Jak obsługiwać generator wideo Wan 3.0: wejścia, prompty i budżety
Ujęcie 30-sekundowe w Wanie 3.0 zaczyna się na długo przed promptem: zaczyna się od wyboru właściwego wejścia. Model Alibaba nie czyta tylko tekstu — czyta scenariusz, który wgrywasz, stronę, którą linkujesz, i do dziesięciu obrazów, pięciu klipów wideo i pięciu klipów audio, które dołączasz. Ten tekst to praktyczna część naszego przewodnika po Wan 3.0 dla 30 sekund (tam są specyfikacje i planowanie): tutaj przechodzimy kolejno przez każde wejście, format promptu, który utrzymuje 30 sekund w kupie, koszt generacji w każdej rozdzielczości i błędy palące budżet. Ostatnia weryfikacja: 2026-10-10.
Pięć wejść i do czego służy każde
| Wejście | Limit | Do czego służy |
|---|---|---|
| Dokument | 1 plik, do 100 MB i 50 stron | Jedyne źródło prawdy o treści: scenariusz, brief, storyboard lub prezentacja wchodzą wprost, zamiast być wklejane do promptu. |
| Link internetowy | 1 link | Kontekst, który żyje na stronie — karta produktu, artykuł, dokumentacja marki — gdy nie masz pliku. |
| Obrazy | Do 10 | Kotwice tożsamości: bohater, produkt, lokacja, kadr stylu. To one sprawiają, że ostatnia sekunda wygląda jak pierwsza. |
| Wideo | Do 5 klipów, łącznie 15 s | Ruch i ciągłość: jak porusza się obiekt, jak działała kamera w poprzednim ujęciu, klip do przedłużenia. |
| Audio | Do 5 klipów, łącznie 15 s | Odnośniki dźwiękowe: głos, który ma być spójny, dżingiel, atmosfera do dopasowania. |
Przekazujesz dokument albo link, nie oba, a limity mediów to twarde sufery wymuszane przez API. Praktyczny podział pracy: dokument lub link niesie co się dzieje, obrazy niosą komu się to dzieje, a prompt niesie jak to jest nakręcone. Sam prompt może mieć do 20 000 znaków, więc lista beatów, która nie mieści się w dokumencie, mieści się w promptcie.
Struktura promptu dla długiego ujęcia
Oficjalny przewodnik Alibaba formatuje długie prompty jako segmenty z timestampami, każdy z linią kamery i linią sceny, pod globalnymi liniami stylu i dźwięku. Format znaczy więcej niż długość:
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.- Najpierw linie globalne. Styl, światło i podkład dźwiękowy obowiązują w całym klipie; zadeklaruj je raz, na górze, a nie w każdym segmencie.
- Jedna akcja na segment. Segmenty z dwiema spiętymi akcjami to dokładnie te, które model uśrednia w papkę.
- Nazwij przejście kamery. W jednym ujęciu nie ma cięć — napisz, jak kamera przemieszcza się z beatu do beatu ("continues to a medium shot"), a nie tylko, gdzie kończy.
- Zabudżetuj dialog. Naturalna mowa to dwa–trzy słowa na sekundę; zostawiaj powietrze między kwestiami zamiast wypełniać wszystkie 30 sekund.
- Świadomie wybierz długość. Domyślnie 5 sekund; -1 prosi o „ inteligentną długość”, którą wybiera model. Gdy klip ma trafić w punkt muzyczny lub slot reklamowy 15 sekund, ustaw sekundy jawnie.
Więcej gotowych przykładów tego formatu jest w naszej kolekcji promptów Wan 3.0, a przegląd Wan 3.0 podsumowuje możliwości modelu.
Ile kosztuje generacja: przykłady
Wan 3.0 rozlicza za sekundę efektu, a stawka zależy od rozdzielczości i poziomu. Model standardowy (wan3.0-video) na międzynarodowym cenniku ma $0,05 / $0,10 / $0,20 za sekundę przy 480p / 720p / 1080p; wan3.0-video-prime — szybszy poziom o tych samych możliwościach — $0,068 / $0,14 / $0,28. Wyłączenie natywnego audio nie zmienia ceny.
| Klip | Standard | Prime |
|---|---|---|
| 5 s w 720p | $0,50 | $0,70 |
| 10 s w 480p | $0,50 | $0,68 |
| 10 s w 720p | $1,00 | $1,40 |
| 30 s w 480p | $1,50 | $2,04 |
| 30 s w 720p | $3,00 | $4,20 |
| 30 s w 1080p | $6,00 | $8,40 |
Z tej arytmetyki wynikają dwa nawyki. Po pierwsze, tani szkic, ostry finisz: 30-sekundowy szkic w 480p kosztuje $1,50 wobec $6,00 w 1080p, więc timing i blocking ustal przed finalnym renderem. Po drugie, płać za Prime tylko wtedy, gdy czekasz na render — w nocnych partiach poziom standardowy oddaje ten sam klip taniej. Wan 3.0 potrafi też przedłużyć istniejący klip w przód lub wstecz, o ile wejście i wyjście razem mieszczą się w 30 sekundach — zwykle taniej niż generowanie od nowa.
Częste błędy
- Dokument odrzucony. Powyżej 100 MB lub 50 stron żądanie pada przed generacją. Podziel prezentację albo podlinkuj stronę.
- Limity referencji są twarde. Jedenasty obraz, szósty klip wideo albo wideo referencyjne ponad łączne 15 sekund to nie „ryzyko” — to odmowa. Zostaw tylko kotwice, które się liczą.
- Dryf tożsamości na długich ujęciach. Trzydzieści sekund to dużo jak na twarz albo etykietę. Przekaż bohatera lub produkt jako obrazy referencyjne i sprawdzaj ostatnią jedną trzecią klipu, nie pierwszą.
- Niespodzianki inteligentnej długości. Przy długości -1 model sam wybiera: świetnie do eksploracji, źle do 15-sekundowego slotu reklamowego. Jeśli efekt ma deadline, ustaw sekundy jawnie.
- Wydłużanie ponad sufit. Wydłużanie liczy wejście plus wyjście: wejścia 20 sekund nie przedłużysz o kolejne 15. Zaplanuj wydłużenie w ramach 30 sekund.
- Oczekiwanie wag. Wan 3.0 jest tylko API i nie publikuje wag. Jeśli potrzebujesz otwartego modelu do własnego hostingu, ostatnim otwartym flagowcem rodziny jest Wan 2.2 na Apache-2.0.
Co możesz dziś używać na Imgo
Wan 3.0 nie jest zintegrowany z Imgo i nie ma ceny w kredytach Imgo — ta strona to odniesienie zewnętrzne. Na Imgo żyje rodzina Seedance 2: klipy od 5 do 15 sekund, od 480p do 4K na Seedance 2.0 (480p i 720p na poziomach Fast i Mini), do 4 obrazów referencyjnych, 3 wideo i 3 ścieżek audio referencyjnych oraz natywny dźwięk generowany razem z obrazem. Dwa ograniczenia warto znać: obrazów referencyjnych nie łączy się z klatką początkową ani końcową, a klatka końcowa wymaga początkowej. Rozliczenie jest sekundowe według stawki modelu — Seedance 2.0 idzie za oficjalną stawką Volcengine, a Seedance 2 Fast kosztuje około 55% z niej — i generator pokazuje dokładną cenę w kredytach przed każdym wysłaniem.
Wszystko, co można generować już teraz, jest na liście żywych modeli; pozostałe opcje klasy Wana 3.0 rozkłada nasza strona alternatyw dla Wan 3.0 i porównanie Wan 3.0 vs Seedance 2.5.
Źródła
Udostępnij
Related Posts
No image
Kling 4.0 Flash otworzył wczesny dostęp 28 września dla ograniczonej grupy — wedle doniesień rocznych subskrybentów Ultra — z klipami 3–20 sekund w 720p. Jak wejść, ile to kosztuje, jak pisać prompty na 8 000 tokenów i plan klatek kluczowych, oraz co generować w międzyczasie.
No image
Wan 3.0 przyjmuje jako wejście dokument, link internetowy, obrazy, wideo i audio. Ten praktyczny przewodnik omawia przeznaczenie każdego wejścia, strukturę promptu dla ujęcia 30-sekundowego, przykłady budżetu na sekundę od 480p do 1080p na obu poziomach i najczęstsze błędy.
No image
Kling 4.0 Flash jest we wczesnym dostępie od 28 września 2026 r.; pełny model i jego API wciąż czekają na premierę, zaplanowaną na październik 2026 r. Wyjaśniamy, co daje każdy wariant, które kluczowe parametry są tylko zapowiedziane i czego używać w międzyczasie.