Så använder du videogeneratoren Wan 3.0: indata, prompts och budgetar
Wan 3.0:s 30-sekunderstag börjar långt före prompten: det börjar med att välja rätt indata. Alibabas modell läser inte bara text — den läser ett manus du laddar upp, en webbsida du länkar och upp till tio bilder, fem videor och fem ljudklipp du bifogar. Den här guiden är den praktiska följeslagaren till vår Wan 3.0-guide för 30 sekunder (som täcker specifikationerna och planeringen): här går vi igenom varje indata, promptformatet som håller ihop 30 sekunder, vad en generering kostar i varje upplösning och misstagen som bränner budget. Senast kontrollerat: 2026-10-10.
De fem indata, och vad varje används till
| Indata | Gräns | Vad den används till |
|---|---|---|
| Dokument | 1 fil, upp till 100 MB och 50 sidor | Innehållets sanningskälla: ett manus, en brief, en storyboard eller ett bildspel skickas in direkt, utan att klistras in i prompten. |
| Webblänk | 1 länk | Kontext som lever på en sida — en produktsida, en artikel, varumärkesdokumentation — när du inte har filen. |
| Bilder | Upp till 10 | Identitetsankare: karaktären, produkten, platsen, stilramen. Det är de som får den sista sekunden att likna den första. |
| Videor | Upp till 5 klipp, totalt 15 s | Rörelse och kontinuitet: hur subjektet rör sig, hur kameran arbetade i förra taget, ett klipp som ska förlängas. |
| Ljud | Upp till 5 klipp, totalt 15 s | Ljudreferenser: en röst som ska hålla konsistens, en jingel, en atmosfär som ska matchas. |
Du skickar in ett dokument eller en länk, inte båda, och mediagränserna är hårda tak som API:n genomdriver. En praktisk arbetsfördelning: dokumentet eller länken bär vad som händer, bilderna bär vem det händer, och prompten bär hur det är filmat. Själva prompten kan nå 20 000 tecken, så en beatlista som inte får plats i dokumentet får plats i prompten.
Promptstruktur för ett långt tag
Alibabas egen guide formaterar långa prompts som segment med tidsstämpel, var och en med en kamerarad och en scenrad, under globala stil- och ljudrader. Formatet väger tyngre än längden:
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.- Globala rader först. Stil, ljus och ljudbädden gäller hela klippet; deklarera dem en gång högst upp, inte i varje segment.
- En handling per segment. Segment som staplar två handlingar är just de som modellen jämnar ut till gröt.
- Nämn kameraövergången. I ett enda tag finns inga klipp — skriv hur kameran färdas från ett beat till nästa ("continues to a medium shot"), inte bara var den hamnar.
- Budgetera dialogen. Naturligt tal går i två till tre ord per sekund; lämna luft mellan replikerna i stället för att fylla alla 30 sekunder.
- Välj längden medvetet. Standard är 5 sekunder; -1 ber om en "smart längd" som modellen väljer själv. När klippet måste landa på ett musikinslag eller en annonsplats på 15 sekunder, sätt sekunderna explicit.
Fler färdiga exempel i formatet finns i vår promptsamling för Wan 3.0, och översikten av Wan 3.0 sammanfattar modellens förmågor.
Vad en generering kostar: exempel
Wan 3.0 debiterar per sekund utdata, och priset beror på upplösning och nivå. Standardmodellen (wan3.0-video) listas till 0,05 / 0,10 / 0,20 $ per sekund vid 480p / 720p / 1080p på den internationella prislistan; wan3.0-video-prime, den snabbare nivån med samma förmågor, till 0,068 / 0,14 / 0,28 $. Att stänga av det inbyggda ljudet ändrar inte priset.
| Klipp | Standard | Prime |
|---|---|---|
| 5 s i 720p | 0,50 $ | 0,70 $ |
| 10 s i 480p | 0,50 $ | 0,68 $ |
| 10 s i 720p | 1,00 $ | 1,40 $ |
| 30 s i 480p | 1,50 $ | 2,04 $ |
| 30 s i 720p | 3,00 $ | 4,20 $ |
| 30 s i 1080p | 6,00 $ | 8,40 $ |
Ur aritmetiken följer två vanor. För det första: billigt utkast, skarp slutversion — ett 30-sekundersutkast i 480p kostar 1,50 $ mot 6,00 $ i 1080p, så lås timing och blockering innan den slutliga renderingen. För det andra: betala för Prime bara när du väntar på renderingen — i nattbatchar producerar standardnivån samma klipp billigare. Wan 3.0 kan också förlänga ett befintligt klipp framåt eller bakåt, så länge indata och utdata tillsammans håller sig under 30 sekunder — oftast billigare än att generera om.
Vanliga fel
- Dokumentet avvisas. Över 100 MB eller över 50 sidor misslyckas begäran innan generering. Dela upp bildspelet eller länka sidan.
- Referensgränserna är hårda. Den elfte bilden, ett sjätte videoklipp eller en referensvideo över totalt 15 sekunder är inte "riskabelt" — det avvisas. Behåll bara ankarna som spelar roll.
- Identitetsdrift i långa tag. Trettio sekunder är lång tid för ett ansikte eller en etikett. Skicka med karaktären eller produkten som referensbilder och kontrollera klippets sista tredjedel, inte den första.
- Oväntade smarta längder. Med längden -1 väljer modellen själv: fint för utforskning, fel för en annonsplats på 15 sekunder. Har utdata en deadline, sätt sekunderna explicit.
- Förlängning över taket. Förlängning räknar indata plus utdata: en indata på 20 sekunder kan inte förlängas med 15 till. Budgetera förlängningen inom 30 sekunder.
- Förvänta sig vikter. Wan 3.0 är enbart API och publicerar inga vikter. Behöver du en öppen modell att vara värd för själv är familjens sista öppna flaggskepp Wan 2.2 under Apache-2.0.
Vad du kan använda på Imgo i dag
Wan 3.0 är inte integrerat i Imgo och har inget Imgo-kreditpris — den här sidan är en extern referens. Det som är live på Imgo är Seedance 2-familjen: klipp på 5 till 15 sekunder, 480p upp till 4K på Seedance 2.0 (480p och 720p på nivåerna Fast och Mini), upp till 4 referensbilder, 3 referensvideor och 3 ljudspår, och inbyggt ljud som genereras tillsammans med bilden. Två begränsningar att känna till: referensbilder kan inte kombineras med start- eller slutbildrutor, och en slutbildruta kräver en startbildruta. Debiteringen sker per sekund till modellens pris — Seedance 2.0 följer Volcengines officiella pris och Seedance 2 Fast kostar cirka 55 procent av det — och generatorn visar det exakta kreditpriset före varje insändning.
För att se allt som kan genereras just nu, se listan över live-modeller; för de andra alternativen i Wan 3.0:s klass ordnar vår sida med alternativ till Wan 3.0 och jämförelsen Wan 3.0 mot Seedance 2.5 bilden.
Källor
Dela
Related Posts
No image
Kling 4.0 Flash öppnade i tidig åtkomst den 28 september för en begränsad grupp — enligt rapporter årsabonnenter på Ultra — med klipp på 3–20 sekunder i 720p. Hur du kommer in, vad det kostar, hur du skriver prompts på 8 000 token och keyframe-planen, och vad du genererar medan du väntar.
No image
Wan 3.0 accepterar ett dokument, en webblänk, bilder, videor och ljud som indata. Den här praktiska guiden tar upp vad varje indata används till, hur en prompt för ett 30-sekunderstag byggs upp, budgetexempel per sekund från 480p till 1080p på båda nivåerna, och de vanligaste felen.
No image
Kling 4.0 Flash har funnits i tidig åtkomst sedan den 28 september 2026; den fullständiga modellen och dess API dröjer, med oktober 2026 som mål. Här är vad varje nivå gör, vilka toppspecifikationer som bara är tillkännagivna och vad du använder under tiden.