Prácticas de redacción de prompts para la generación de video con wan3.0, que abarcan fórmulas, técnicas de escritura y ejemplos de ajuste.
Skill de optimización de prompts
La plataforma proporciona una Skill de optimización de prompts de wan3.0 para ayudarle a ajustar sus prompts.
Descargar Skill: wan3-pe.zip (descomprimir después de descargar)
Uso: En el cuadro de chat de IA, ingrese /wan3-pe más el contenido de su prompt para comenzar a depurar el prompt. Por ejemplo:
/wan3-pe Refine the prompt using the skill. Prompt: a cat running on the grass
Tipos de tareas
wan3.0 admite los siguientes tipos de tareas. Las entradas y salidas de cada tarea son las siguientes. Para reglas detalladas de combinación de materiales de entrada, consulte Combinaciones de materiales.
| Tipo de tarea | Capacidad admitida | Entrada de referencia | Salida |
|---|---|---|---|
| Texto a video | Texto a video | Prompt | Video con narrativa de toma única o múltiple |
| Imagen a video | Primer fotograma a video | Prompt + imagen de primer fotograma | Video generado con esta imagen como primer fotograma |
| De primer y último fotograma a video | Prompt + imagen de primer fotograma + imagen de último fotograma | Video transicionando del primer al último fotograma | |
| Referencia a video | Referencia de sujeto | Prompt más imagen o video de referencia de una persona, objeto, escena o personaje virtual | Nuevo video que conserva la apariencia y voz del sujeto de referencia |
| Referencia de movimiento | Prompt más video de referencia que contiene acción, expresión, movimiento de cámara o efectos visuales | Nuevo video replicando la información de movimiento de referencia | |
| Referencia de estilo | Prompt + imagen o video de referencia de estilo | Video siguiendo el estilo de referencia | |
| Referencia de audio | Prompt + audio de referencia de música / diálogo / timbre de voz | Video cuya pista de audio se alinea con el audio de referencia | |
| Referencia de renderizado arcilla / renderizado | Prompt + video de renderizado arcilla | Video fotorrealista renderizado nuevamente | |
| Referencia de toma múltiple / guion gráfico | Prompt + imagen de toma múltiple | Video avanzando según la narrativa de tomas | |
| Referencia de fotograma clave | Prompt + múltiples imágenes de fotogramas clave | Video alineado con el orden de fotogramas clave | |
| Referencia de archivo / página web | Prompt + enlace a documento o página web | Video generado basado en el contenido del documento / página web | |
| Edición de video | Edición de video por instrucciones | Prompt + video fuente | Video tras añadir/eliminar/modificar elementos según instrucción |
| Edición de video por imagen de referencia | Prompt + video fuente + imagen de referencia | Video tras reemplazar o modificar el video fuente con contenido de imagen de referencia | |
| Edición de audio de video | Prompt + video fuente | Video tras ajustar voces / música / efectos de sonido | |
| Extensión de video | Prompt + video fuente | Video continuado antes, después o bidireccionalmente desde el video fuente | |
Redacción de elementos del prompt
Una sola oración es suficiente para que wan3.0 produzca un video, pero cuanto más completa y precisa sea la descripción, más se acercará el resultado a lo que espera. Para escenarios de modalidad completa, recomendamos la siguiente fórmula de prompt completo: escriba todo aquello que want controlar y simplemente omita cualquier sección que no necesite.
Prompt = [Overall description]
+ [Reference material citation: Image N / Video N / Audio N]
+ [Shot N (start-end seconds): Subject + Scene + Motion + Aesthetic control]
+ [Dialogue: xx says: "xxxx"]
+ [Sound effect / BGM]
+ [Style / Mood]
+ [Negative prompt list]
Ejemplo
Un ejemplo de redacción que combina referencia a video + múltiples tomas + diálogo + referencia de timbre de voz + control de estilo. El prompt se concatena en un solo párrafo siguiendo la fórmula:
Eastern epic xianxia, majestic and imposing. A general in heavy armor holds a long spear, riding alone on a golden qilin, guarding the grand pass between two mountains as an enemy army surges like a black tide in the distance. 15 seconds, pacing shifts from steady restraint to explosive release. The general's appearance references Image 1, facial expression references Image 2, mount references Image 3, voice timbre references Audio 1.
Shot 1 (00:00-00:03): Extreme wide establishing shot, 24mm wide-angle, extreme low angle, camera static. A towering stone archway stands between two mountains; on each side stands a weathered giant stone statue of a warrior. The general rides the golden qilin alone before the gate, tiny yet unyielding. In the distance, the enemy black tide blankets the wilderness and slowly advances; dark clouds press down, fierce winds whip up sky-filling dust, tattered war banners snap in the wind.
Shot 2 (00:03-00:06): Close-up, 85mm telephoto, shallow depth of field. Half of the general's face, blood and dust on the temple, resolute eyes; cut to the hand gripping the spear, knuckles white. The qilin growls low and exhales white breath, golden scales shimmer with flowing reflections. The general speaks low: "This pass, I have guarded for ten years."
Shot 3 (00:06-00:10): Medium close-up, slightly low angle, camera pushes in very slowly. The general raises his eyes, killing intent surging within, and says in a deep voice: "Today, not one of you gets through." As the words fall, the qilin rears its front hooves high and slams them to the ground.
Shot 4 (00:10-00:15): The camera orbits 120 degrees around the general and descends to an extreme low angle, transitioning to an extreme wide shot. A three-headed, six-armed golden dharma form rises behind him, taller than the archway, moving in sync with the general; where the spear strikes the ground, radial cracks explode outward, a ring-shaped dust shockwave expands, the enemy black tide halts as one, and the silhouettes of the general and qilin stand in golden light.
Style and mood: Eastern epic, IMAX-scale spectacle, anamorphic widescreen, cinematic, film grain, high dynamic range; tragic and unyielding, the overwhelming presence of one man holding the pass.
Negative prompt list: No modern elements, no subtitles or watermarks, no extra characters, avoid facial distortion and continuity errors, avoid blur and low resolution.
| Material de entrada | Video de salida |
|---|---|
Imagen 1 ![]() Imagen 2 ![]() Imagen 3 ![]() Audio 1 |
Citación de material de referencia
Los materiales se numeran según el orden de carga, y las imágenes, los videos y el audio se cuentan por separado: la primera imagen es Imagen 1, la segunda es Imagen 2; los videos y el audio siguen el mismo patrón como Video N y Audio N. Por lo tanto, la Imagen 1 y el Video 1 pueden existir al mismo tiempo.
- En el prompt, escriba Imagen N, Video N o Audio N directamente para citar el material correspondiente; la numeración debe coincidir con el orden de carga; de lo contrario, se citará el material incorrecto.
- Cuando hay un solo material, puede abreviarlo como imagen de referencia o video de referencia; con dos o más, debe especificar el número.
- El mismo material puede citarse en múltiples lugares: cítelo por separado para apariencia, movimiento, timbre de voz, escena y otros usos.
| Lo que usted want lograr | Redacción de referencia |
|---|---|
| Material único | Reference image, generate a video of it running; Reference the camera movement of the video, reshoot a segment |
| Fijar solo la apariencia | The child in Image 1 stands in the entryway of the modern apartment in Image 2 |
| Mezcla de múltiples materiales | The figure in Image 1 holds Image 2 in hand and walks into the scene of Video 1 |
| Clonación de voz | Voice timbre references Audio 1; Speak in the timbre of Audio 1: "xxxx" |
| Tomar prestado solo movimiento / movimiento de cámara | Reference the camera movement of the video, change the scene to a cup of coffee on a rooftop cafe table |
| Tomar prestada solo la acción | Replace the skateboarding man in Video 1 with the woman in Image 1, keeping the skateboarding action, trajectory, and scene unchanged |
| Tomar prestados solo efectos visuales | The character in Image 1 follows the energy VFX of Video 1, generating the same flame-burning VFX and action |
| Tomar prestado solo el estilo | Style references Image 2; Only reference the color tone and lighting of Image 2, not the characters |
| Referencia de documento / página web | Based on my proposal document, generate an ad film for a brand; Based on Wang Wei's encyclopedia entry, generate a first-grade science animation |
Tomas y marcas de tiempo
Los videos de múltiples tomas utilizan "número + marca de tiempo + contenido de la toma" para formar una narrativa coherente, manteniendo el sujeto, la escena y la atmósfera consistentes en todas las tomas.
Prompt = Descripción general + Número de toma + Marca de tiempo + Contenido de la toma
- Descripción general: Una oración que indique el tema, la perspectiva, el estilo narrativo y el estado de ánimo general.
- Número de toma: Numere cada toma para definir el orden.
- Marca de tiempo: Marque la hora de inicio y fin justo después del número; cada toma se conecta de extremo a extremo sin espacios ni superposiciones, de 2 a 5 segundos por segmento.
- Contenido de la toma: Describa la acción del sujeto, el diálogo, la expresión y los detalles de la escena, igual que en una redacción de toma única; evite acciones de alta frecuencia que el modelo no pueda controlar (como "sacudir la cabeza 3 veces por segundo").
El formato de número y marca de tiempo es flexible; [start-end] y (start-end) son intercambiables; elija uno y utilícelo de manera consistente en todo el documento:
| Redacción | Ejemplo |
|---|---|
| Número + marca de tiempo | Shot 1 [0-3s] xxxx, Segment 1 [0-5s]: xxxx, Shot 1 (00:00-00:03): xxxx |
| Solo número, sin tiempo | Shot 1: wide shot xxxx; Shot 2: close-up xxxx |
| Solo marca de tiempo, sin número | [00:00-00:03] xxxx |
Ejemplo completo:
This story is told from a third-person perspective, a short drama about letting go and rediscovering hope.
Shot 1 [0-3s] A boy sits alone in a corner of the playground, looking down at the letter in his hand, then sighs softly, eyes lost.
Shot 2 [4-6s] Hard cut, fixed camera, focused on the boy's eyes, tears glistening, filled with loss and helplessness.
Shot 3 [7-10s] Hard cut, scene shifts to a simple classroom; a girl with a gentle, firm expression walks to the boy and comforts him.
| Lo que usted want lograr | Redacción de referencia |
|---|---|
| Toma única, sin división | Escriba Generate single shot / One continuous shot / Generate single shot. en la primera línea |
| Cámara completamente estática | Fixed shot, camera static, position unchanged |
| Especificar movimiento de cámara | Use lenguaje sencillo, p. ej. push in, pull out, orbit, handheld follow |
| Transición entre tomas | Escriba hard cut o dissolve al final de un segmento, o comience el siguiente segmento con seamlessly continue from the last frame of the previous segment |
| Enfatizar el ritmo | Añada a la descripción general pacing shifts from steady restraint to explosive release / eight shots total, brisk buildup, sudden conflict, short climax, warm ending |
| Enfatizar distancia focal / profundidad de campo | 85mm telephoto, shallow depth of field / 24mm wide-angle, deep focus |
| Fotografía de alta velocidad | High-speed photography (1000fps slow motion) |
Diálogo
El diálogo se escribe como "personaje + verbo de habla + dos puntos + contenido entre comillas", por ejemplo, xx says: "content", she whispers: "content".
- Diálogo de varias personas: Escriba línea por línea e identifique al hablante, por ejemplo,
Image 1 says: "xxxx";Image 2 replies: "xxxx". - Clonación de voz: Añada
Voice timbre reference Audio N; escríbalo una vez y se aplicará a todos los diálogos de ese personaje. - Sincronización labial: Añadir
Lip syncoLip sync.. - Voz en off, monólogo: Mismo formato, por ejemplo,
Voiceover: "xxxx";Female voice chanting: "xxxx". - Sin diálogo: Escriba explícitamente
No dialogueoNo dialogue.; de lo contrario, el modelo decidirá por sí mismo si incluir diálogo.
Efectos de sonido / Música de fondo
Coincidencia automática de sonido ambiental: Siempre que la acción, el material y el clima se describan claramente en el encuadre (war banners snapping, white breath from nostrils, splashing through puddles), el modelo completará automáticamente los efectos de sonido correspondientes.
Especificar efectos de sonido como oraciones independientes, opcionalmente con marcas de tiempo:
Gunshot sound effect + fox-fire particle VFX
Whoosh on color-block slide-in, light keyboard click on number jumps
From the 8th second, female voice chanting: "xxxx"
Control de música de fondo en tres niveles:
- Conservador / abierto: No escriba nada y deje que el modelo elija.
- Especifique explícitamente:
BGM drops to the low register, cello enters very softly and slowly,Epic symphony + electronic sound effects mixed, rhythm in sync with shot cuts. - None en absoluto:
No BGM, generate only ambient and action soundsoNo background music..
Estilo / Ambiente
El conjunto de tres partes de estilo artístico, tono de color y estado de ánimo puede colocarse al principio o al final del prompt; puede expandirlo en una descripción detallada o simplemente proporcionar palabras clave.
| Sección | Referencia de palabras clave |
|---|---|
| Estilo artístico | 35mm cinematic film / Hong Kong realism / line illustration / wasteland style / Miyazaki animation / Chinese-style mineral-color painting / clay animation / motion graphics / Apple Keynote minimalist business style |
| Tonalidad de color | High-saturation warm yellow / Cyan-blue × gilded gold contrast / Low-key high-contrast lighting / Desaturated ambient cyan-gray against high-saturation gold |
| Ambiente | Tragic and unyielding / Light and healing / Oppressive and tense / Relaxed and confident / Mysterious and magical |
Lista de prompts negativos
Escriba solo lo que no want que aparezca; déjelo vacío si no hay none. No rellene la lista ni repita contenido ya indicado en el prompt positivo.
| Negativos comunes | Ejemplo |
|---|---|
| Personajes / encuadre | No face distortion, No face swapping, No extra fingers, No twisted limbs, No clipping artifacts, No cutout traces, No low clarity |
| Texto / marca de agua | No subtitles, No watermark, No complex text, No extra brand names |
| Estilo | No childish cartoon, No photorealistic live-action, No game-CG look, No music-video showboating, No cheap cyberpunk, No modern high-definition digital look |
| Sonido | No background music, No voiceover, No dialogue, No background music dominating the mix |
| Action | No simple tearing, No characters running illogically, No exaggerated limb movements, No exaggerated blinking, No slow motion |
| Movimiento de cámara | No large camera movements, No exaggerated lens rotation, No sustained camera shake, No over-stabilization, No frequent shot cuts |
| Espacio | No spatial chaos, No vehicle clipping, No axis errors, No multiple people in frame |
| Consistencia | No character position changes, No costume changes, No scale drift (común en escenarios de edición / referencia) |
Ejemplos de escenarios de prompts
Consistencia de múltiples sujetos
Pase múltiples materiales de personas, utilería y escenas a la vez, y fíjelos individualmente con Image N / Video N / Audio N. Separe claramente el propósito de cada material en el prompt para evitar que las características se mezclen entre sujetos.
| Material de referencia | Prompt | Video de salida |
|---|---|---|
Imagen 1 ![]() Imagen 2 ![]() Imagen 3 ![]() Imagen 4 ![]() Imagen 5 ![]() Imagen 6 ![]() Imagen 7 ![]() | | |
Imagen 1 ![]() Imagen 2 ![]() Imagen 3 ![]() | | |
Imagen 1 ![]() Imagen 2 ![]() Imagen 3 ![]() Imagen 4 ![]() | | |
Imagen 1 ![]() Imagen 2 ![]() Imagen 3 ![]() | | |
Imagen 1 ![]() Imagen 2 ![]() | Toma 1: plano general, el empaque de crujiente de frutos secos mixtos con sal marina y trufa negra de Cuiyan Society de la Imagen 1 se muestra centrado en una escena de mesa de madera de cocina, con algunas almendras, anacardos, mitades de nuez y rodajas de trufa negra esparcidos a su lado como elementos decorativos; la cámara avanza lentamente acercándose. Toma 2: primer plano, la parte frontal del empaque llena el encuadre, mostrando claramente el logotipo circular de frutos secos con espigas de trigo estampado en dorado en la parte superior, el logotipo tipográfico caligráfico estampado en dorado "Cuiyan Society", el nombre del producto "Crujiente de Frutos Secos Mixtos con Sal Marina y Trufa Negra", tres etiquetas en forma de cápsula que dicen "Frutos Secos Importados Seleccionados 6", "0 Ácidos Grasos Trans", "No frito · Horneado ligero a baja temperatura" y la base verde bosque profundo con esquema de colores estampado en dorado, texto nítido y legible. Toma 3: una mano recoge el empaque desde arriba y le da la vuelta para mostrar la parte posterior de la Imagen 2, revelando la densa lista de ingredientes, tabla de información nutricional, información del fabricante y código de barras inferior, texto pequeño color hueso claramente legible sobre la base verde oscuro, luego vuelve a girarlo hacia el frente. Durante toda la secuencia, el logotipo estampado en dorado del empaque, el texto, el esquema de colores verde bosque profundo y el patrón impreso se mantienen altamente consistentes sin deformaciones. Estilo de exhibición de productos de comercio electrónico, sensación de estilo de vida en tonos cálidos. |
Guion gráfico o cuadrícula múltiple
Cargue una imagen de guion gráfico de nueve cuadrículas o figuras de palo como esquema de la trama; el prompt completa la toma, la acción, el efecto de sonido y el estado de ánimo para cada panel en orden, y el modelo genera el video panel por panel.
- Declare el uso desde el inicio: Al comienzo del prompt, indique que el guion gráfico es solo para orientación de tomas, por ejemplo,
Use the storyboard only as shot guidance; do not generate video from the storyboard as a single image, para evitar que el modelo trate toda la imagen de cuadrícula como una entrada de un solo cuadro. - Reformule panel por panel: Describa el tamaño de toma, el movimiento de cámara y la posición del sujeto de cada panel en orden de izquierda a derecha y de arriba a abajo; los detalles ambientales, de iluminación, partículas y otros no mostrados en la cuadrícula son proporcionados por el prompt.
- Los segmentos no necesitan corresponder uno a uno con los paneles: El guion gráfico es solo un esquema de la trama; el número de segmentos puede ser flexible.
- Termine con una declaración unificada de estilo artístico, textura de renderizado y relación de aspecto, y adjunte una lista de prompts negativos para excluir estilos no deseados, por ejemplo,
No 2D hand-drawn, no Japanese anime, no live-action footage.
| Guión gráfico de referencia | Prompt | Video de salida |
|---|---|---|
![]() | | |
Imagen 1 ![]() Imagen 2 ![]() | Utilice la Imagen 1 como guion gráfico publicitario para guiar la grabación; no genere video a partir del guion gráfico de la Imagen 1 como si fuera una sola imagen. Use la Imagen 2 como personaje y grabe el proceso completo de "Lu Mei", una pequeña hipopótamo amarilla de dibujos animados que lleva un bonete de encaje, overoles y un pequeño delantal, bailando mientras lava platos en la cocina (su actuación es muy alegre y tierna, bailando con giros de cadera y vueltas mientras lava los platos, levantando el cepillo como si fuera un micrófono para cantar, con movimientos de extremidades exagerados y vivaces, haciendo referencia al estilo de actuación de animación de personajes de Disney); movimiento y desplazamiento de cámara naturales y fluidos. [Textura visual] Tomas cinematográficas, textura de renderizado 3D, textura de renderizado C4D, textura de renderizador Octane, caricatura suave y tierna estilo Pixar / Ghibli, iluminación cinematográfica suave, gradación de color cinematográfica, grano de película, profundidad de campo; [Música y efectos de sonido] [Tarareo infantil juguetón] Genere simultáneamente música de fondo alegre y desenfadada junto con efectos de sonido, acordes con la cámara y la actuación del personaje: una melodía principal ligera de celesta y marimba, el chapoteo del agua al lavar platos, el suave estallido de burbujas, el tintineo de notas elevadas por el giro, y un "uf~" final suave y tierno. |
Referencia o renderizado en arcilla
Cargue un video de renderizado en arcilla blanca pura como único plano; reemplace solo el material, el color y la textura con texturas del mundo real, manteniendo todo lo demás en el encuadre sin cambios fotograma a fotograma.
- Indique explícitamente los elementos bloqueados: Declare "no cambiar nada excepto el material y el color", y enumere la trayectoria de la cámara, los puntos de corte, las posiciones de los objetos, las acciones de los personajes y similares como "absolutamente sin cambios", enfatizando repetidamente "sin adiciones, sin eliminaciones, sin movimientos" y "ni un solo cuadro añadido o eliminado, ni un segundo fuera de lugar".
- Enfatizar el realismo: Utilice detalles ópticos como
realistic glass refraction,bark transmittance and leaf veins,skin subsurface scatteringpara dar a la imagen generada una textura más auténtica.
| Introducir video de renderizado arcilla | Prompt | Video de salida |
|---|---|---|
|
Archivo o página web a video
Cargue archivos docx / pptx / xlsx / pdf o pegue un enlace a una página web; el modelo lee el contenido automáticamente. El prompt solo necesita indicar claramente para quién es, qué estilo y qué formato. Para un control preciso, incluya en el prompt la estructura de tomas, el ritmo de la voz en off y los efectos de animación numérica.
NotaLos archivos cargados y los enlaces de páginas web deben ser recursos accesibles públicamente en Internet; el modelo no puede leer contenido que requiera inicio de sesión o que se encuentre en una intranet.
| Material de referencia | Prompt | Video de salida |
|---|---|---|
| Suyan · Light Essence · Creative Proposal.pptx | Basándose en mi documento de propuesta, genere un comercial de la marca Suyan Light Essence: una historia sobre "tres minutos por la mañana". La protagonista pasa de despertar a su rutina de cuidado de la piel y luego salir, siempre sin maquillaje, utilizando una textura de luz natural para demostrar que una buena piel no necesita cubrirse, solo trato amable. Sin voz en off ni afirmaciones sobre la eficacia del producto en ningún momento; la actitud de marca de "confianza sin maquillaje" se transmite puramente a través del ambiente visual. Mantenga a la protagonista consistente. La toma final termina con la imagen del producto. | |
| H1-2026 Cross-border E-commerce Monthly GMV.xlsx | | |
Convierta el contenido sobre mecánica cuántica de esta página web en un video corto de divulgación científica accesible y divertido. | ||
Basándome en esta entrada de enciclopedia sobre Wang Wei, want hacer un video animado de "¿Quién es Wang Wei?" para niños de primer grado. |
Movimiento de cámara guiado por líneas
En la imagen de referencia, marque la trayectoria de movimiento de la cámara y el orden de los puntos de paso con líneas rojas. Luego, el prompt reitera la trayectoria de vuelo, las relaciones de paso y la cadencia de velocidad punto por punto. El modelo genera un movimiento de cámara continuo y en una sola toma que sigue fielmente las líneas rojas.
| Material de referencia | Prompt | Video de salida |
|---|---|---|
Imagen 1 ![]() | | |
Imagen 1 ![]() | |
Transferencia temporal de video
Trate la acción, movimiento de cámara y efectos del video de referencia como una señal temporal y transfiéralos a un nuevo personaje o escena, manteniendo el ritmo intacto mientras intercambia libremente el sujeto y el entorno.
Referencia de acción
| Material de referencia | Prompt | Video de salida |
|---|---|---|
![]() | Video de referencia: reemplace al hombre patinando en el Video 1 con la mujer y el atuendo en la Imagen 1. Nota: reemplace solo al personaje; mantenga el movimiento original de patinaje, la trayectoria y el fondo del parque de patinaje en el video completamente sin cambios. |
Referencia de movimiento de cámara
| Material de referencia | Prompt | Video de salida |
|---|---|---|
Tome como referencia el estilo de movimiento de cámara del video de referencia; cambie la escena a una taza de café colocada sobre una mesa en una cafetería de terraza. |
Referencia de efecto
| Material de referencia | Prompt | Video de salida |
|---|---|---|
![]() | Aplique el efecto de energía del Video de Referencia 1 al personaje en la Imagen 1; genere el mismo efecto y acción. |
Impulsado por audio
El audio puede impulsar tanto el ritmo (baile al ritmo) como el timbre (transferencia de diálogo), manteniendo el movimiento, la sincronización labial, el estado de ánimo y el audio perfectamente sincronizados.
| Material de referencia | Prompt | Video de salida |
|---|---|---|
Audio 1 | Vertical 9:16, toma de cuerpo completo, cámara fija y estable. Una joven de cabello largo y negro, que viste un top blanco de manga larga con bordados florales, una minifalda plisada blanca con cinturón negro y zapatillas blancas de plataforma, baila una rutina estilo ídolo en una cocina moderna minimalista, siguiendo el compás del audio fijo. El fondo consiste en gabinetes gris claro, una isla de cocina blanca y una ventana con vista nocturna oscura; detrás de la figura hay una luz de relleno cuadrada que forma una luz de contorno, con iluminación interior blanca fría. Coreografíe el baile según el ritmo, la velocidad y los matices emocionales del audio fijo: los tiempos fuertes de percusión corresponden a movimientos amplios y definidos con poses sostenidas; los pasajes suaves corresponden a ondas corporales delicadas y gestos con las manos; los pasajes del clímax del coro son más densos y explosivos. En conjunto, es un baile estilo ídolo, con movimientos coherentes y fluidos, llenos de ritmo y expresividad, perfectamente sincronizados con el compás del audio. Movimiento fluido, proporciones corporales naturales. | |
Imagen 1 ![]() Video 1 Audio 1 | Reemplace sin problemas a la mujer en el Video 1 con el personaje masculino de la Imagen 1. El personaje está sentado junto a la ventana, sosteniendo un teléfono en el oído y hablando. [Timbre y diálogo] Extraiga las características de timbre del Audio 1 y haga que el personaje diga el siguiente diálogo: "¿En serio? ¡Suena genial! ¿Cuándo regresas? Te extraño mucho". [Sincronización labial y expresión] El habla generada debe impulsar con precisión los movimientos de los labios del personaje para que se abran y cierren de forma natural. Al hablar, se acompaña de parpadeos naturales, ligeros asentimientos con la cabeza y una sensación de respiración; las microexpresiones faciales deben coincidir perfectamente con la emoción cariñosa y nostálgica del diálogo. [Iluminación y escena] El rostro de la figura recibe de forma natural una iluminación mixta proveniente de la luz cálida interior y la luz de neón fría exterior a través de la ventana. Las gotas de lluvia fuera de la ventana se deslizan de manera continua y lenta; el café sobre la mesa desprende un leve hilo de vapor; los bordes del personaje y de la escena se integran naturalmente sin artefactos de recorte. [Cámara y calidad] Una toma larga de 15 segundos, la cámara avanzando extremadamente despacio, el encuadre totalmente estable, iluminación cinematográfica, resolución 8K, realismo fotográfico. |
Edición de video
Proporcione el video original y utilice instrucciones en lenguaje natural para una edición precisa: solo cambia el contenido especificado; el resto del encuadre permanece sin alteraciones. Una frase de referencia es Edit the video: change xxx in video 1 to yyy, keep the rest of the frame unchanged (el "edite el video" inicial puede omitirse). Utilice los verbos add / delete / replace / change to / reshape; modificar un elemento a la vez es lo más estable.
- Edición de elementos: Describa los elementos a añadir, eliminar o modificar. Cuando haya imágenes de referencia involucradas, refiérase a ellas por nombre como
image 1/image 2.- Añadir:
The man puts on a red hat. - Modificar:
Replace the cat with a dog. - Eliminar:
Remove the cat on the grass. - Imagen de referencia:
Have the man in the video wear the top from image 1 and the pants from image 2.
- Añadir:
- Edición de parámetros globales: Describa cambios en el estilo general, iluminación, tono de color o clima. Cuando deba preservarse el resto, añada la frase
keep everything else unchanged.- Clima:
Change the video to overcast weather. - Tono de color:
Change to a warm color tone. - Estilo:
Change the video to a 2D cartoon style.
- Clima:
- Edición temporal: Describa cómo cambian las acciones o diálogos a lo largo del tiempo. Puede combinar esto con marcas de tiempo de
4-6spara precisar un segmento.- Acción:
Have the man in the video pick up a water glass and take a sip of water. - Diálogo (conservando el timbre de voz):
Keep the character's voice timbre and tone; change the woman's spoken line to: 'Hello World'
- Acción:
| Tipo | Video antes de editar | Prompt | Video de salida |
|---|---|---|---|
| Añadir elemento | Video 1 | Edite el contenido del video 1. Añada un arrecife en la playa, medio enterrado en la arena húmeda; cuando baje la marea, deje que el agua del mar bañe suavemente la base del arrecife. | |
| Modificar elemento | Video 1 | Edite el video: reemplace al hombre patinando en el video 1 por una mujer de cabello corto que viste una camiseta deportiva sin mangas y pantalones cargo holgados. Conserve la gorra de béisbol, las rodilleras, las coderas y demás equipo de protección del video original. El movimiento de patinaje, la trayectoria de desplazamiento y el fondo del parque de patinaje permanecen exactamente iguales. | |
| Eliminar elemento | Video 1 | Edite el video: elimine las gafas de sol de la mujer en el video 1, revelando el maquillaje natural de los ojos y la mirada; el movimiento de la mujer y el resto del encuadre permanecen sin cambios. | |
| Edición de iluminación | Video 1 | Edite el video: aumente el brillo de la iluminación general del video 1, aplicando una iluminación suave de tres puntos con un estilo de serie de televisión. Elimine la sombra dura en el lado derecho del rostro del hombre para que sus facciones estén iluminadas uniformemente, con un tono de piel natural y translúcido. Aumente sincrónicamente la luz en la pared de azulejos blancos y la ventana del fondo, mantenga la tonalidad general de la imagen consistente, y deje inalterados el movimiento del hombre y el contenido del encuadre. | |
| Edición de acción | Video 1 | Edite el video: intercambie las posiciones del hombre trajeado y el avestruz en el video 1. Mueva al avestruz a una posición adelantada en el lado izquierdo del encuadre, y mueva al hombre al lado derecho justo detrás del avestruz. Mantenga el movimiento de caminata y el ritmo de zancada de ambas figuras consistentes; el fondo de la calle permanece sin cambios. | |
| Edición de estilo | Video 1 | Editar el video: cambiar el estilo del video a estilo de animación con plastilina. | |
| Edición de diálogo | Video 1 | Edite el video: cambie el diálogo del joven en el video a: "El trato está hecho. Ahora... desaparecemos". | |
| Edición por referencia | Video 1 Imagen 1 ![]() Imagen 2 ![]() Imagen 3 ![]() | Edite el video: haga que la mujer en el video 1 se ponga el sombrero de la imagen 1, ajustándose naturalmente a la forma de su cabeza. Haga que el hombre en el video 1 se ponga el sombrero de la imagen 2, ajustándose naturalmente a la forma de su cabeza; reemplace la camisa marrón ocre del hombre por la camisa holgada de mezclilla azul desgastada de la imagen 3, con el cuello desabrochado y las mangas arremangadas hasta los antebrazos. Los movimientos de ambas figuras, su vestimenta y el resto del encuadre permanecen sin cambios. | |
| Reestructuración de trama | Video 1 | Reestructure la trama del video 1: haga que el hombre tome directamente la guitarra y comience a tocar una pieza musical. |
Extensión de video
Continúe las imágenes del video original; el estilo, el sujeto y la escena se transfieren del original. El prompt debe indicar claramente la intención de extensión, la dirección y el nuevo contenido:
- Intención de extensión: El prompt debe contener palabras clave como
extend/continue/continue writing. - Dirección de extensión:
Extend backward(comenzando desde el último fotograma),Extend forward(terminando en el primer fotograma),Extend forward and backward(utilizando el video original como segmento intermedio). - Contenido de extensión: Indique claramente las nuevas acciones, diálogos y cambios de encuadre, y reitere los rasgos del personaje, la vestimenta y la escena para evitar errores de continuidad en el segmento extendido; puede usar "marca de tiempo + toma" para mantener el ambiente y el movimiento de cámara del original.
NotaDuración del video de entrada + duración del video de salida ≤ 30 segundos. Se recomienda establecer duration en -1, o en la suma de la duración de entrada y la duración de extensión esperada.
| Tipo | Video antes de editar | Prompt | Video de salida |
|---|---|---|---|
| Extender hacia atrás | Extienda el video 1 por 15s. El Personaje A es un hombre con cabello peinado hacia atrás, que viste una túnica larga china de color gris oscuro, con un brazalete de cuentas de oración marrón en la muñeca izquierda; el Personaje B es un hombre que viste una túnica larga china oscura. El Personaje B deja lentamente la taza de té sobre la mesa, bajando ligeramente la mirada, y golpea la superficie de la mesa dos veces con las yemas de los dedos; sin prisa dice: "El precio es fácil de negociar, pero ¿cuándo llegará la mercancía al puerto? Necesita darme una fecha exacta." El Personaje A, sin perder la sonrisa, levanta la taza de té con tapa y retira la espuma del té. El Personaje A toma un sorbo de té, devuelve la taza al platillo, se inclina hacia adelante y baja la voz; las cuentas de oración se mecen suavemente con el gesto mientras dice con tono firme: "A más tardar a finales de mes. Ya he organizado todo en el muelle — un envío completo será entregado impecablemente en la puerta de su almacén." Dicho esto, presiona la palma de su mano derecha boca abajo sobre la mesa, con la mirada fija en el Personaje B. El Personaje B reflexiona por un momento, con la vista desplazándose hacia el letrero "Wan An Dang" fuera de la ventana; la cortina de bambú se levanta suavemente con la brisa de la calle. Se vuelve, asomando una sonrisa en sus labios, toma la taza de té con tapa y brinda ligeramente hacia el Personaje A: "Bien — entrega a finales de mes, esperaré sus buenas noticias." Ambos se sonríen mutuamente. Mantenga el tono firme y arraigado de una película de guerra comercial de la era republicana; el ritmo del diálogo es pausado, con sonido ambiental bajo de casa de té de fondo. | ||
| Extender hacia adelante | Extienda el video 1 hacia adelante por 15s. El Personaje A es un hombre de cabello corto castaño oscuro que viste frac negro, camisa blanca, corbata de moño negra y chaleco beige; el Personaje B es una mujer de cabello castaño recogido en un moño, que viste un vestido largo vintage color beige con mangas abullonadas, ribete de encaje negro y aretes oscuros en forma de lágrima. La araña de cristal del salón de baile proyecta luz sobre el suelo de mármol; los invitados conversan en grupos de dos o tres, sosteniendo copas y hablando en voz baja, mientras comienza lentamente un melodioso preludio de cuerdas de vals y el murmullo de la multitud se apacigua gradualmente. El Personaje B camina despacio desde un lado del salón de baile, el borde de su vestido rozando el suelo de mármol, con la mirada recorriendo la sala. El Personaje A sale de entre la multitud, abriéndose paso entre los invitados directamente hacia el Personaje B, hace una leve reverencia, extiende su mano derecha y la mira con ternura. El Personaje B baja la vista con una leve sonrisa, apoya suavemente su mano derecha sobre la palma del Personaje A; ambos cruzan miradas y sonrisas. El Personaje A guía al Personaje B al centro de la pista de baile; los invitados circundantes retroceden naturalmente para despejar el espacio, con todas las miradas puestas en ellos. El Personaje A sostiene la mano derecha del Personaje B elevada con su mano izquierda, mientras su mano derecha descansa ligeramente en la espalda baja de ella; ambos adoptan la postura de vals, dan el primer paso al compás de las cuerdas y comienzan a girar. Una elegante atmósfera de baile palaciego del siglo 19, tono dorado cálido. | ||
| Extender hacia adelante y hacia atrás | Usando el video como segmento central, extienda hacia adelante dos segundos: la cámara sigue suavemente mientras la chica camina despacio hacia el lente, se detiene, inclina ligeramente la cabeza hacia arriba, respira hondo en el aire frío y entreabre los labios; usando el video como segmento central, extienda hacia atrás tres segundos: después de frotarse las manos, la chica mira directamente al lente y esboza una sonrisa cálida y radiante. Levanta lentamente una mano enguantada para atrapar un copo de nieve que cae suavemente; la cámara retrocede lentamente hacia un plano medio amplio, revelando el sendero nevado del bosque iluminado por el sol, contraluz de la hora dorada, destello del lente, poca profundidad de campo y una atmósfera cálida y reconfortante. |
Primer fotograma o primer y último fotograma
Use un primer cuadro (o primer cuadro + último cuadro) para fijar el inicio y el final de la imagen; el modelo se encarga de completar el movimiento intermedio. La imagen ya establece el sujeto, la escena y el estilo, por lo que el prompt debe centrarse en describir el movimiento, la trama, el diálogo y el movimiento de cámara.
NotaEl modo de primer y último fotograma y el modo de referencia total son mutuamente excluyentes; una vez activados, ya no se admite la entrada de material de referencia.
Primer fotograma a video
| Introducir primer fotograma | Prompt | Video de salida |
|---|---|---|
![]() | |
De primer y último fotograma a video
| Primer fotograma y último fotograma | Prompt | Video de salida |
|---|---|---|
![]() ![]() | | |
![]() ![]() | |
Mejores prácticas de la industria
Drama corto
| Material de referencia | Prompt | Video de salida |
|---|---|---|
Imagen 1 ![]() Imagen 2 ![]() Imagen 3 ![]() | | |
Imagen 1 ![]() Imagen 2 ![]() Imagen 3 ![]() Imagen 4 ![]() | |
| Material de referencia | Prompt | Video de salida |
|---|---|---|
Imagen 1 ![]() Imagen 2 ![]() Imagen 3 ![]() Video 1 | Tomando como referencia los personajes de la Imagen 1 y la Imagen 2, y utilizando únicamente el movimiento del Video 1, genere un video de pelea de 14s. La apariencia, peinado, complexión física y vestuario de los personajes siguen las imágenes proporcionadas y se mantienen consistentes en todo momento. Los personajes replican todas las acciones, posturas, ritmo y pausas del video de referencia; la secuencia, amplitud, velocidad y sincronización de los movimientos permanecen constantes, y se conserva la música original del video. Las expresiones cambian naturalmente al ritmo de la acción. El video de referencia se usa exclusivamente para el control del movimiento y no se hereda la apariencia de sus personajes. La imagen final presenta colores normales, los personajes son estables, el movimiento es fluido, sin subtítulos ni marcas de agua. Los rostros de los personajes son estables, su estructura corporal es correcta, los dedos y extremidades lucen naturales, sin interpenetración de extremidades, errores de postura ni gestos deformados; si el video de referencia muestra deformaciones evidentes en manos o extremidades, especialmente durante giros —si las manos presentan deformidad o falta de coordinación— el movimiento puede ajustarse ligeramente. La escena utiliza el entorno de la Imagen 3: una calle futurista de Chinatown al estilo cyberpunk, con puertas tradicionales chinas y letreros de neón, faroles rojos, vallas publicitarias holográficas, leones de piedra y asfalto húmedo reflectante; a lo lejos, se alzan torres de una ciudad del futuro y vehículos voladores. Los dos personajes se enfrentan cara a cara en esta calle; las estructuras de los edificios del entorno, la disposición de los letreros, la atmósfera lumínica y la tonalidad cromática se mantienen exactamente como se muestra en la Imagen 3 durante toda la secuencia, y no deben sustituirse por otras escenas. El personaje de la Imagen 1 (una chica de cabello negro que viste un chaleco qipao bordado con flores doradas oscuras, camisa blanca y trenzas largas) y el personaje de la Imagen 2 (una chica de cabello blanco largo, traje de combate rojo y armadura plateada) son los dos combatientes; la apariencia de cada personaje está estrictamente vinculada a su propia imagen de referencia, sin mezclar ni intercambiar vestimenta ni color de cabello. |
Publicidad de comercio electrónico
| Material de referencia | Prompt | Video de salida |
|---|---|---|
Imagen 1 ![]() Imagen 2 ![]() | La Imagen 1 es el personaje principal; genere un video basado en el contenido de la Imagen 2. | |
Imagen 1 ![]() Imagen 2 ![]() Video 1 | Convierta el Video 1 en un estilo de imagen: diagrama de vista explosionada de un secador de pelo, componentes internos detallados, chips en forma de anillo, módulo de motor interno en forma de anillo, gráficos en movimiento, alta definición 4K. |
Videojuegos
| Material de referencia | Prompt | Video de salida |
|---|---|---|
Imagen 1 ![]() Imagen 2 ![]() | | |
Imagen 1 ![]() | | Versión con voz en off: Versión sin voz en off: |
Casos de uso creativos
Texto a video
| Prompt | Video de salida |
|---|---|
| |
|
Animación de crecimiento de LOGO
| Material de referencia | Prompt | Video de salida |
|---|---|---|
Imagen 1 ![]() Imagen 2 ![]() Video 1 | Primer fotograma: Utilice la Imagen 1 como primer fotograma al inicio del video. Último fotograma: Utilice la Imagen 2 como último fotograma al final del video. Reproduzca el efecto de animación de aparición del logotipo y el efecto dinámico de aparición del texto del Video 1, y genere un estilo profesional de animación MG (Motion Graphics, diseño gráfico dinámico). La presentación visual general debe transmitir un tono de "sensación tecnológica, ritmo sincronizado con el compás, limpio y nítido". | |
Imagen 1 ![]() | |
Replicación de movimiento de baile
| Material de referencia | Prompt | Video de salida |
|---|---|---|
Imagen 1 ![]() Imagen 2 ![]() Video 1 | Tome como referencia el movimiento de cámara, el tamaño de plano, el ritmo de toma y la coreografía del Video 1. Utilice la Imagen 1 como la protagonista femenina en posición central, reemplazando al protagonista masculino del video original; siga el video original con exactitud, con el personaje entrando por el lado derecho del encuadre. Mantenga la apariencia, el peinado, el tipo de cuerpo y el temperamento del personaje altamente consistentes, y recreé fielmente todos los pasos de baile y el ritmo del protagonista masculino del video original; use la Imagen 2 para los bailarines de respaldo circundantes, igualando las posiciones de los bailarines, los cambios de formación y los movimientos sincronizados del video original. El aspecto general es de calidad cinematográfica hiperrealista, fusionando el lenguaje visual de un éxito taquillero de acción, canto y baile de Hollywood; los movimientos son sedosos y fluidos, el movimiento de cámara es estable y fluido, y el ritmo está precisamente sincronizado con el compás. | |
Imagen 1 ![]() Video 1 | Tome como referencia el personaje de la Imagen 1; utilice el Video 1 únicamente como referencia de movimiento. Genere un video de baile en una sola toma, con calidad de grabación real de teléfono móvil, en un estudio totalmente blanco y sin sombras: iluminación suave, brillante y uniforme, fondo limpio, cámara prácticamente fija, sin transiciones ni cortes. El rostro, peinado, tipo de cuerpo y vestuario del personaje deben seguir la imagen proporcionada y mantenerse consistentes en todo momento. El personaje replica todos los movimientos, poses, ritmo y pausas del video de referencia; el orden, amplitud, velocidad y sincronización de los movimientos se mantienen constantes, y la música original del video se conserva sin cambios; las expresiones cambian naturalmente al ritmo del movimiento. El video de referencia se usa solo para el control del movimiento; no herede la apariencia de su personaje. El cuadro final debe tener colores normales, el personaje debe ser estable, el movimiento fluido, sin subtítulos ni marcas de agua. El rostro del personaje es estable, la estructura corporal correcta, los dedos y extremidades naturales, sin interpenetración de extremidades, fallos de pose ni gestos deformados; si el video de referencia muestra deformaciones estructurales evidentes en manos o extremidades —especialmente durante giros, con manos deformadas o descoordinadas— el movimiento puede ajustarse ligeramente. |
























































