Досега дългото видео се правеше на парчета и се залепваше. Всеки шев се вижда: героят се променя, светлината скача, камерата започва отначало.
Факт
Фактите: на 25 август 2026 ComfyUI обяви, че Wan 3.0 на Alibaba работи в средата им. Моделът дава от 2 до 30 секунди в едно минаване, при 480p, 720p или 1080p и при съотношения 16:9, 9:16, 4:3, 3:4 и 1:1. Задачата приема до 20 000 знака и до 20 опорни материала: 10 изображения, 5 видеа, 5 аудио клипа и един файл или адрес. Опорните се адресират вътре в текста със знак и номер. Добавени са и по-евтино ниво 480p за чернови, автоматичен избор на съотношение и на дължина, и изключване на звука.
Кое е същинското тук
Тридесетте секунди. Не заради дължината, а заради това, което дължината позволява: непрекъснато движение на камерата, кадър в едно минаване и темпо, което се гради, вместо да се рестартира на всеки пет секунди.
Второто е адресирането. Даваш карта на героя за лицето, видео за движението на камерата, аудио за тембъра, и казваш вътре в задачата кое къде да действа. Дотук опорните материали влизаха накуп и моделът сам решаваше кое колко тежи.
Досега режисьорът молеше. Оттук започва да посочва.
Какво още не знаем
Съобщението е на ComfyUI за модел на Alibaba, тоест числата са на производителя. Не сме го пускали и не знаем как изглежда тридесетата секунда, когато първата е добра.
Това е и мястото, където ще проличи. Дълъг кадър не прощава: ако лицето плува или ръката се сменя, тридесет секунди го показват тридесет пъти по-ясно от пет.
Официални първоизточници
ComfyUI: Wan 3.0 in ComfyUI (официален блог)Визуалът към статията е генериран код-арт, без чужди изображения.