DX Builder
DX Builder
DONNÉES BENCHMARKÉES · API DASHSCOPE DIRECTE · RÉALISATION MULTIMODALE/Référence technique et guide de production Wan 3.0 (DashScope)
Ouvrir Engine Studio

Manuel du moteur Wan 3.0 : Benchmarks mesurés et ingénierie de prompts

Wan 3.0 (`wan3.0-video`) est le modèle phare de génération vidéo multimodale d'Alibaba, offrant un rendu 1080p natif, une dynamique physique complète, un dialogue avec synchronisation labiale native multilingue et le référencement multi-actifs jusqu'à 30 secondes par prise continue. Toutes les métriques de performance ci-dessous reflètent des tests directs de l'API DashScope menés par DXBuilder.

API directe Wan 3.0Benchmarks mesurés1080p natifLip-sync et audio natifsPrises jusqu'à 30sRéférencement multi-actifs
ALIBABAALIBABA· modelo oficial
Manuel du moteur Wan 3.0 : Benchmarks mesurés et ingénierie de prompts
Vitesse de rendu33–46m (720p) · 50m (1080p)
Résolution native480p · 720p · 1080p Natif
Durée max de prise2s à 30s continu
Ratios pris en charge16:9 · 9:16 · 1:1 · 4:3 · 3:4
Entrée multimodale10 Img + 5 Vid + 5 Audio + Doc/Lien
Pipeline audioLip-Sync natif + SFX Foley
Droits commerciauxLicence commerciale complète

1. Architecture, spécifications vérifiées et annonces d'Alibaba

Longues prises continues (2s à 30s) [Mesuré par nous]

Génère des prises continues de 2 à 30 secondes par requête sans rupture temporelle lorsqu'elles sont structurées avec des listes de plans minutées.

Conditionnement multimodal natif [Mesuré par nous]

Accepte jusqu'à 10 images, 5 clips vidéo (≤15s au total), 5 pistes audio (≤15s) et 1 document (100 Mo / 50 pages) ou lien web par tâche de rendu.

Dialogue, synchronisation labiale et bruitage natifs [Mesuré par nous]

Synthétise des dialogues minutés entre {accolades} avec une précision vérifiée de synchronisation labiale en portugais européen et dialectes régionaux, accompagnée d'effets sonores atmosphériques.

Fidélité des matériaux et des actifs de marque [Mesuré par nous]

Mappe avec précision les logos et textures de référence sur des surfaces dynamiques (broderie de tissu, enseignes au néon, braises incandescentes) sans dégradation graphique.

Multi-référence sans temps d'attente [Mesuré par nous]

Nos tests de benchmark confirment que faire évoluer les actifs de référence de 0 à 4 éléments n'ajoute aucune latence de rendu GPU supplémentaire.

Fonctionnalités de la feuille de route d'Alibaba [Annoncé par Alibaba, non testé]

L'édition vidéo basée sur des instructions, l'extension vidéo temporelle enchaînée et l'injection de contexte via recherche web en direct restent non vérifiées en production.

30s · 720P · 1 foto + logo · falas PT-PT · 10 cortes aos tempos escritos
Vídeo vertical: gerado e medido pela DXBuilder · grelha: demos oficiais Alibaba (wan.video)

2. Comparatif de benchmarks : Wan 3.0 vs Seedance 2.5

Paramètre de productionWan 3.0 (DashScope Direct)Seedance 2.5 PRO
Durée max d'une prise unique30 secondes (Continue native) [Mesuré]Jusqu’à 30 secondes par take
Résolutions natives480p · 720p · 1080p Natif (Sans upscaling IA)480p · 720p (1080p/4K via Upscaling Topaz)
Moteur audio et dialogueLip-sync natif + SFX environnementaux + dialectes [Mesuré]Génération audio séparée / pipeline de post-synchronisation
Durée de rendu (prise de 30s)33–46 min (720p) · 50 min (1080p) [Mesuré]2–5 min (pipeline rapide)
Capacité d'entrée multimodale10 images + 5 vidéos + 5 audios + 1 doc/lien50 images de référence + vidéo et audio de référence
Coût par seconde (DXBuilder)7.5 cr/s (480p) · 15 cr/s (720p) · 30 cr/s (1080p)25 cr/s (480p) · 35 cr/s (720p) · remise jusqu’à -25% à 30s

3. Modes de réalisation et limites d'entrées multimodales

1 · Réalisation par liste de plans minutée (Texte + Audio natif)

Gatilho: Formatez les prompts avec des repères temporels absolus et des balises de dialogue explicites : HARD CUT at Xs — [SCALE/ANGLE]: action {spoken dialogue}.

Regras: Les prompts en prose continue génèrent 0–1 coupure en 15s ; les listes de plans minutées exécutent 4–12 coupures [Mesuré par nous].

"00:00-00:05 CLOSE-UP: Merchant whispers {"O porto fecha à meia-noite."} [AUDIO: wind howling]. HARD CUT at 00:05 — WIDE SHOT: Storm surges over stone pier."

2 · Transfert d'actifs multimodaux (Verrouillage Image / Logo / Audio)

Gatilho: Téléchargez des images de référence (ID sujet, garde-robe, patch de logo) et des clips audio avec des verrouillages d'identité explicites.

Regras: Les photos de sujets doivent être nettes et orientées vers le haut (la rotation EXIF ruine la géométrie faciale). Le nombre d'actifs de référence (0 à 4) ne modifie pas le temps de rendu [Mesuré par nous].

"Apply character facial structure from @Image1 and wardrobe jacket patch from @Image2. Subject turns 45 degrees left. Material: heavy distressed leather."

3 · Pipeline d'itération rapide de 5 secondes [Rapporté par des tiers]

Gatilho: Ébauchez et calibrez la composition, l'éclairage et les mouvements de caméra dans des rendus de test de 5 secondes avant de vous engager sur des passes finales complètes de 30 secondes en 1080p.

Regras: Économise plus de 80 % du budget de crédits pendant le cadrage ; passez à 30s/1080p uniquement une fois le timing et la reconnaissance des actifs verrouillés.

"5s Test: 35mm low-angle tracking shot, protagonist walks 30% across frame left-to-right. Verify silhouette and backlight before full sequence render."

4. Règles de réalisation mesurées et syntaxe de prompt

Coupures nettes minutées (Hard Cuts) [Mesuré par nous]HARD CUT at 04:00 — MEDIUM SHOT: Actor turns to camera | HARD CUT at 09:00 — EXTREME CLOSE-UP: Hand grips copper dial.
Lip-Sync et balisage de dialogue [Mesuré par nous + AtlasCloud]Character speaks directly into lens: {"Temos apenas três minutos antes da ignição."} [AUDIO: heavy mechanical hum, no background music]
Bloc Look Lock [Mesuré par nous][LOOK LOCK: overcast daylight 5600K, charcoal wool overcoat, wet cobblestone environment, muted cyan color grading]
Ancrage physique explicite [Mesuré par nous]Real gravitational weight, splashing water droplets with inertia, cloth drag resistance, no floating, no weightless wire-work.
Bloc d'exclusion IP (Anti-IP Injection) [Mesuré par nous][NEGATIVE: no superhero emblems, no commercial franchise logos, no copyright costumes, no smooth slide floating motion]
Vectorisation par pourcentage de cadre [Rapporté par des tiers]Subject accelerates from right edge to center, occupying 40% vertical frame height, moving 35% horizontal distance per second.

5. Blueprints de prompts de production

Prise narrative cinématographique multi-plans (15s — Lip-Sync en portugais européen)

Scène minutée multi-plans avec synchronisation labiale native des dialogues, design sonore ambiant et poids physique vérifié [Mesuré par nous].

[LOOK LOCK: Moody neon-lit alley, wet asphalt, 35mm anamorphic, heavy rain]
00:00-00:04 MEDIUM TRACKING SHOT: Detective walks forward with heavy footsteps, rain dripping from brimmed hat.
00:04-00:09 HARD CUT — CLOSE-UP: Detective stops under amber streetlight, looks straight into lens, speaking firmly: {"Não há mais tempo para negociações. O navio já partiu do cais."}
00:09-00:15 HARD CUT — OVER-THE-SHOULDER WIDE: A black cargo boat vanishes into foggy harbor waters. Real gravitational water displacement, heavy splashes.
[AUDIO: continuous heavy rainfall, distant foghorn, crisp vocal dialogue, no background synth music]
[NEGATIVE: no floating, no weightless wire-work, no superhero emblems, no frozen locked-off camera]

Matérialisation d'actifs de marque et physique dynamique (30s 1080p Natif)

Séquence complète benchmarkée de 30 secondes démontrant la reproduction d'un logo de référence sur des surfaces physiques avec une dynamique de masse réelle [Mesuré par nous].

[LOOK LOCK: Blacksmith forge workshop, warm 3200K tungsten backlight, volumetric smoke and rising embers]
00:00-00:08 LOW ANGLE SLOW DOLLY IN: Blacksmith hammers glowing hot steel bar on iron anvil with heavy impact shocks.
00:08-00:16 HARD CUT — MACRO SHOT: Hammer strikes molten metal surface, embossing the DXBuilder geometric logo from @Image1 into glowing orange iron, sparking embers scattering with authentic physics.
00:16-00:24 HARD CUT — MEDIUM PROFILE: Blacksmith plunges the branded metal blade into cold water vat. Instant dense steam eruption and boiling fluid turbulence.
00:24-00:30 HARD CUT — CLOSE-UP HERO SHOT: Water drips off the engraved brand logo on dark Damascus steel, camera maintains subtle hand-held organic drift.
[AUDIO: metallic anvil strikes, roaring forge fire, loud water quenching hiss, deep room tone]
[NEGATIVE: no static frozen camera, no synthetic plastic texture, no franchise trademarks]
Wan 3.0

6. Calculateur de crédits et économie de génération

3s10s30s
Total estimé150 créditos
Générer dans le Studio

7. Foire aux questions

D'après nos mesures directes de l'API (août 2026), une prise de 30 secondes en 720p prend en moyenne ~40 minutes (plage de 33 à 46 min). Une prise de 30 secondes en 1080p est rendue en ~50 minutes (+11 % de durée vs 720p). Les temps d'attente en file se sont stabilisés à ~0,5 min après la montée en charge initiale. Vous pouvez fermer votre navigateur ; les rendus se terminent de manière autonome dans votre bibliothèque DXBuilder.
👑 Sans prompts, sans effort

Pas envie d'écrire des prompts ? Entre toi-même dans le film.

Les presets Premium tournent sur le moteur Seedance 2.5 — envoie un selfie et un réalisateur IA filme un blockbuster en 3 actes avec toi en vedette. De 15 secondes à 1:30.

Voir tous les presets Premium
Crédits gratuits à l'inscription Aucun abonnement obligatoire Remboursement auto en cas d'échec

Explore les autres moteurs DXBuilder