Wan 3.0

Ce que Wan 3.0 réussit — et ce qu'il ne réussit pas

Wan 3.0 répond à la question que tous les modèles vidéo esquivent : que faire quand le plan doit durer plus de quelques secondes ? La plupart des modèles phares plafonnent une génération entre cinq et quinze secondes, si bien que tout ce qui ressemble à une scène finit assemblé au montage à partir de clips qui ne raccordent jamais tout à fait — le visage dérive, la lumière saute, la pièce change de forme à la coupe. Wan 3.0 rend jusqu'à trente secondes en une seule passe, et ce seul changement réorganise la façon de préparer un plan. Un mouvement de caméra continu à travers un espace, une annonce de trente secondes, une visite produit en plan-séquence : ce ne sont plus des problèmes de montage mais des problèmes de prompt.

Le deuxième atout est la référence tout-en-un. Les systèmes de référence n'acceptent en général qu'un seul type d'entrée — des images pour certains, un clip pour quelques-uns, une voix très rarement. Wan 3.0 accepte les trois dans la même requête : jusqu'à dix images, cinq clips et cinq pistes audio, avec un plafond de quinze secondes de vidéo de référence et quinze secondes d'audio de référence. En pratique, tout un kit de marque ou toute une fiche de personnage entre d'un coup, et l'identité tient sur la durée du clip et pas seulement sur les premières secondes. Sur ZOOOP, l'aiguillage est automatique : joignez une référence et la requête part vers le pipeline de référence ; laissez le champ vide et le même modèle fait du text-to-video.

Deux autres capacités comptent au quotidien. Le contrôle des images de début et de fin permet d'épingler les deux extrémités d'un clip et de laisser Wan générer le mouvement entre elles — c'est ainsi qu'on obtient une fin exacte qui enchaîne proprement. Et l'audio natif synchronisé — dialogues, ambiances, musique — est généré avec l'image dans la même passe et arrive en piste stéréo sur le fichier, l'interrupteur audio ne changeant rien au tarif.

Là où il est plus faible : il n'est pas open-weight. Wan 2.7 est sorti sous Apache 2.0 avec des poids publiés, Wan 3.0 non — aucun poids, API uniquement. Pour un pipeline qui exige l'auto-hébergement ou une provenance ouverte, c'est rédhibitoire et la réponse reste 2.7. Son palier 1440p est un upscale amélioré, pas un rendu natif — un vrai fichier 2560×1440, adapté au grand écran, mais un modèle doté d'une passe native en haute résolution retiendra mieux le détail. Il n'y a pas de prompt négatif, les exclusions passent donc par la description de ce que vous voulez. Enfin, en image-to-video la sortie suit le format de l'image d'entrée : ce chemin n'offre pas de contrôle de ratio, recadrez donc la source avant de générer.

Un repère raisonnable : prenez Wan 3.0 quand le plan est long, ou quand la fidélité à de vraies références décide si la prise est utilisable. Pour des poids ouverts et le montage par instruction, Wan 2.7. Pour la qualité maximale sur un plan unique, Veo 3.1. Pour des brouillons jetables dans la même famille, Wan 2.6 Flash. Et tant que le plan n'est pas arrêté, travaillez sur le palier Prime et revenez au standard pour le rendu final.