ยวข้องบน X: BrentLynch — การอภิปรายของผู้สร้างเกี่ยวกับเวิร์กโฟลว์การสร้างภาพก่อนการถ่ายทำแบบภาพยนตร์