Wan для изображений · формула промпта и версии от 2.1 до 2.7

Wan · семейство генеративных моделей Alibaba. Чаще его знают по видео, но у Wan есть и модели для картинок. В Студии модель называется Wan 2.2 и подходит для черновиков и набросков идей: пейзажей, интерьеров, предметных сцен и иллюстраций по текстовому описанию.

Сначала честно разберём, что именно документировано, потому что у Wan несколько веток с разными возможностями. Затем перейдём к формуле промпта, которую рекомендует сам разработчик.

Что умеет модель

У семейства две линии документации.

• Облачные модели в Alibaba Cloud Model Studio. Здесь у Wan есть отдельные модели генерации изображений по тексту, а у новых версий ещё и правка. Для поколения 2.2 справочник называет две модели: wan2.2-t2i-plus и wan2.2-t2i-flash. Обе только рисуют по тексту, правку изображений не поддерживают.
• Открытые модели на GitHub и Hugging Face. Репозиторий Wan2.1 прямо пишет, что модель обучена на изображениях и видео и умеет делать отдельные картинки. Открытый репозиторий Wan2.2 описывает только видео: по тексту, по картинке, по звуку и анимацию персонажей. Генерацию отдельных изображений он не документирует.

Wan2.1 · единая модель для генерации и изображений, и видео · репозиторий Wan2.1

Что из этого следует на практике: Wan 2.2 для картинок · это генерация по текстовому описанию. Правка готового фото, работа с референсами и серии кадров в документации появляются только у более новых версий.

Версии и параметры

Таблица собрана по странице выбора модели Alibaba Cloud Model Studio. Числа относятся к облачному API разработчика.

Что справочник API говорит именно про Wan 2.2 и более ранние версии:

• Размер. Ширина и высота каждая от 512 до 1440 пикселей, по умолчанию квадрат 1024×1024.
• Промпт. До 500 символов, лишнее обрезается. Каждая буква, цифра и знак считаются за символ.
• Языки промпта. Китайский и английский.
• Негативный промпт. Поддерживается, тоже до 500 символов.
• Расширение промпта. По умолчанию включено: языковая модель дописывает ваш текст деталями перед генерацией. Гайд советует оставлять его включённым.
• Seed. Одинаковое значение даёт похожий, но не обязательно идентичный результат.

Отдельной разницы между plus и flash справочник не описывает. Для версии 2.7 разработчик дополнительно выделяет надписи, точный фирменный цвет и серии с одним персонажем, для 2.2 таких обещаний нет.

Как устроен хороший промпт

Гайд Alibaba Cloud по промптам для Wan даёт две формулы.

1. Базовая · объект, место, стиль. Подходит для быстрых проб: кто или что в кадре, где это происходит, в какой манере нарисовано.
2. Расширенная · объект, место, стиль, камера, атмосфера, уточнения. Камера включает крупность плана, ракурс и тип объектива. Атмосфера · настроение кадра. Уточнения · детализация, фактура, качество.

Словарь, на который опирается гайд:

• Крупность. Сверхкрупный план, крупный, средний, общий.
• Ракурс. На уровне глаз, сверху, снизу, с высоты птичьего полёта.
• Объектив. Макро, сверхширокий угол, телеобъектив, рыбий глаз.
• Свет. Естественный солнечный или лунный, контровой, неоновый, рассеянный.
• Стиль. Реализм, акварель, тушь, пластилин, оригами, керамика, 3D мультфильм, сюрреализм и другие.

Гайд советует брать только те части формулы, которые важны для кадра, и не набивать промпт всем сразу. Лимит в 500 символов у Wan 2.2 тоже подталкивает к краткости: одно ясное предложение про объект, одно про место и свет, одно про стиль.

Официально промпт принимается на китайском и английском, русский язык документация не называет. Пишите короткими однозначными фразами и держите под рукой английские названия ключевых предметов и стилей. Если модель поняла описание неточно, продублируйте их в промпте. Общие приёмы описаны в статье как написать промпт.

Примеры промптов

Частые ошибки

• Ждать правки фото от Wan 2.2. По документации модели 2.2 только рисуют по тексту. Для правки по инструкции и референсов посмотрите Seedream или Kling O1.
• Слишком длинный промпт. У Wan 2.2 лимит 500 символов, остальное обрезается. Если описание не влезает, уберите повторы и второстепенные детали.
• Все части формулы сразу. Гайд прямо советует брать только нужные измерения. Десять стилистических слов подряд мешают друг другу.
• Длинные надписи. Документация не выделяет текст на картинке как сильную сторону Wan 2.2. Если нужна надпись, держите её короткой или выберите модель, сильную в тексте, подробнее в статье о тексте на изображениях.
• Запрет вместо описания. Фразу «без людей» внутри основного промпта модель может понять неверно и добавить людей. Опишите, что в кадре должно быть: «пустая улица», «чистый фон». Если для модели доступно отдельное поле негативного промпта, исключения пишите туда.
• Путать открытую видеомодель с моделью картинок. Открытый Wan2.2 на GitHub описан как видеомодель. Советы из его README про кадры и движение к генерации картинок не относятся.

Как попробовать в Студии

Откройте Wan 2.2 в разделе Фото, вставьте один из промптов выше и выберите формат кадра. Цена в кредитах видна на кнопке запуска до нажатия.

Если модель обрабатывает запросы за рубежом, для запуска нужно согласие на трансграничную передачу. Его отмечают флажком при входе, подробнее в статье о согласии.

Для фотореализма и коротких надписей с того же короткого промпта сравните результат с Z-Image, это тоже модель Alibaba.