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

Dans (1), nous avons créé 10 teasers uniquement par le prompt ; dans (2), nous avons réalisé une boucle vidéo et une transition vers le logo avec FLF2V, qui fixe la première et la dernière image. Dans (3), nous en faisons une seule vidéo à la structure définie.

Blanc → animation du logo → photo (centre) → photo (droite) → boucle → blanc. Comme elle commence et se termine sur du blanc, elle s'enchaîne directement avec les vidéos ou les diapositives qui la précèdent et la suivent sur les écrans du lieu.

Où elle est utilisée

Cette fin de structure, « trophée à droite, espace libre à gauche », a une raison d'être. Dans la galerie de l'International AI Creator Award (aicu.ai/award/2026/gallery), la carte « Voter » diffuse une vidéo du trophée. À gauche, le temps restant et le bouton ; à droite, le trophée. Il fallait que la vidéo elle-même réserve l'espace où placer le texte.

Structure

On commence par fixer la « première image » et la « dernière image » de chaque segment. Comme FLF2V permet d'indiquer les images d'extrémité, si les extrémités des segments concordent, un court fondu enchaîné suffira ensuite à les relier.

	Première image	Dernière image	Méthode
① Animation du logo	Blanc	Logo	FLF2V
② Du logo à la photo	Logo	Photo (centre)	FLF2V
③ Du centre vers la droite	Photo (centre)	(non indiquée)	Première image seulement. Seule la caméra bouge
④ Boucle	Dernière image de ③	Dernière image de ③	FLF2V
⑤ Vers le blanc	Dernière image de ③	Blanc	FLF2V

Les éléments de départ sont deux images : le logo sur fond blanc et une photo avec le trophée au centre.

Logo	Photo (centre)

Comme dans (2), le logo respecte les règles de l'International AI Creator Award (le placer sur fond blanc, ne modifier ni les couleurs ni les proportions, ne pas laisser l'IA en changer la forme).

L'appel est le même que dans (2) : on utilise le script wan-flf2v.py. Si l'on omet --last, seule la première image est transmise. Une même clé API ne peut faire tourner que 3 générations en parallèle ; à partir de la 4ᵉ, le script attend qu'une place se libère.

① Du blanc au logo

On a clean white background, thin lines of golden and gradient light draw two crossing orbits,
and a small golden figure rises at their center, forming the emblem. Smooth, elegant motion.
Fixed camera.

Les lignes dorées tracent les orbites une à une, et l'emblème se construit en 2 secondes environ. La dernière image atteint un PSNR de 37.8 dB par rapport au logo d'origine ; comme dans (2), nous la remplaçons par l'image d'origine (une image fixe est insérée dans la section « Assembler » ci-dessous).

② Du logo à la photo (centre)

The emblem on the white background dissolves into soft golden light that flows outward like silk,
forming waves of white cloth. Green trees appear behind, and the light gathers at the center of the
frame into a crystal trophy standing in the sunlight. The camera slowly pulls out.

③ Du centre vers la droite : le trophée ne bouge pas, seule la caméra se déplace

Ici, nous avons d'abord échoué.

La méthode qui n'a pas marché : transmettre aux deux extrémités deux images de cadrages différents

Au départ, avec FLF2V, nous avons transmis aux deux extrémités une photo avec le trophée au centre et une photo avec le trophée à droite (celle utilisée dans (1)). Même en écrivant « la caméra panoramique vers la droite, le trophée ne bouge pas », voici le résultat.

Deux trophées apparaissent. Comme l'angle et la taille du trophée diffèrent entre les deux photos, le modèle ne pouvait pas expliquer le passage par un mouvement de caméra ; il a relié les deux extrémités en superposant deux trophées et en les intervertissant. Une autre variante, avec un prompt différent, a elle aussi produit un dédoublement, quoique bref. Et dans la version précédente, le trophée lui-même glissait vers la droite sur le tissu (le prompt disait « le trophée glisse du centre vers la droite »).

Autrement dit, les deux extrémités d'un FLF2V doivent être deux images susceptibles d'avoir été prises dans la même scène avec la même caméra.

La méthode qui a marché : ne transmettre que la première image

Sans transmettre de dernière image, nous avons pris uniquement la photo centrée comme première image et décrit seulement le mouvement de caméra. Nous savions grâce à (1) que, lorsqu'on ne transmet que la première image, les instructions de caméra sont bien respectées.

The camera trucks slowly and smoothly to the left. The crystal trophy stays perfectly still in place
on the white cloth; only the camera moves, so by the end the trophy sits on the right side of the
frame, leaving open space on the left. The cloth ripples gently and golden caustic light shifts across it.

Le trophée reste unique, et la caméra se déplace comme en tournant autour pour le placer à droite. Les arbres de l'arrière-plan entrent par la gauche, ce qui libère à gauche un espace où placer du texte.

Comme la dernière image n'est pas indiquée, on extrait la dernière image de la vidéo obtenue et on l'utilise comme extrémité de ④ et ⑤.

# Extraire la dernière image sous forme d'image fixe
ffmpeg -sseof -0.1 -i s3-camera-only.mp4 -update 1 right.png

④ Boucle

On transmet la dernière image de ③ à la fois comme première et comme dernière image (même méthode que la boucle de (2)).

The white cloth ripples gently in the breeze and golden caustic light drifts slowly across it,
the leaves sway softly, then everything settles back to exactly where it began. A soft lens flare
pulses once at the tip of the trophy. The trophy stays perfectly still. Fixed camera.

Pour un usage comme la carte « Voter » de la galerie, ces 5 secondes peuvent être diffusées en boucle telles quelles. Dans notre vidéo, nous les avons répétées 2 fois. En changeant le nombre de répétitions, on ajuste la durée totale.

⑤ Vers le blanc

The sunlight grows stronger and warmer until the whole scene, the trophy, the cloth and the trees,
fades softly into pure white light. The trophy stays perfectly still. Fixed camera.

La lumière s'intensifie et toute la scène se fond dans le blanc. La dernière image atteint 51.1 dB par rapport à une image entièrement blanche : elle est pratiquement blanche.

Assembler

Les segments sont reliés par des fondus enchaînés de 0,3 seconde. À l'endroit du logo, on insère l'image d'origine du logo pendant 1 seconde. Comme ① se fond dans l'image d'origine à sa fin et que ② en émerge à son début, le logo qui apparaît immobile à l'écran est toujours l'image d'origine.

Écrire les filtres ffmpeg à la main devient vite long ; nous avons donc fait un script qui assemble simplement des vidéos et des images fixes énumérées dans l'ordre : assemble.py (il ne fait qu'appeler ffmpeg, bibliothèque standard uniquement)

curl -O https://api.aicu.ai/docs/samples/wan-teaser/assemble.py

python3 assemble.py --out keyvisual.mp4 --size 1920x1080 --fade 0.3 --crf 18 \
  still:white-1920.png:0.6 \
  s1-white-logo.mp4 \
  still:logo-1920.png:1.0 \
  s2-logo-center.mp4 \
  s3-camera-only.mp4 \
  s4-loop.mp4 s4-loop.mp4 \
  s5-right-white.mp4 \
  still:white-1920.png:0.8

Pour une vidéo, on écrit son chemin ; pour une image fixe, still:chemin:secondes.

Deux points pour que le logo s'affiche proprement :

• Produire la sortie en 1080p et créer l'image fixe du logo directement en 1920×1080 à partir du PNG d'origine. Les vidéos générées sont en 720p et seront donc agrandies, mais l'image fixe du logo n'a pas besoin de l'être. Si l'on passe par un JPEG, ou si l'on réduit puis agrandit l'image, les fines lignes des orbites bavent
• Ne pas trop compresser. Sur les lignes fines et le fond blanc, le bruit de compression se voit. Visez environ --crf 18

Le résultat fait 30.3 secondes en 1920×1080. Le son a été retiré ; on termine en ajoutant une musique.

Mesurer les raccords

À chaque raccord entre segments, nous avons mesuré avec le PSNR (plus la valeur est élevée, plus les images se ressemblent) à quel point la dernière image de la vidéo précédente et la première image de la suivante se ressemblent.

Raccord	Dernière image précédente et première image suivante
② → ③ (photo, centre)	41.7 dB
③ → ④ (dernière image de ③)	37.7 dB
Boucle de ④ (dernière → première)	41.8 dB
④ → ⑤	41.7 dB

À titre de comparaison, la dernière image de ② comparée à la photo d'origine n'atteint que 27.3 dB, car les motifs fins des feuilles et du drap ont été redessinés. Malgré cela, les extrémités de deux vidéos créées à partir de la même image se ressemblent beaucoup, à 41.7 dB. Wan redessine la même image presque de la même façon à chaque fois, si bien que les vidéos générées se raccordent proprement entre elles.

Seul le raccord ③ → ④ est plus bas, à 37.7 dB, parce que nous avons transmis telle quelle la dernière image (générée) de ③, et que ④ la redessine une nouvelle fois. Un fondu enchaîné de 0,3 seconde rend le raccord invisible.

Ce que nous avons appris

	Résultat
Les extrémités d'un FLF2V	Utiliser deux images susceptibles d'avoir été prises dans la même scène avec la même caméra. Si l'on transmet des photos d'angle ou de taille différents, le sujet est dédoublé
Mouvement de caméra	Il sort plus fidèlement si l'on ne fixe pas la dernière image et qu'on décrit le mouvement de caméra avec la première image seule. On utilise la dernière image obtenue comme extrémité du segment suivant
Assemblage	Les vidéos générées peuvent être reliées directement entre elles (41.7 dB). Là où l'on montre une image d'origine (logo, photo), on fond avec un court fondu enchaîné
Qualité du logo	Sortie en 1080p, image fixe créée directement depuis le PNG d'origine, CRF autour de 18
Utilisation	Commence et se termine sur du blanc. La durée se règle avec le nombre de répétitions de la boucle. Les 5 secondes de la boucle peuvent aussi servir telles quelles de fond pour une carte web

Récapitulatif des coûts

	Vidéos	AP
Retenues (①②③④⑤)	5	35 000 AP
Refaites (3 variantes échouées de ③, ancienne ⑤)	4	28 000 AP
Total (720p, 5 secondes, 7 000 AP par vidéo)	9	63 000 AP (environ 6,30 $)

L'assemblage (ffmpeg) est sans frais. Les générations échouées ne sont pas facturées, mais les vidéos qui « ne correspondent pas à ce que l'on voulait » le sont. Prévoyez votre budget en tenant compte des refontes.

Sur les 3 articles de la série, nous avons généré 22 vidéos, pour un total de 161 000 AP (environ 16,10 $).

⭐︎ 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 (1) — À partir d'une seule photo de trophée, 10 teasers avec le guide officiel de prompts
• Des visuels clés avec Wan 3.0 (2) — Boucle vidéo et transition vers le logo avec FLF2V
• Video API — appel, première et dernière images, désignation de personnages
• Alibaba Cloud: Text-to-video / image-to-video prompt guide

---

Special Thanks to Alibaba Wan 3.0