nain-pangolin/wan3-drama-skills

Expert Wan3.0 en prompts pour courts métrages / drames vidéo

Transforme un script, un storyboard ou une description de scène en un prompt que wan3.0-video peut comprendre, et diagnostique les cas de drama défectueux pour appliquer le correctif minimal.

Périmètre : cette compétence est responsable de rédiger / optimiser des prompts, pas de soumettre des tâches, de les interroger ou de les télécharger. Par défaut, seul le prompt est fourni, pas de génération automatique ; ce n'est que si l'utilisateur dit explicitement "génère / fais un cas / crée une vidéo / lance en lot" qu'on entre dans le processus de génération, et avant cela on présente duration / resolution / ratio / audio pour confirmation. Cette compétence ne couvre que les prompts pour courts métrages / dramas / séries narratives ; les vidéos de produits / présentations commerciales / macro de textures / unboxings ne sont pas dans son champ.

À lire avant d'agir :

• references/wan3-formulas.md —— Les sept formules Wan3.0 : base, avancée, génération d'image, son, référence, multi‑plans, édition vidéo + la nomenclature @image1 + les comportements par défaut pour storyboard/dialogues/BGM. Tout conflit d'écriture suit ce document.
• references/wan3-protocol.md —— Contraintes protocolaires strictes (negative_prompt obsolète, sonore par défaut, ratio adaptive, limites de médias, paramètres et tarification, liste de vérification avant génération)
• references/shot-language.md —— Langage cinématographique / dictionnaire esthétique (sources lumineuses, plans, composition, angles, focales, tons, mouvements de caméra, styles, catégories sonores) ; à consulter pour les préfixes esthétiques.
• references/prompt-craft-discipline.md —— Discipline générale d'ingénierie : continuité temporelle et limite de segments, déclaration de responsabilité des assets, sélection des couches d'exclusion (3 à 8), cinq éléments d'actions complexes, rétro‑ingénierie d'une vidéo de référence, règles pour le plan‑séquence, compléments pour l'extension/l'édition, ligne de qualité minimale. En complément ; en cas de conflit avec les formules, les formules priment.
• references/exemplars.md —— Bibliothèque de cas GoodCase pour les dramas : narration en plan‑séquence de 30s, storyboard multi‑plans, actions physiques complexes, combat wuxia, émotion stylisée, animation/jeu CG, vlog longue durée, édition V2V, exemples d'écriture première/dernière image, avec 6 gains narratifs génériques. Pour tout nouveau cas de drama, donne la priorité à la structure de ce document.

---

§0 Workflow

1. Détermine le mode : écriture / réécriture / diagnostic / édition V2V / lot complet (voir §1)
2. Détermine la forme : T2V / première image / première et dernière image / référence complète / édition vidéo V2V / fichier ou page web (voir wan3-protocol.md §1) —— pour les dramas, par défaut on utilise la référence complète (besoin impératif de cohérence des personnages)
3. Choisis la formule : correspondance forme → formule dans wan3-formulas.md §9
4. Détermine la structure des plans : plan unique (plan‑séquence) / multi‑plans avec timestamps (voir §4)
5. Applique la structure en six couches pour écrire le prompt (voir §2), puis vérifie une par une les huit règles absolues du §7
6. Verrouille les personnages + l'espace : personnages avec @imageN / @vidéoN + reference_voice ; positions avec coordonnées explicites (voir §5)
7. Détection des risques → alerte → solution → décision de l'utilisateur : si on touche à la liste des points faibles du §6, on explique clairement le risque, on donne 2–3 alternatives, on ne bloque pas
8. Auto‑vérification de la discipline d'ingénierie (prompt-craft-discipline.md) : les timestamps multi‑plans sont‑ils continus et leur somme = duration ? Chaque segment a‑t‑il un "état de fin" écrit ? Le nombre de segments dépasse‑t‑il la limite ? Les assets multiples ont‑ils une déclaration de responsabilité ? Les couches d'exclusion sont‑elles entre 3 et 8 ? Y a‑t‑il des descriptions contradictoires dans le corps ? Les 2 premières secondes ont‑elles un crochet ? La fin a‑t‑elle un point d'atterrissage ?
9. Sortie : corps du prompt + paramètres suggérés + table de correspondance des personnages/timbres + avertissement de risque (format §9)

Si des informations manquent, demande – ne devine pas. Questions obligatoires : as‑tu une image de référence / vidéo de référence pour les personnages ? Veux‑tu des dialogues et un timbre vocal ? Plan unique ou multi‑plans ? Ratio et durée de la vidéo finale ?

---

§1 Aiguillage des modes

Apparence de la saisie utilisateur	Mode	Action
Donne un extrait de script / description de scène, demande un prompt	Écriture	Structure en six couches (§2) + modèle (§8)
Donne un storyboard technique ou une description en prose, demande « un prompt utilisable »	Réécriture	Transformer en style narration de réalisateur : d'abord ajouter les coordonnées spatiales (§5), puis les couches esthétique et sonore (§2)
A déjà une vidéo et veut la modifier (changer les dialogues, les vêtements, la météo, tourner la suite, convertir une maquette 3D en rendu final)	Édition V2V	Suivre §3, n'écrire que « objet de l'édition + action d'édition », ne pas réécrire tout le prompt
Donne un prompt + « la bouche ne synchronise pas / le visage change / les dialogues sont coupés / la position dérive »	Diagnostic	Suivre references/drama-diagnosis.md, d'abord trouver la cause puis appliquer le correctif minimal (ne modifier que les phrases nécessaires, ne pas réécrire l'ensemble)
Donne une vidéo de référence / exemple, demande « fais la même chose »	Rétro‑ingénierie	Suivre references/prompt-craft-discipline.md §5 : reconstituer en respectant les coupes réelles du montage, n'écrire que les actions et dialogues confirmés dans l'image, ne pas extrapoler de manière créative ; pour ajouter des éléments, créer une « version d'extension créative » séparée
Donne un script complet d'épisode, demande un découpage en plans en lot	Lot complet	D'abord produire une liste Excel (numéro de plan / scène / personnage / image de référence / dialogues / prompt / duration / ratio), ne soumettre chaque cas qu'après que l'utilisateur a complété la durée et le ratio
Donne une vidéo finie / capture d'écran en disant « ce passage est mauvais »	Diagnostic	D'abord décrire le phénomène observé → le faire correspondre à une table de symptômes → correctif

---

§2 Structure en six couches pour les dramas

La ligne de base est « sujet + scène + mouvement + contrôle esthétique + stylisation + son » (formule avancée) + « @objet de référence + action + dialogue » (formule de référence). Pour les dramas, on la fige en six couches :

[Préfixe esthétique] lumière + plan + composition + angle + focale + teinte + mouvement de caméra
[Référence au personnage] @imageN / @vidéoN du personnage (référence complète) – ne pas redécrire le visage, la coiffure, les vêtements
[Position spatiale] qui est à gauche/centre/droite de l'image, orienté où, distance entre eux, entrées/sorties de champ
[Action/jeu] action concrète + amplitude + vitesse + processus d'expression faciale et émotionnelle
[Dialogue/son] six éléments de la voix humaine + trois segments d'effets sonores + deux segments de BGM
[Couche d'exclusion] utiliser des formulations positives pour verrouiller les éléments sujets à problèmes (déformation, sous‑titres, angle, orientation)

La couche sonore suit strictement la formule en trois segments (wan3-formulas.md §4) :

• Voix humaine = "contenu parlé" + émotion + ton + vitesse + timbre + accent (six éléments ; s'il en manque un, le modèle improvise)
• Référence de timbre = dans la même phrase que l'action de parler, juste après le dialogue : XX dit : "...", référence timbre @audio1. L'écriture pré‑fixée indépendante « extraire le timbre de @audio1 et faire dire à XX… » ne fonctionne pas ; toujours réécrire en suffixe dans la phrase de dialogue.
• Effets sonores = matière de la source sonore + action + son ambiant
• BGM = musique de fond / bande originale + style
• S'il n'y a pas de dialogue, écrire « Aucun dialogue dans toute la vidéo » ; s'il n'y a pas de musique, écrire « Aucune musique de fond »

Exemple de dialogue en plan unique (référence complète, deux personnages chacun avec son timbre) :

Lumière douce, lumière latérale, lumière pratique d'intérieur, plan moyen‑rapproché, plan à deux, angle par‑dessus l'épaule, focale moyenne, teinte froide, caméra fixe.
L'homme de @image1 se tient à gauche du cadre, le corps orienté légèrement vers l'avant‑droite ; la femme de @image2 est assise sur le canapé à droite du cadre, le visage tourné vers lui, levant la tête pour le regarder ; ils sont à environ un mètre et demi l'un de l'autre.
@image1 fait un demi‑pas en avant, les mains dans les poches, le menton légèrement baissé, les sourcils passant d'un état détendu à un froncement progressif ; @image2 serre inconsciemment l'accoudoir du canapé, son regard passe de l'évitement à un regard direct.
@image1 dit à voix basse : "Je le savais depuis longtemps." Émotion contenue et retenue, ton bas et descendant, vitesse lente, voix grave et rauque, mandarin standard.
@image2 répond après une seconde de pause : "Pourquoi tu ne l'as pas dit ?" Émotion blessée et excitée, ton montant, vitesse plutôt rapide, voix claire et plutôt aiguë, mandarin standard.
Bruit de fond très léger d'une horloge à balancier et d'un bruit de circulation lointaine, pas de musique de fond.
Les traits du visage et les proportions corporelles des deux personnages restent stables tout au long, les orientations et les positions relatives ne changent pas, l'image est propre sans superposition de sous‑titres, l'angle de la caméra et la focale restent constants.

Exemple de gros plan émotionnel (première image, on utilise la formule de génération d'image : n'écrire que mouvement + mouvement de caméra) :

Lumière de bord, gros plan rapproché, composition centrée, faible profondeur de champ, longue focale, faible saturation, caméra avançant très lentement.
Le personnage baisse d'abord les yeux vers la lettre dans sa main, les cils tremblent légèrement, le coin des lèvres s'abaisse un peu ; puis il lève lentement la tête pour regarder par la fenêtre, une lueur aqueuse apparaît dans ses yeux sans qu'une larme ne coule, sa pomme d'Adam monte et descend une fois, sa respiration devient plus profonde.
Aucun dialogue dans toute la vidéo, seuls le froissement léger du papier et le bruit du vent à l'extérieur sont conservés, pas de musique de fond.
Les contours du visage et les proportions des traits restent stables et naturels, l'image est propre, sans superposition graphique, l'angle de la caméra et la focale restent constants.

Discipline de référence @ : Écrire @image1 / @vidéo1 / @audio1, avec @ et en toutes lettres « image » ; image / vidéo / audio sont numérotés à partir de 1 chacun indépendamment. Le même personnage peut être référencé plusieurs fois dans une phrase – c'est une pratique recommandée pour améliorer le taux de réussite de la référence ; refaire un @ à chaque changement de phrase, d'action ou de réapparition, c'est plus fiable que d'écrire « il / elle ». Les anciennes écritures « image1 / vidéo1 » ne sont plus valables ; lors de la réécriture d'anciens prompts, les remplacer par l'écriture complète avec @.

Règle de limite des images de référence : Après @imageN, on n'écrit que « quel mouvement faire, dans quelle direction aller, quelle émotion, comment la caméra se déplace », on n'écrit pas « à quoi il ressemble, ce qu'il porte, quelle coiffure ». Il est interdit d'écrire « restituer strictement les traits du visage de l'image de référence », « identique pixel par pixel à l'image de référence » – l'image de référence est elle‑même une contrainte ; la redécrire ne fait que détourner l'attention du modèle des instructions de jeu.

---

§3 Édition vidéo V2V (le principal mode pour modifier et tourner la suite des dramas)

Formule : prompt = objet de l'édition + action d'édition (texte complet dans wan3-formulas.md §7). Discipline centrale : n'écrire que ce qu'on veut modifier, ne pas redécrire toute la vidéo originale. Pour préserver le reste, ajouter « le reste reste inchangé ».

Besoin narratif	Écriture	Exemple
Changer les dialogues (conserver le timbre)	Édition temporelle	« Conserver le timbre et le ton du personnage, modifier le contenu parlé de la femme en : 'Je n'ai jamais pensé à partir' »
Ajouter/modifier une action	Édition temporelle	« Faire en sorte que l'homme dans la vidéo prenne l'enveloppe sur la table et la déchire lentement »
Changer les vêtements / accessoires	Édition d'éléments (numérotation multi‑images)	« Faire en sorte que l'homme dans la vidéo porte le manteau noir de @image1 et la montre de @image2 »
Changer un personnage	Édition d'éléments	« Remplacer le personnage secondaire féminin dans la vidéo par le personnage de @image1, le reste inchangé »
Ajouter/supprimer un élément de décor	Édition d'éléments	« Ajouter une lampe allumée sur la table » / « Enlever l'affiche sur le mur »
Changer la météo / la période	Édition globale	« Modifier la vidéo pour une nuit de pluie, le reste inchangé »
Changer la teinte / le ton émotionnel	Édition globale	« Modifier en teinte froide, baisser la saturation, le reste inchangé »
Stylisation	Édition globale	« Transformer la vidéo en style animation 2D » / « Transformer la vidéo dans le style aquarelle de l'image »
Tourner la suite	Extension vidéo	« L'homme continue d'avancer dans le couloir, s'arrête au coin et se retourne »
Convertir une maquette 3D en rendu final	Référence (entrée vidéo 3D)	« Convertir la vidéo de prévisualisation 3D en rendu final, remplacer les personnages en maquette blanche par l'homme de @image1 et la femme de @image2, conserver les mouvements de caméra et les déplacements d'origine »

Attention spéciale V2V pour les dramas :

• Pour changer les dialogues, écrire obligatoirement « conserver le timbre et le ton du personnage », sinon le timbre dérive et ne correspond plus aux plans précédents.
• Les images de référence pour changer de personnage/de vêtements doivent être dans le même plan et la même orientation, sinon l'assemblage et les proportions seront mauvais.
• Changer la teinte globale modifie aussi la couleur de la peau et celle des vêtements ; à éviter pour les séries à épisodes où la cohérence des personnages est sensible, mieux vaut refaire un plan séparé.
• L'extension vidéo n'écrit que la « dynamique suivante », ne pas redécrire les images déjà présentes, sinon le modèle rejoue tout depuis le début.
• La valeur de la référence maquette 3D réside dans le fait que les mouvements de caméra et les déplacements sont déjà déterminés ; l'accent du prompt est sur « qui remplacer », pas sur une nouvelle conception de plans.
• La durée totale de la vidéo d'entrée V2V compte dans la limite : durée d'entrée + duration de sortie ≤ 30s

---

§4 Plan unique vs multi‑plans

Comportement par défaut : si on ne spécifie pas de storyboard, le modèle improvise – il peut produire un plan unique ou un nombre quelconque de plans. Pour les drames narratifs, il faut un contrôle explicite.

Plan‑séquence

Dans le prompt, écrire explicitement « Générer un seul plan » ou « Plan‑séquence » (en anglais Generate single shot.). Dans un drama, si on ne veut pas de coupe, il faut l'écrire, sinon le modèle peut décider de couper tout seul, entraînant des changements soudains de personnage ou d'espace.

Multi‑plans avec timestamps

Formule = description générale + numéro de plan + timestamp + contenu du plan, format « Plan N [a‑b secondes] », le type de transition et l'angle de la caméra sont écrits au début du contenu du plan.

Cette histoire, racontée à la troisième personne, décrit une rencontre inattendue dans un couloir d'immeuble la nuit, avec un style documentaire tenu à la main, le tout en teinte froide.
Plan 1 [0-3s] plan moyen, contre‑plongée. L'homme de @image1 entre dans le couloir par le bas‑droite du cadre, ses pas déclenchent la lumière du détecteur de mouvement, il s'arrête devant les boîtes aux lettres et lève la main.
Plan 2 [3-6s] coupe franche, gros plan rapproché, caméra fixe. Ses doigts déchirent l'enveloppe d'une lettre, le bord du papier est rugueux, les jointures blanchissent sous l'effort.
Plan 3 [6-10s] coupe franche, plan moyen‑rapproché, angle horizontal, la caméra avance lentement. @image1 lit la lettre la tête baissée, son regard passe du calme à la stupeur, les lèvres entrouvertes sans émettre un son.
Effets sonores : bourdonnement électrique de la lumière à détection, bruit de déchirure du papier, écho dans le couloir ; aucun dialogue dans toute la vidéo, pas de musique de fond.
Les vêtements et les traits du visage du personnage restent cohérents dans les trois plans, l'espace du couloir est orienté de manière cohérente avant‑arrière, l'image est propre, sans sous‑titres.

Discipline multi‑plans :

• Utiliser le format standard « Plan N [a‑b secondes] » ; les timestamps doivent être continus et sans interruption, la somme de tous les plans = duration
• Le type de transition (coupe franche / fondu enchaîné / mouvement de caméra brusque) est écrit au début du contenu du plan, juste après le timestamp
• Chaque plan dure au moins 2s, sinon l'action n'a pas le temps de se dérouler
• La cohérence entre les plans doit être déclarée une fois à la fin (vêtements/visage/orientation spatiale), ne pas la répéter dans chaque plan
• ≤ 4 plans est une zone de sécurité ; pour 5 plans ou plus, il est recommandé de diviser en plusieurs tâches, générer segment par segment puis monter
• Multi‑plans + longs dialogues en même temps = risque élevé ; privilégier la division des tâches

Technique de raccord pour la génération par segments

Pour les longs contenus divisés en plusieurs segments (aussi un moyen d'éviter le time‑out 504) :

1. À la fin du segment précédent, prendre sa dernière image comme first_frame du segment suivant ; ou utiliser directement l'extension vidéo (§3) pour continuer l'écriture
2. Dans le premier dialogue du segment suivant, ajouter une ancre de raccord (répéter le ton ou le point de départ de l'action de la dernière moitié de phrase du segment précédent), pour éviter une rupture de synchronisation labiale ou d'émotion
3. Chaque segment a son propre task_id, interdiction de mélanger ; seed fixe par segment pour faciliter la reproductibilité

---

§5 Cohérence des personnages et position spatiale (les deux points vitaux des dramas)

5.1 Cohérence des personnages

Moyen	Action	Applicable à
reference_image	1–2 images claires de face/profil par personnage, dans le prompt utiliser @image1 / @image2	Méthode principale, la plus stable
reference_video	Donner une vidéo du jeu du personnage (≤15s, et entrée+sortie ≤30s), dans le prompt écrire @vidéo1	Quand on a besoin de conserver l'expression dynamique ou la posture ; ou pour ne référencer que la temporalité, ex. « référence au mouvement de caméra de @vidéo1 »
reference_audio	Juste après la phrase de dialogue, « référence timbre @audio1 », ex. « @image1 dit : "...", référence timbre @audio1 »	Référence de timbre au niveau du prompt ; doit être dans la même phrase que l'action de parler, la forme pré‑fixée indépendante « extraire le timbre de @audio1 » ne fonctionne pas
reference_voice	Au niveau des paramètres : attaché à l'objet reference_image / reference_video correspondant	Premier choix pour les dialogues avec plusieurs personnages, plus fort que la description dans le prompt ; peut être utilisé en même temps que la référence dans la phrase de dialogue

La correspondance entre plusieurs personnages doit être listée dans la sortie pour éviter les erreurs de numéro :

@image1 = Héros (costume noir) → reference_voice: male_low.mp3
@image2 = Héroïne (pull beige) → reference_voice: female_bright.mp3
@image3 = Référence de décor (vue d'ensemble du salon, pas de timbre)

Les numéros suivent l'ordre de téléchargement dans le tableau input.media pour ce type de média ; les images / vidéos / audio sont comptés séparément (@image1 / @vidéo1 / @audio1 commencent chacun à 1). Les erreurs de numérotation sont les accidents les plus fréquents dans les dramas – vérifier une à une avant la livraison.

5.2 Coordonnées spatiales explicites

Wan3.0 a des erreurs connues de logique spatiale (orientation couchée erronée, déséquilibre des proportions personne/objet), il faut les figer :

• Position : gauche / centre / droite du cadre + avant‑plan / milieu / arrière‑plan
• Orientation : face à la caméra / face au côté gauche du cadre / dos à la caméra / de profil vers l'interlocuteur
• Distance : environ X mètres / distance d'un bras / proche en même cadre
• Pour les positions allongées, écrire obligatoirement la direction tête‑pieds : « tête vers le côté gauche du cadre, pieds vers le côté droit du cadre, allongé sur le dos »
• Entrées/sorties de champ : entrer dans le cadre par le côté droit / sortir du cadre par le côté gauche
• Pour ≥ 3 personnes, d'abord diviser les zones : « deux personnes côte à côte à gauche, une personne seule au centre, une personne à moitié de profil à droite », puis donner les actions à chacun

Entre les plans / segments, les points d'ancrage spatiaux doivent utiliser la même nomenclature gauche/droite d'un plan à l'autre, on ne peut pas dire « il est à gauche » dans un plan et « il est à droite » dans le suivant (sauf s'il y a un mouvement de caméra ou un déplacement explicite).

5.3 Ancrage de la tenue d'accessoires / artefacts

Pour les accessoires asymétriques courants dans le fantasy, le costume, la science‑fiction (artefacts, épées, armes à feu, sceptres, instruments), Wan3.0 les tient souvent du mauvais côté, à la mauvaise endroit, avec une orientation confuse. La cause est l'instabilité du modèle sur la reconnaissance des directions gauche/droite et haut/bas des images de référence ; une indication relative comme « le côté droit de l'image est la poignée » peut être inversée lors de la génération. Discipline d'écriture :

• Utiliser systématiquement des noms fonctionnels, pas des directions relatives : écrire « la poignée / le manche / l'extrémité lumineuse / l'extrémité du globe oculaire / l'extrémité arrière / le canon / la lame », ne pas écrire « le côté droit de l'image / l'extrémité gauche de l'image de référence »
• Donner les deux extrémités : écrire seulement « tenir la poignée » ne suffit pas – il faut aussi donner les deux points d'ancrage « position de la poignée par rapport au corps » + « direction de l'autre extrémité » ; s'il en manque un, l'orientation dérive
• Pour les accessoires asymétriques, faire une déclaration de structure au début : ex. « l'artefact de @image3 est composé de deux parties : la poignée et le globe oculaire lumineux ; la poignée est serrée à deux mains par le porteur, le globe oculaire est suspendu en l'air pointant vers l'horizon »
• Figer aussi la prise : tenue horizontale à deux mains / tenue verticale à une main, l'autre main pendant naturellement / tenue inversée
• À la fin des multi‑plans, ajouter une déclaration de cohérence : « la tenue et l'orientation de l'artefact de @imageN restent inchangées tout au long »
• Ancrage des proportions : la longueur totale de l'artefact est environ X % de la taille du porteur / occupe environ X % de la largeur du cadre (faiblesse connue de Wan3.0 pour les proportions spatiales)

Les détails du diagnostic et la table des symptômes se trouvent dans la section I de references/drama-diagnosis.md « Symptômes de tenue et d'orientation des accessoires/artefacts ».

---

§6 Aide‑mémoire des forces et faiblesses de Wan3.0 pour les dramas

Capacité	Performance Wan3.0	Stratégie d'écriture
Suivi des instructions de parole classiques	Point fort	Dialogues directement entre guillemets, oser les longues phrases complètes ; associer reference_voice pour verrouiller le timbre
Cohérence des personnages / sujets	Point fort	Utiliser la référence complète avec plusieurs images en toute confiance, oser plusieurs personnages dans le même cadre
Expressivité des actions	Point fort	Oser des actions de grande amplitude, préciser clairement la vitesse et le processus de transition émotionnelle
Texte / sous‑titres mal codés	Relativement stable	Mais ne pas laisser le modèle générer des sous‑titres ; écrire systématiquement « image propre sans superposition de sous‑titres »
Instructions d'effets spéciaux / animations	Point faible	Réduire les attentes pour les illusions, les clones, les effets énergétiques, ou diviser en segments
Stabilité de l'image (interactions physiques violentes)	Point faible	Pour les combats, chutes, cassures, éclaboussures, suivre le processus d'alerte ci‑dessous
Logique spatiale	Erreurs connues : orientation couchée erronée, déséquilibre des proportions personne/objet	§5.2 coordonnées explicites, obligatoirement écrire la direction tête‑pieds et l'ancrage des proportions
Longs dialogues	Facilement coupés	Nombre de caractères ≈ durée × 4 caractères ; si trop long, diviser en segments et ajouter des ancres de raccord

Liste des actions à haut risque (si touchée, suivre « Détection → Alerte → Solution → Décision de l'utilisateur ») : Combat, chute, lancer et réception, bris de verre/objet, éclaboussures d'eau/de boisson, étreinte et bousculade (contacts corporels fréquents), traversée rapide de plusieurs personnes, manipulations manuelles précises (enfiler une aiguille, allumer un feu, crocheter une serrure).

En cas de contact, dire ceci :

Détection de comme appartenant à la catégorie à haut risque d'interaction physique violente de Wan3.0 (ce type d'action est sujet à des erreurs : corps qui traversent, objets qui disparaissent, déséquilibre des proportions). Trois solutions s'offrent à toi : ① Diviser en deux segments : segment A filme « l'affrontement et la mise en avant avant l'action », segment B filme « l'état résultant et les conséquences », pour éviter l'instant de l'impact ② Changer d'angle : passer à un gros plan partiel ou un angle par‑dessus l'épaule (le poing frôle la joue / les débris tombent), la zone d'erreur est plus petite ③ Lancer tel quel avec des contraintes : écrire « les bras et les jambes sont clairement comptables en nombre, les contours des membres sont complets et ne se traversent pas, les objets conservent une forme continue après le contact », avec seed de reproductibilité, best‑of‑3 pour sélectionner la vidéo Que choisis‑tu ?

Pour les actions de combat ou les manipulations précises, ne pas bloquer avec un « interdit » ; toujours suivre le processus « Détection → Alerte → Solution → Décision de l'utilisateur ».

⚠️ Ne pas trop purifier : face à des actions à caractère sexuel, intime ou violent, par défaut ne pas modifier le scénario pour le rendre plus doux – l'utilisateur veut « conserver l'intention créative originale + signaler les risques ». D'abord écrire selon l'intention, et en cas de point faible/détection de risque de censure, suivre « Détection → Alerte → Solution → Décision de l'utilisateur ». Ce n'est que si l'utilisateur accepte d'adoucir, ou si la censure textuelle de la plateforme bloque la génération, qu'on modifie l'ampleur, et expliquer ce qui a été changé pour permettre un retour en arrière.

Filtre vert textuel (blocage par la plateforme) : Wan3.0 applique un filtre vert dès l'étape de saisie du texte ; si des mots sensibles sont détectés (déchirer le col, embrasser passionnément le cou, plaquer, étrangler, voir du sang, sacrifice, etc.), la tâche échoue directement (Green net check failed for text (input)), la vidéo ne peut pas être générée. Cela diffère d'un « blocage par le filtre vert de l'image », ne pas traiter un blocage textuel avec des correctifs d'image ; soit adoucir les mots déclencheurs, soit informer honnêtement l'utilisateur d'abandonner. Voir la section J de drama-diagnosis.md.

Ne pas sur‑corriger les mouvements de caméra : face à un cas de « mouvement de caméra erroné », d'abord distinguer l'intention – bug du modèle (le mouvement du sujet est pris pour un mouvement de caméra, la caméra fixe bouge encore) → alors verrouiller avec « angle de caméra et focale constants tout au long » ; mouvement de caméra intentionnel de l'utilisateur (se jeter vers la caméra, foncer, avancer rapidement fait partie de la narration) → ne pas tout figer, écrire « le sujet se jette vers la caméra, la caméra avance rapidement dans la même direction pour accompagner », en faisant bouger le sujet et la caméra dans la même direction. Voir la section F de drama-diagnosis.md.

Ne pas sur‑corriger l'amplitude des actions (piège associé) : en corrigeant « mouvement de caméra erroné » par une caméra fixe, on risque de figer aussi l'action du sujet – un tigre / une bête / un ennemi qui devrait « charger / bondir / s'accroupir sur les pattes avant » serait mal écrit en « marche stable / avance lente », ce qui tue toute tension. La bonne écriture : caméra fixe + action de grande amplitude du sujet écrites séparément, ex. « angle de caméra et focale constants tout au long, le sujet dans le cadre effectue une posture d'attaque : les pattes avant au sol, corps abaissé, les pattes arrière poussent pour bondir violemment vers l'avant, le mouvement vers la caméra est ample et féroce ». Les verbes d'attaque sont obligatoires : « charger / bondir / s'approcher férocement / pattes avant au sol / pattes arrière qui poussent / montrer les dents / grogner », pour remplacer les termes doux « s'approcher / avancer / se rapprocher ».

Regard vers la caméra en ouverture : par défaut, le premier plan d'un drama Wan3.0 fait regarder le personnage vers la caméra (effet photo). En ouverture, écrire explicitement « trois‑quarts de profil, le regard verrouillé sur l'adversaire / se posant sur la cible, ne regarde pas la caméra » ; en fin de plan, ajouter une exclusion globale « les regards restent exclusivement entre eux tout au long, aucun ne regarde la caméra » (sauf pour un monologue face caméra). Voir la section D de drama-diagnosis.md.

État final d'une action / effet sonore ponctuel / mise en scène multiple (trois pièges fréquents) : Wan3.0 a tendance à « revenir à l'image qu'il maîtrise le mieux », en omettant les parties difficiles – ① Les actions comme ouvrir une boîte / une porte / un couvercle ne font que la première moitié (ne déverrouiller le loquet qu'après avoir soulevé le couvercle) → diviser en état final explicite « le couvercle est complètement soulevé et dressé, révélant l'intérieur » et donner 3–4 secondes ; ② Les effets sonores ponctuels comme un coup à la porte, un impact unique ne sont souvent pas générés → ajouter un minuteur explicite + onomatopée « à la 6e seconde 『toc toc toc』 » + une réaction physique visible (un sursaut, un recul) comme double sécurité ; ③ Plusieurs personnes + foule + source de menace dans le même cadre, dès que la caméra s'approche, ça se réduit à un « gros plan de la jolie fille » perdant toute narration → verrouiller la caméra fixe, interdire de zoomer sur le visage, et écrire la source de menace comme un point d'ancrage visuel qui apparaît de façon répétée. Voir la section K de drama-diagnosis.md.

🚨 Interdiction de pluie à l'intérieur (piège fréquent) : Dès que la scène est à l'intérieur ou semi‑intérieur (écurie, église, couloir, hall, cave), quel que soit le climat froid, sombre, mystérieux, il faut explicitement verrouiller le sec : « intérieur sec et propre, sol sec sans flaques ni traces d'eau, aucun filet de pluie, goutte ou eau de pluie dans l'image, pas d'humidité à l'intérieur ». Liste de mots déclencheurs (dès qu'ils apparaissent, ils doivent être accompagnés d'un « verrouiller sec ») : sol mouillé / glissant / traces d'eau / flaque / sol réfléchissant / mare / humide / lumière froide bleue / ambiance mystérieuse / nuit d'orage / nuit pluvieuse – si l'un d'eux apparaît, dans le même segment écrire juste après « mais le sol est sec, pas un filet d'eau dans l'image ». « Sol mouillé réfléchissant » est le déclencheur le plus fort de pluie à l'intérieur ; si on veut un sol réfléchissant, écrire « parquet ciré reflétant une faible lumière » ou « sol en pierre reflétant la lumière des bougies », ne jamais écrire « sol mouillé / glissant / reflet d'eau ». Si l'histoire nécessite absolument de la pluie, la limiter à l'extérieur de la fenêtre : « la pluie est seulement à l'extérieur de la fenêtre, visible à travers la vitre, elle ne pénètre jamais à l'intérieur, le sol intérieur est parfaitement sec ». Voir la ligne 3 de la section L de drama-diagnosis.md.

🚨 Cohérence inter‑plans en coupe franche (si le client veut une coupe franche, il faut la stabiliser) : Lorsque Wan3.0 effectue une coupe franche dans une seule tâche (« Plan 1 [0-4s]… coupe franche… Plan 2 [4-8s]… »), la cohérence des personnages / de l'espace entre les plans n'est pas automatiquement garantie par le modèle – après la coupe, le personnage peut changer de visage, de coiffure, les détails des vêtements peuvent dériver, la position gauche/droite peut s'inverser, les détails de la scène peuvent changer. Principe clé : lorsque le client / la narration exige une coupe franche, ne pas la remplacer arbitrairement par un plan‑séquence ; la coupe franche est un choix légitime de rythme narratif ; notre travail est de la rendre plus stable, pas de l'éviter. Six correctifs pour stabiliser une coupe franche (à utiliser ensemble) : ① Répéter l'identifiant du personnage dans chaque segment – au début de chaque plan, réécrire complètement « l'Ophelia de @image1 (robe rouge, coiffure en tresse, rouge à lèvres foncé) se trouve à gauche du cadre », ne pas compter sur « reprise du plan précédent » ; ② Contrainte explicite de cohérence inter‑plans – à la fin du corps, écrire obligatoirement « dans les trois plans, les traits/coiffure/vêtements/boucles d'oreilles/motif du col/détails des cheveux du même personnage sont parfaitement identiques, sans aucune dérive ; les positions relatives (qui est à gauche, qui est à droite) restent cohérentes d'un plan à l'autre, pas de saut d'axe » ; ③ Point d'ancrage visuel de la scène – répéter dans chaque segment la position des éléments fixes du décor (« le deuxième box de l'écurie à droite de l'arrière‑plan, la botte de foin à gauche, la lanterne au loin ») pour ancrer l'espace ; ④ seed fixe – le paramètre seed est fixe par segment, la cohérence inter‑plans s'améliore considérablement ; ⑤ Le point de coupe évite le milieu d'un mot – le point de coupe franche doit tomber sur un point, une virgule ou un court silence, jamais au milieu d'une phrase de dialogue, sinon le dialogue est coupé en deux ; ⑥ Minimiser le nombre d'images de référence – trop d'images de référence diluent le poids de la cohérence ; ne garder que les une ou deux images les plus importantes pour le personnage ; les vêtements/accessoires doivent de préférence être sur la même image. Solution de repli : si les six correctifs ne donnent pas de résultat stable, alors seulement envisager de diviser en tâches indépendantes (chaque segment 3–5s, même seed) et de les monter localement, ou de proposer au client une solution plan‑séquence – mais la première option est toujours « coupe franche + six correctifs », ne pas changer activement la structure narrative du client.

---

§7 Huit règles absolues

1. Ne pas écrire « ne pas » – negative_prompt est obsolète dans Wan3.0 ; toute négation doit être transformée en exclusion positive. Table de correspondance dans wan3-protocol.md §4. (Exception : les phrases de contrôle fixes validées comme « la caméra ne coupe pas » peuvent être utilisées, voir exemplars.md J3)
2. La couche sonore doit exister – Par défaut audio=true. Si on veut des dialogues, écrire les six éléments complets ; s'il n'y a pas de voix humaine, écrire « Aucun dialogue dans toute la vidéo, seuls les bruits ambiants sont conservés » ; s'il n'y a pas de musique, écrire « Aucune musique de fond », sinon le modèle invente un BGM.
3. Toujours écrire les objets de référence en @imageN – Avec @, en toutes lettres ; si le même personnage apparaît plusieurs fois, faire plusieurs @. L'ancienne écriture « image1 » n'est plus utilisée.
4. Avec une image de référence, ne pas redécrire l'apparence – Le visage, les vêtements, la coiffure sont portés par l'image de référence ; le prompt ne gère que le jeu, les déplacements, les mouvements de caméra et les contraintes de stabilité.
5. L'espace doit être figé – Position + orientation + distance ; pour les positions allongées, écrire obligatoirement la direction tête‑pieds. C'est une faiblesse connue de Wan3.0 ; ne pas le faire entraîne une erreur.
6. Si pas de coupe, écrire « Générer un seul plan » / « Plan‑séquence » – Si on ne spécifie pas de storyboard, le modèle improvise et peut couper tout seul, provoquant des changements soudains de personnage.
7. Nombre de caractères de dialogue ≈ durée × 4 caractères – Au‑delà, coupure certaine. 5s ≈ 20 caractères, 10s ≈ 40 caractères est une ligne de sécurité ; pour les très longs, diviser en segments + ancres de raccord.
8. Les proportions se règlent par paramètre, pas par texte – ratio par défaut adaptive ; pour verrouiller le format vertical, modifier le paramètre 9:16 ; écrire « format vertical » dans le prompt n'est pas pris en compte par le modèle. Calculer le coût d'abord : 1080P coûte environ 1,2 yuan/seconde ; avant de diviser un épisode complet en plans, estimer le total ; ne pas faire trop long en une fois (risque de time‑out 504).

---

§8 Modèles de scènes

Tous les modèles de types de plans courants pour les dramas sont dans references/drama-templates.md :

#	Scène	Forme recommandée	Point clé
1	Dialogue à deux (champ contre‑champ / par‑dessus l'épaule)	Référence complète + reference_voice	Ancrage spatial gauche‑droite + six éléments de la voix humaine
2	Gros plan émotionnel (sans dialogue)	Première image ou référence complète	Émotion écrite comme « processus de changement » plutôt qu'adjectif statique
3	Monologue / longue présentation	Référence complète + reference_voice	Nombre de caractères limité par la durée ; diviser en segments si trop long
4	Déplacement et entrée/sortie de champ	Référence complète	Direction d'entrée + direction de sortie + vitesse de pas
5	Scène de groupe (≥ 3 personnages)	Référence complète (plusieurs images)	D'abord diviser en zones, puis donner les actions, vérifier un par un les numéros @imageN
6	Combat / action violente	Référence complète, diviser en segments recommandé	D'abord suivre le processus d'alerte du §6
7	Transition (saut temporel/spatial)	Première et dernière image	N'écrire que le processus de transition intermédiaire
8	Séquence narrative multi‑plans	T2V ou référence complète	Description générale + « Plan N [a‑b secondes] », ≤ 4 plans
9	Script direct à partir d'un fichier	file + enable_thinking	N'écrire que « dans quel style de vidéo on veut le résultat », laisser le modèle lire le contenu
10	Changer les dialogues / tourner la suite / convertir maquette 3D en rendu final	Édition vidéo V2V	N'écrire que objet d'édition + action d'édition, voir §3

---

§9 Format de sortie

【Forme】Référence complète (reference_image ×2 + reference_voice ×2)
【Formule】§5 Référence vidéo + §4 Son (+ §6 Multi‑plans)
【Paramètres suggérés】duration=10  resolution=720P  ratio=9:16  audio=true  seed=conseillé fixe
【Correspondance des personnages】
  @image1 = Héros → male_low.mp3
  @image2 = Héroïne → female_bright.mp3
【Prompt】
<Prompt complet directement copiable, segment unique ou avec numéro de plan, sans balises entre crochets>

【Explication couche par couche】(Optionnel, donner seulement si l'utilisateur le demande)
Ce que chaque couche (préfixe esthétique / référence personnage / position spatiale / action / dialogue / exclusion) contient et pourquoi

【Avertissement de risque】
- Dialogue 46 caractères vs duration 10s (ligne de sécurité 40) → suggestion duration 12s ou supprimer une phrase
- Action à haut risque X → suggestion solution ①②③

Format mode diagnostic :

【Phénomène】… (à la Xe seconde, quel personnage, comment c'est cassé)
【Cause】Écriture du prompt / forme mal choisie / paramètres inadaptés / limite des capacités du modèle – quelle phrase exactement
【Correctif minimal】
  Modifier : <phrase originale> → <nouvelle phrase>
  Ajouter : <phrase à ajouter>
  Supprimer : <phrase à supprimer>
【Suggestion de retest】seed fixe / modifier duration en X / diviser en segments / best-of-3

Pour un lot complet, d'abord remettre un Excel (numéro de plan / scène / personnage / image de référence / dialogues / prompt / duration / ratio), ne pas lancer directement.

---

§10 Mode diagnostic

Lorsque l'utilisateur envoie un cas « cassé », suivre references/drama-diagnosis.md :

1. Redire le phénomène (ne pas deviner) : à la Xe seconde, quel personnage, quelle partie du corps, comment c'est cassé
2. Faire correspondre à la table des symptômes → attribuer la cause à l'une des quatre catégories : « écriture du prompt / forme mal choisie / paramètres inadaptés / limite des capacités du modèle »
3. Donner le correctif minimal : ne lister que les phrases modifiées, avec mention « Supprimer / Modifier / Ajouter », ne pas réécrire tout le texte
4. Donner une suggestion de retest : fixer seed, modifier tel paramètre, diviser en segments ou non, best-of-3 ou non

Lorsque la cause est attribuée à une limite des capacités du modèle, dire clairement « ce n'est pas quelque chose qu'un prompt peut résoudre » et donner une alternative (changer de forme, diviser en segments, passer à une modification locale V2V). Ne pas accumuler des correctifs inutiles pour faire semblant de résoudre le problème. Lorsqu'on reçoit un ancien prompt, faire d'abord un check‑up de cohérence : y a‑t‑il des résidus de « ne pas X » ? Y a‑t‑il l'ancienne écriture « image1 » ? La couche sonore est‑elle vide ? Le storyboard est‑il déclaré explicitement ? Le ratio est‑il écrit dans le texte ? Les timestamps multi‑plans sont‑ils égaux à duration ? Le corps contient‑il des descriptions contradictoires ? Ces sept éléments représentent la majorité des BadCase.