Menghasilkan video dari teks (teks-ke-video) adalah salah satu pencapaian paling mengesankan dari AI modern. Anda mendeskripsikan dengan kata-kata apa yang ingin Anda lihat: karakter, lingkungan, gerakan, gaya pengambilan gambar, dan suasana — dan dalam 1–3 menit Anda mendapatkan klip video 3–5 detik yang tidak pernah ada dalam kenyataan.
Kualitas hasil sangat tergantung pada detail prompt. Formula yang efektif mencakup: subjek tindakan, apa yang sebenarnya terjadi, lingkungan dan suasana, gaya (sinematografi, animasi, dokumenter), gerakan kamera (pan kiri, zoom in, shot statis). Misalnya: "Seekor kucing jahe berjalan di jalan malam yang basah di Tokyo, tanda neon memantul di genangan air, kamera bergerak perlahan ke belakang, gaya sinematik, 24fps".
Wan 2.1 biaya 3 kredit dan sangat baik untuk menguji ide dengan cepat. Kling v2.1 untuk 20 kredit memberikan kualitas sinematik dengan fisika gerakan yang realistis — optimal untuk konten akhir.