Guide des prompts Wan 3.0 : structure, caméra, références

La formule du prompt : sujet → lieu → mouvement → caméra → style → son

Un prompt Wan 3.0 se lit plus comme un court briefing de tournage qu'une liste de mots-clés. Plusieurs guides indépendants s'accordent sur le même ordre : décrire le sujet et ce qu'il fait, nommer le lieu, dire comment le sujet se déplace, puis ajouter le mouvement de caméra, le style visuel et enfin le son. Pas besoin de toutes les couches pour chaque plan — un prompt d'une ligne avec sujet et lieu est un point de départ valable — mais pour un rendu précis, suivre cet ordre de haut en bas garde le prompt lisible et évite au modèle de deviner quel détail compte le plus.

Une version minimale pourrait être simplement "un renard traverse un champ enneigé au lever du jour". Une version plus complète ajoute les six couches, dans le même ordre que celui attendu par le modèle :

A red fox trots across an open snowy field just after sunrise. It stops, sniffs the air, then continues toward the treeline.
Camera performs one slow push-in from a wide shot to a medium shot, locked-off otherwise.
Soft golden backlight, shallow depth of field, realistic fur detail, cinematic nature photography.
Quiet wind, distant birdsong, no music.

Deux détails à garder en tête : le modèle complète automatiquement ce que vous ne précisez pas (il choisira sa propre durée, son propre mouvement de caméra, voire une musique de fond), et un prompt Wan 3.0 peut atteindre environ 20 000 caractères — bien plus que ce dont vous avez réellement besoin. Un paragraphe compact et bien ordonné vaut mieux qu'un long ; passé quelques centaines de mots bien choisis, le modèle a davantage à arbitrer et commence à privilégier certains détails au détriment d'autres.

Sur aipixel.fun, la limite du modèle n'est pas la seule à garder en tête : le formulaire de génération (/generuj) et son API n'imposent pas de limite de longueur propre, mais un prompt enregistré dans la bibliothèque publique est limité à 5 000 caractères (la base de données rejette tout prompt plus long) — si vous comptez publier un prompt, mieux vaut rester sous cette limite dès le départ.

La durée et le format de sortie méritent d'être fixés dès le départ plutôt que laissés aux valeurs par défaut : Wan 3.0 accepte n'importe quel nombre entier de secondes de 2 à 30, et rend en 480p, 720p ou 1080p, selon plusieurs formats d'image (16:9, 9:16, 1:1, 4:3 et 3:4 figurent tous dans la documentation). Décider de cela avant d'écrire le reste du prompt garde la description du plan cohérente avec le cadrage réellement obtenu.

Mouvement de caméra : nommez le mouvement, un seul par plan

Wan 3.0 répond bien à un langage de caméra emprunté au tournage, pas à des mots vagues comme "cinématique". Les mouvements qui reviennent de façon constante dans les guides de prompting sont : static / locked-off (aucun mouvement), dolly ou push-in (la caméra se rapproche du sujet), pull-back ou dolly out (la caméra s'éloigne), pan et tilt (la caméra pivote horizontalement ou verticalement depuis un point fixe), orbit (la caméra tourne autour du sujet) et handheld / tracking (la caméra suit à côté, avec un mouvement naturel). Les choix d'objectif comme le 35mm, le 50mm ou un rendu anamorphique sont également reconnus et façonnent le cadrage.

Le conseil le plus répété dans toutes les sources : décrivez UN mouvement de caméra dominant par plan, pas trois à la fois. "Zoom lent tout en orbitant et en inclinant vers le haut" donne au modèle des instructions contradictoires à concilier ; "un zoom lent, fixe le reste du temps" lui donne une tâche claire. Si une vidéo de 30 secondes doit paraître plus dynamique, enchaînez des mouvements distincts sur des plans distincts (voir la section suivante) plutôt que de les empiler dans une seule instruction.

Camera performs one slow, smooth push-in from a medium-full shot to a medium shot. No other camera movement.

Références : @Image1, @Video1, @Audio1 et l'attribution des rôles

Lorsque vous joignez une image, une vidéo ou un extrait audio de référence, Wan 3.0 le numérote selon l'ordre d'ajout et s'attend à ce que vous y fassiez référence par ce numéro dans le texte du prompt — par exemple @Image1 pour la première image de référence, @Video1 pour la première vidéo de référence, @Audio1 pour le premier extrait audio de référence. Une deuxième image devient @Image2, et ainsi de suite. Certains guides écrivent l'étiquette sans le "@" ("Image 1") ; les deux formes renvoient à la même idée — l'étiquette permet de dire au modèle quelle référence correspond à quelle partie du plan.

Nommer le rôle compte autant que joindre le fichier : une référence nue, sans instruction explicite, laisse le modèle deviner à quoi elle sert. Indiquez le rôle directement — "@Image1 est le personnage principal, conserve exactement le visage et la coiffure" — plutôt que de supposer que le modèle va le déduire. C'est exactement le schéma que suivent nos prompts publiés chaque fois qu'un plan a besoin d'un visage cohérent tout au long de la vidéo.

@Image1 is the main character. Preserve the face, hair, skin tone and facial features from @Image1 exactly, without alteration..

One continuous unbroken take, no cuts. The same location throughout: a narrow street in Tokyo at night, light rain, glowing neon signs reflecting on the wet pavement.

The person from @Image1 walks slowly toward the camera holding a transparent umbrella...

Sur le nombre de références : les sources convergent vers un maximum de 20 éléments de référence au total (images, vidéo, audio) dans une même génération, il y a donc une vraie marge pour combiner une référence de visage, une référence de lieu et une référence de voix dans un même prompt. Un extrait vidéo de référence doit rester court — environ 15 secondes ou moins — car la durée combinée des références et de la sortie demandée doit tenir dans la limite de durée du modèle lui-même.

Plusieurs plans et minutage : notation [0-6s] contre plan continu unique

Pour une vidéo qui doit changer de configuration à mi-parcours, une approche documentée numérote chaque plan et lui attribue une plage horaire explicite : "Shot 1 [0-5s] : ...", "Shot 2 [5-10s] : ..." et ainsi de suite, avec une action claire par plage. C'est exactement le schéma que vous verrez dans plusieurs de nos prompts publiés ci-dessous, et cela évite qu'une vidéo de 10, 15 ou 30 secondes ne se transforme en une seule instruction confuse tentant de tout couvrir à la fois.

Shot 1 [0-5s]: Close-up, the cat carefully presses dough with its paws, flour dusting into the air.
Shot 2 [5-10s]: Top-down shot, the cat folds a pierogi and pinches the edges with its paws.

L'approche opposée — tout aussi courante en pratique — consiste à demander un plan continu unique, sans aucune coupe : "One continuous unbroken take, no cuts. The same location throughout." Cela tend à maintenir un sujet, un lieu et un éclairage cohérents plus fiablement qu'un prompt à plusieurs plans, au prix de ne pas pouvoir sauter entre des configurations distinctes. Choisissez des plans minutés quand l'idée a vraiment besoin de moments séparés ; choisissez un plan continu quand ce n'est pas le cas.

Son : dialogues, effets et comment couper la musique

Wan 3.0 génère l'audio en même temps que l'image, dans la même passe, pas comme une étape séparée — cela vaut donc la peine de l'écrire délibérément plutôt que de le laisser au hasard. Les guides répartissent le prompting audio en trois couches : les dialogues (citez la ligne exacte et décrivez qui parle et comment), les effets sonores liés à ce qui se passe à l'écran, et la musique de fond, que le modèle ajoutera de lui-même sauf indication contraire.

• Couper la musique de fond — ajoutez "no background music" (ou "no music") au prompt.
• Couper les dialogues — ajoutez "no voice lines" (ou "no dialogue").
• Ajouter un effet sonore — nommez-le simplement et liez-le à l'action — "soft footsteps on wet pavement", "quiet camera shutter clicks" — plutôt que de décrire une ambiance.

Distant traffic and city ambience. No dialogue. No music.

Texte vers vidéo sans référence : quand c'est suffisant

Tous les plans n'ont pas besoin d'une image de référence. Quand le sujet n'a pas à correspondre à une personne, un produit ou un lieu réel précis — un personnage stylisé, un concept abstrait, un décor générique — un prompt textuel complet suivant le même ordre sujet → lieu → mouvement → caméra → style → son suffit à lui seul. Plusieurs de nos prompts publiés se passent entièrement de références et reposent uniquement sur une description textuelle détaillée.

Extreme close-up of a perfectly ripe strawberry resting on a white ceramic plate. A tiny incision appears on its surface and hundreds of miniature translucent red glass cubes slowly pour out from inside. Camera performs an extremely slow lateral macro slide from left to right, 100mm macro lens, razor-thin depth of field.

Utilisez une image de référence précisément quand un visage, un produit ou un lieu exact reconnaissable doit se retrouver inchangé dans le résultat — c'est la seule chose qu'un prompt purement textuel ne peut vraiment pas garantir.

Erreurs fréquentes

• Empiler plusieurs mouvements de caméra dans un seul plan — nommez un mouvement dominant ; enchaînez le reste sur des plans minutés séparés.
• Joindre une référence sans nommer son rôle — indiquez explicitement à quoi sert @Image1/@Video1 — visage, produit, lieu — ne le laissez pas à l'inférence.
• Écrire un mur d'adjectifs plutôt qu'une action — décrivez ce qui se passe et comment la caméra bouge ; les mots de style soutiennent l'action, ils ne la remplacent pas.
• Supposer le silence par défaut — l'audio est généré automatiquement sauf si vous ajoutez "no background music" / "no voice lines" — le silence doit être demandé.
• Une seule instruction géante pour 30 secondes — découpez-la en plans minutés ([0-6s], [6-12s]...) plutôt que de demander à une phrase de couvrir toute la durée.
• Une vidéo ou un audio de référence plus long que nécessaire — gardez les extraits de référence courts (environ 15s ou moins) — la durée combinée référence + sortie partage la même limite.

Exemples tirés de la bibliothèque

@Image1 is the main character. Preserve the face, hair, skin tone and facial features from @Image1 exactly, without alteration..

One continuous unbroken take, no cuts. The same location throughout: a narrow street in To…

A fluffy orange tabby cat wearing a tiny white chef's hat stands on a stool at a rustic wooden kitchen counter, cozy Polish grandmother's kitchen, warm afternoon window light, shallow depth of field.

Shot 1 [0-5s]: Clos…

@Image1 is the main character. Preserve the face, hair, skin tone and facial features from @Image1 exactly, without alteration.

Dark apartment kitchen at night, only the fridge light glows. Realistic handheld smartphone…

Generate a single continuous 7-second shot. A pristine transparent glass perfume bottle stands centered on a polished black stone pedestal in a dark luxury studio. At first the bottle is completely still. Tiny golden par…

7-second luxury automotive commercial, one continuous shot. A matte-black futuristic sports car is parked alone on a mirror-like salt flat at sunrise. The camera starts extremely close to the rear wheel and glides smooth…

Sources

• OpenArt — Guide des prompts Wan 3.0
• Runware — Documentation de prompting Wan 3.0
• Morphic — Ressource sur le modèle Wan 3.0
• Venice — Conseils de prompts Wan 3.0
• Alibaba Cloud — Wan3.0 : génération vidéo IA de 30 secondes à partir de n'importe quelle entrée