Des visuels clés avec Wan 3.0 (1) — À partir d'une seule photo de trophée, 10 teasers avec le guide officiel de prompts
Nous disposons d'une seule photo du trophée de l'International AI Creator Award 2026. Si l'on vous demandait d'en faire « un teaser qui évoque un éclat scintillant, le vent, l'influence, l'intelligence, l'histoire, l'autorité, la créativité et la contribution à la communauté », qu'écririez-vous ?
Nous avons transmis cette photo comme première image à la génération vidéo de l'AICU API (wan3.0-video) et essayé 10 prompts rédigés selon le guide officiel de prompts d'Alibaba Cloud. Nous publions toutes les vidéos, tous les prompts, ainsi que le temps et les AP nécessaires.
Les conditions de cet article
| Modèle | wan3.0-video (Wan 3.0 d'Alibaba Cloud) |
| Entrée | La photo du trophée ci-dessus (1671×941) transmise en first_frame |
| Résolution et durée | 720p, 5 secondes (10 secondes pour le n° 10 uniquement) |
| Coût | En 720p, 1 400 AP par seconde. 7 000 AP pour 5 secondes, 77 000 AP au total pour les 10 vidéos (le n° 10, de 10 secondes, coûte 14 000 AP) |
| Temps nécessaire | 111 à 204 secondes par vidéo (de l'envoi à la réception du mp4) |
| Échecs | 0 |
L'appel se fait comme indiqué dans Video API. Pour transmettre la première image, écrivez ceci :
curl -X POST https://api.aicu.ai/v1/video/generate \
-H "Authorization: Bearer $AICU_API_KEY" \
-H "Content-Type: application/json" \
-d "{
\"model\": \"wan3.0-video\",
\"first_frame\": \"$(base64 -i trophy.jpg)\",
\"prompt\": \"Sunlight shimmers across the facets of the crystal trophy ...\",
\"resolution\": \"720p\",
\"seconds\": 5
}"
Vous pouvez aussi télécharger le script qui envoie les 10 vidéos d'un coup. Il ne dépend que de la bibliothèque standard, envoie jusqu'à 3 requêtes en parallèle et ne renvoie pas celles déjà terminées. Par défaut, il se contente d'estimer le coût : wan-teaser-10.py
curl -O https://api.aicu.ai/docs/samples/wan-teaser/wan-teaser-10.py
python3 wan-teaser-10.py --image trophy.jpg --out out/ # estimation seulement
python3 wan-teaser-10.py --image trophy.jpg --out out/ --apply # génération
Les « formules » du guide officiel
Le Text-to-video / image-to-video prompt guide d'Alibaba Cloud Model Studio recommande d'écrire les prompts comme une addition de composants. Nous en avons utilisé quatre.
| Formule | Contenu |
|---|---|
| Image vers vidéo | Mouvement + mouvement de caméra. Le sujet, la scène et le style sont fixés par l'image, on ne les écrit donc pas dans le prompt |
| Contrôle esthétique | Ajouter la source de lumière, la qualité de la lumière (contre-jour, éclairage de contour, éclairage latéral), le moment de la journée, la taille du plan, l'angle, l'objectif et la tonalité des couleurs |
| Son | Sujet + scène + mouvement + description du son (voix, effets sonores, musique). Pour empêcher les dialogues : No dialogue. |
| Multi-plans | Description générale + numéro de plan et minutage, par exemple Shot 1 [0-3 s]: ... |
Le guide cite aussi ce qu'il vaut mieux éviter : faire apparaître un texte exact à l'écran, les changements de scène brusques au sein d'une même vidéo, les noms de personnes réelles, etc. Comme le trophée porte une inscription, la tenue du texte est devenue l'un des points à observer.
Les 10 résultats
La bande de chaque variante aligne de gauche à droite une image par seconde.
01 La demande telle quelle
C'est la référence de comparaison. Une simple liste de mots abstraits, sans mouvement ni caméra.
A teaser video that evokes shimmering radiance, wind, influence, intelligence, history,
authority, creativity, and contribution to the community.
Le modèle a découpé les plans de lui-même. Plan large → plan rapproché → plan large : le plan change 3 fois en 5 secondes, et l'angle du trophée varie légèrement à chaque plan. C'est même la vidéo qui a le plus l'allure d'un teaser, mais comme rien ne décrit ce qui doit se passer, vous n'obtiendrez pas la même chose la fois suivante.
02 La formule de base (mouvement + caméra)
C'est exactement la formule « image vers vidéo » du guide : deux mouvements et une caméra.
Sunlight shimmers across the facets of the crystal trophy, and the white cloth ripples gently
in the breeze. The camera slowly pushes in.
Comme demandé, la caméra s'approche lentement. Le texte grossit à mesure qu'elle avance, mais « 2026 WINNER » reste lisible jusqu'au bout. Commencer par cette forme semble une bonne idée.
03 Éclat scintillant
On ajoute du vocabulaire de lumière (contre-jour, éclairage de contour, tons chauds) et on fige la caméra (Fixed camera).
Golden caustic light dances and ripples across the white cloth around the trophy, and a soft
lens flare pulses at its tip. Backlight, rim light, warm tones. Fixed camera.
C'est la plus stable des 10. Le trophée ne bouge pas, seuls les motifs de lumière (caustiques) ondulent sur le drap, et un halo s'allume à la pointe. Elle convient bien à une boucle vidéo ou à un fond vidéo de stand.
04 Le vent
A gust of wind sweeps across the scene: the white cloth billows in slow waves, the leaves behind
sway, and dappled light flickers over the crystal. The camera moves slowly to the left.
Le drap ondule amplement et la caméra glisse vers la gauche. Malgré l'ampleur du mouvement, la forme du trophée et le texte sont préservés. C'est la seule vidéo dont la génération a pris 196 secondes.
05 L'autorité (contre-plongée)
L'« autorité » est exprimée par l'angle (contre-plongée), le mouvement de caméra (s'approcher en levant les yeux) et la lumière (éclairage latéral, fort contraste).
The trophy stands still and solemn as the light grows stronger along its edges. Low-angle shot,
the camera slowly pushes in and tilts up toward the glowing tip. Side light, high contrast.
Dans les 2 dernières secondes, la caméra s'approche d'un coup et termine sur un cadrage qui lève les yeux vers la pointe. Cette fin sur une lumière intense peut servir de conclusion à un teaser. Une fois la caméra au plus près, le texte sort du cadre.
06 L'histoire (time-lapse)
Le passage du temps est exprimé par le « time-lapse », qui figure dans le vocabulaire de style du guide.
Time-lapse photography: the shadow of the trophy sweeps slowly across the white cloth as the
light shifts from bright morning white to deep sunset gold. Fixed camera.
La lumière passe du blanc à l'or du soir et l'ombre s'allonge. Toutefois, la forme de l'ombre ne correspond pas au trophée (une ombre en forme de bande apparaît sur le drap). L'ambiance prime sur l'exactitude physique : soyez prudent si l'ombre doit être l'élément principal.
07 L'intelligence (circuit de lumière)
L'« intelligence » est montrée par des lignes de lumière qui parcourent l'intérieur du cristal. La caméra tourne légèrement autour du sujet. Le guide recommande de limiter l'angle de rotation à moins de 45 degrés ; nous avons donc écrit moins de 30 degrés.
Inside the crystal, fine lines of light trace and branch like a network, rising slowly from the
base to the tip, while refracted light glints across its facets. Orbiting camera movement, a slow
arc of less than 30 degrees.
C'est la vidéo la plus fidèle à ce qui était écrit. Des lignes de lumière qui se ramifient depuis la base emplissent le trophée de bas en haut. En contrepartie, ces lignes recouvrent aussi le texte : elle ne convient pas aux plans où le texte doit être lisible.
08 La communauté (lumière qui se propage)
L'« influence » et la « contribution à la communauté » sont exprimées par une lumière qui se propage du trophée vers l'extérieur. À la fin, la caméra recule pour montrer l'ensemble.
Small sparks of golden light spread outward from the base of the trophy across the cloth like
ripples, multiplying as they travel toward the edges of the frame. The camera slowly pulls out
to reveal the whole scene.
Des anneaux de lumière se propagent en cercles concentriques sur le drap, et la caméra recule nettement. Visuellement, c'est la plus lisible avec la 07. Quand la caméra recule et que le trophée rapetisse, le texte s'écrase et devient illisible.
09 La formule du son (effets sonores + musique)
Avec la formule du son du guide, nous indiquons les effets sonores (vent, résonance du cristal) et la musique (orchestre de cordes et de cuivres), et nous empêchons les dialogues avec No dialogue.
The white cloth ripples in the wind and light shimmers across the crystal trophy. Sound: wind
rustling through the leaves, a clear crystal chime as a flare passes the tip, and a slow, rising
orchestral score with strings and soft brass. No dialogue.
L'image présente des mouvements calmes, proches de ceux des 02 à 04. Côté son, nous avons appris une chose : les vidéos 01 à 08, pour lesquelles aucun son n'était demandé, ont elles aussi du son. Wan 3.0 produit du son même si l'on n'écrit rien. Si vous prévoyez d'ajouter une narration ou une musique après coup pour une projection, le plus sûr est soit de partir du principe que le son généré sera remplacé, soit de décrire clairement ici le son souhaité.
10 Multi-plans (10 secondes)
Avec la formule multi-plans du guide, nous décrivons 3 plans avec leur minutage.
A teaser for an international award, in three shots. Shot 1 [0-3 s]: close-up, light glides
along the crystal edge of the trophy, fixed camera. Shot 2 [3-6 s]: medium shot, the white cloth
ripples in the wind and golden caustics dance around the base, the camera moves left. Shot 3
[6-10 s]: the camera pulls out and rises to reveal the trophy standing in sunlight against the
green trees, and a lens flare blooms at its tip. Sound: soft wind, a crystal chime, an orchestral
swell. No dialogue.
La vidéo se divise en 3 plans : le deuxième s'approche des motifs de lumière sur le socle, et le dernier recule pour finir sur un halo. La structure suit presque exactement les instructions. Toutefois, le Shot 1 a commencé non pas en gros plan, mais sur un plan large proche de la photo d'origine. Comme la première image est fixée sur la photo, le premier plan part forcément de ce cadrage. Si vous voulez commencer en gros plan, le plus sûr est de préparer une image rapprochée à part et de la transmettre en first_frame. La génération a pris 204 secondes et coûté 14 000 AP.
Ce que nous avons appris
| Résultat | |
|---|---|
| Mots abstraits seuls (01) | Le modèle découpe les plans à sa guise. L'ambiance est là, mais le résultat n'est pas celui visé |
| Mouvement + caméra (02 à 05) | Le mouvement de caméra écrit est bien respecté. S'approcher, glisser vers la gauche, lever les yeux : tout est sorti |
| Caméra fixe + vocabulaire de lumière (03) | Le plus stable. Idéal pour une boucle ou un fond vidéo |
| Mettre une métaphore en image (07, 08) | « Circuit de lumière » et « lumière qui se propage » sortent comme écrits. En contrepartie, le texte est masqué ou écrasé |
| Exprimer le temps (06) | La couleur de la lumière change, mais la forme de l'ombre n'est pas exacte |
| Son | Toutes les vidéos ont du son, même sans instruction. Décrivez le son voulu, ou remplacez-le ensuite si vous n'en voulez pas |
| Multi-plans (10) | La structure est respectée. Le premier plan est tiré vers le cadrage de la first_frame |
Pour un sujet qui porte du texte, le plus sûr était de ne pas trop bouger la caméra (03) ou de montrer le texte en gros plan (02). Les plans où se superposent recul et effets de lumière (07, 08) forment un teaser cohérent si on les monte avec des plans où le texte est lisible.
Une mise en garde concernant le son. En passant les vidéos dans notre outil de reconnaissance vocale, quelque chose ressemblant à de courts mots anglais a été détecté dans la 04 et la 08. La reconnaissance vocale invente parfois des mots sur une musique de fond : nous ne savons donc pas s'il y a réellement des paroles. Avant toute projection, vérifiez toujours à l'oreille.
Récapitulatif des coûts
| 5 secondes × 9 vidéos | 7 000 AP × 9 = 63 000 AP |
| 10 secondes × 1 vidéo | 14 000 AP |
| Total | 77 000 AP (environ 7,70 $) |
Les générations échouées ne sont pas facturées (les AP sont réservés au lancement et intégralement restitués en cas d'échec). Cette fois, les 10 vidéos ont réussi du premier coup.
⭐︎ Les prix sont ceux en vigueur à la publication (12 novembre 2026). Les tarifs actuels peuvent être vérifiés dans Tarifs et avec GET /v1/models.
Articles liés
- Des visuels clés avec Wan 3.0 (2) — Boucle vidéo et transition vers le logo avec FLF2V
- Des visuels clés avec Wan 3.0 (3) — Du blanc au logo, à la photo, à la boucle, puis au blanc : enchaîner des FLF2V en une seule vidéo
- Video API — appel, première et dernière images, désignation de personnages
- Alibaba Cloud: Text-to-video / image-to-video prompt guide — source des formules utilisées ici
Special Thanks to Alibaba Wan 3.0