Wan 3.0 bedienen: Eingaben, Prompts und Budgets
Die 30-Sekunden-Einstellung in Wan 3.0 beginnt lange vor dem Prompt: Sie beginnt mit der richtigen Eingabe. Alibabas Modell liest nicht nur Text — es liest ein hochgeladenes Drehbuch, eine verlinkte Webseite und bis zu zehn Bilder, fünf Videos und fünf Audioclips, die man anhängt. Dieser Guide ist die praktische Ergänzung zu unserem Wan-3.0-Guide für 30 Sekunden (der Spezifikationen und Planung abdeckt): Wir gehen jede Eingabe durch, das Prompt-Format, das 30 Sekunden zusammenhält, die Kosten je Auflösung und die teuren Fehler. Zuletzt geprüft: 2026-10-10.
Die fünf Eingaben und wozu jede dient
| Eingabe | Limit | Wozu sie dient |
|---|---|---|
| Dokument | 1 Datei, bis 100 MB und 50 Seiten | Die Wahrheitsquelle für den Inhalt: Drehbuch, Briefing, Storyboard oder Deck werden direkt übergeben, statt in den Prompt kopiert zu werden. |
| Weblink | 1 Link | Kontext, der auf einer Seite lebt — ein Produktlisting, ein Artikel, Markendokumentation — wenn die Datei fehlt. |
| Bilder | Bis zu 10 | Identitätsanker: Figur, Produkt, Ort, Stilbild. Sie sorgen dafür, dass die letzte Sekunde noch wie die erste aussieht. |
| Videos | Bis zu 5 Clips, 15 s gesamt | Bewegung und Kontinuität: wie sich das Subjekt bewegt, wie die Kamera in der vorigen Einstellung arbeitete, ein Clip zum Verlängern. |
| Audio | Bis zu 5 Clips, 15 s gesamt | Klangreferenzen: eine Stimme, die konsistent bleiben soll, ein Jingle, eine passende Atmosphäre. |
Man übergibt ein Dokument oder einen Link, nicht beides, und die Medienlimits sind harte Obergrenzen, die die API durchsetzt. Eine praktische Aufteilung: Dokument oder Link tragen, was passiert, die Bilder tragen, wem es passiert, und der Prompt trägt, wie es gefilmt ist. Der Prompt selbst darf 20.000 Zeichen lang sein — eine Beatliste, die nicht ins Dokument passt, passt also in den Prompt.
Prompt-Struktur für eine lange Einstellung
Alibabas eigener Guide formatiert lange Prompts als zeitmarkierte Segmente mit je einer Kamera- und einer Szenenzeile unter globalen Stil- und Audiozeilen. Das Format zählt mehr als die Länge:
Style: warm documentary realism, golden-hour light, 16:9.
Audio: quiet street ambience, soft acoustic guitar under the dialogue.
(0:00 - 0:08) Camera: wide shot, slow push-in. Scene: a cyclist rides into an empty market square.
(0:08 - 0:20) Camera: continues to a medium shot, handheld follow. Scene: she stops at a flower stall. Dialogue (vendor): "You're early today."
(0:20 - 0:30) Camera: slow orbit to a close-up. Scene: she smiles and picks up a bunch of sunflowers.- Globale Zeilen zuerst. Stil, Licht und die Audio-Basis gelten für den ganzen Clip; nennt sie einmal oben, nicht in jedem Segment.
- Eine Aktion pro Segment. Segmente mit zwei gestapelten Aktionen sind die, die das Modell zu Brei vermittelt.
- Benennt den Kameraübergang. In einer Plansequenz gibt es keine Schnitte — schreibt, wie die Kamera von einem Beat zum nächsten wandert („continues to a medium shot“), nicht nur, wo sie landet.
- Dialog budgetieren. Natürliche Sprache läuft mit zwei bis drei Wörtern pro Sekunde; lasst Luft zwischen den Zeilen, statt alle 30 Sekunden zu füllen.
- Dauer bewusst wählen. Standard sind 5 Sekunden; -1 bittet um einer vom Modell gewählten „smarten Dauer“. Wenn der Clip auf einen Musikeinsatz oder einen 15-Sekunden-Werbeslot landen muss, setzt die Sekunden explizit.
Weitere Beispiele dieses Formats stehen in unserer Wan-3.0-Promptsammlung, und die Wan-3.0-Übersicht fasst die Fähigkeiten des Modells zusammen.
Was eine Generierung kostet: Beispiele
Wan 3.0 rechnet pro Ausgabesekunde ab, der Satz hängt von Auflösung und Stufe ab. Das Standardmodell (wan3.0-video) steht auf der internationalen Liste bei 0,05 / 0,10 / 0,20 $ pro Sekunde in 480p / 720p / 1080p; wan3.0-video-prime, die schnellere Stufe mit identischen Fähigkeiten, bei 0,068 / 0,14 / 0,28 $. Natives Audio abzuschalten ändert den Preis nicht.
| Clip | Standard | Prime |
|---|---|---|
| 5 s in 720p | 0,50 $ | 0,70 $ |
| 10 s in 480p | 0,50 $ | 0,68 $ |
| 10 s in 720p | 1,00 $ | 1,40 $ |
| 30 s in 480p | 1,50 $ | 2,04 $ |
| 30 s in 720p | 3,00 $ | 4,20 $ |
| 30 s in 1080p | 6,00 $ | 8,40 $ |
Zwei Gewohnheiten ergeben sich aus der Rechnung. Erstens: billig entwerfen, scharf fertigstellen — ein 30-Sekunden-Entwurf in 480p kostet 1,50 $ statt 6,00 $ in 1080p, also fixiert Timing und Blocking vor dem finalen Render. Zweitens: Zahlt Prime nur, wenn ihr auf den Render wartet — in Nachtläufen liefert die Standardstufe denselben Clip für weniger. Wan 3.0 kann einen bestehenden Clip vorwärts oder rückwärts verlängern, solange Eingabe und Ausgabe zusammen unter 30 Sekunden bleiben — meist günstiger als neu generieren.
Häufige Fehler
- Das Dokument wird abgelehnt. Über 100 MB oder über 50 Seiten scheitert die Anfrage vor der Generierung. Das Deck teilen oder die Seite verlinken.
- Die Referenzlimits sind hart. Das elfte Bild, ein sechster Videoclip oder Referenzvideo über den 15-Sekunden-Gesamtwert ist nicht „riskant“ — es wird abgelehnt. Kürzt auf die Anker, die zählen.
- Identitätsdrift in langen Einstellungen. Dreißig Sekunden sind lang für ein Gesicht oder ein Label. Figur oder Produkt als Referenzbilder mitgeben und das letzte Drittel des Clips prüfen, nicht das erste.
- Überraschungen der smarten Dauer. Mit Dauer -1 wählt das Modell die Länge — gut zum Erkunden, falsch für einen 15-Sekunden-Werbeslot. Wenn die Ausgabe eine Deadline hat, Sekunden explizit setzen.
- Verlängern über die Obergrenze. Verlängern zählt Eingabe plus Ausgabe: Eine 20-Sekunden-Eingabe lässt sich nicht um 15 weitere Sekunden erweitern. Plant die Verlängerung innerhalb von 30 Sekunden ein.
- Gewichte erwarten. Wan 3.0 ist API-only und veröffentlicht keine Gewichte. Wer ein offenes, selbst gehostetes Modell braucht, nimmt mit der Familie den letzten offenen Flaggschiff Wan 2.2 unter Apache-2.0.
Was heute auf Imgo nutzbar ist
Wan 3.0 ist nicht in Imgo integriert und hat keinen Imgo-Credit-Preis — diese Seite ist eine externe Referenz. Live auf Imgo ist die Seedance-2-Familie: Clips von 5 bis 15 Sekunden, 480p bis 4K auf Seedance 2.0 (480p und 720p auf den Fast- und Mini-Stufen), bis zu 4 Referenzbilder, 3 Referenzvideos und 3 Audiospuren sowie native Audio, das mit dem Bild generiert wird. Zwei Einschränkungen: Referenzbilder lassen sich nicht mit Anfangs- oder Endframe kombinieren, und ein Endframe braucht einen Anfangsframe. Abgerechnet wird pro Sekunde zum Satz des Modells — Seedance 2.0 folgt Volcengines offiziellem Satz, Seedance 2 Fast kostet rund 55 % davon — und der Generator zeigt vor jedem Absenden den exakten Credit-Preis an.
Was sich jetzt generieren lässt, steht in der Liste der Live-Modelle; die übrigen Optionen der Klasse von Wan 3.0 ordnen unsere Wan-3.0-Alternativen und der Vergleich Wan 3.0 vs. Seedance 2.5 ein.
Quellen
Teilen
Related Posts
No image
Kling 4.0 Flash ist seit dem 28. September für eine begrenzte Gruppe im Early Access — Berichten zufolge Ultra-Jahresabonnenten — mit 3–20 Sekunden langen 720p-Clips. Wie man hineinkommt, was es kostet, wie man 8.000-Token-Prompts und den Keyframe-Plan schreibt und was man bis dahin generiert.
No image
Wan 3.0 nimmt ein Dokument, einen Weblink, Bilder, Videos und Audio entgegen. Dieser Praxis-Guide erklärt, wozu jede Eingabe dient, wie ein 30-Sekunden-Prompt aufgebaut ist, Sekunden-Budgets von 480p bis 1080p auf beiden Stufen und die häufigsten Fehler.
No image
Kling 4.0 Flash ist seit dem 28. September 2026 im Early Access; das vollständige Modell und seine API stehen noch aus, Ziel ist Oktober 2026. Hier steht, was jede Stufe kann, welche Kernspezifikationen nur angekündigt sind und was du in der Zwischenzeit nutzt.