วิธีใช้ Wan 3.0 Video Generator: อินพุต พรอมป์ต และงบประมาณ

เทค 30 วินาทีของ Wan 3.0 เริ่มก่อนพรอมป์ตมาก ๆ มันเริ่มที่การเลือกอินพุตให้ถูก โมเดลของ Alibaba ไม่ได้อ่านแค่ข้อความ — มันอ่านบทที่คุณอัปโหลด หน้าเว็บที่คุณลิงก์ และรูปสิบภาพ วิดีโอห้าคลิป เสียงห้าคลิปที่คุณแนบมา บทความนี้เป็นภาคปฏิบัติของคู่มือ Wan 3.0 ฉบับ 30 วินาที (ที่เน้นสเปกและการวางแผน): เราจะไล่ดูทีละอินพุต รูปแบบพรอมป์ตที่ทำให้ 30 วินาทีอยู่ด้วยกันได้ ต้นทุนต่อความละเอียด และความผิดพลาดที่เผางบประมาณ ตรวจล่าสุด: 2026-10-10

อินพุตห้าแบบ และหน้าที่ของแต่ละอย่าง

อินพุต	ขีดจำกัด	ใช้ทำอะไร
เอกสาร	1 ไฟล์ ไม่เกิน 100 MB และ 50 หน้า	แหล่งความจริงของเนื้อหา: บท บรีฟ สตอรีบอร์ด หรือสไลด์ส่งเข้าไปตรง ๆ โดยไม่ต้องก๊อปวางในพรอมป์ต
ลิงก์เว็บ	1 ลิงก์	บริบทที่อยู่บนหน้าเว็บ — หน้าสินค้า บทความ เอกสารแบรนด์ — ตอนที่ไฟล์ไม่อยู่ในมือ
รูปภาพ	ไม่เกิน 10 ภาพ	หมุดยึดตัวตน: ตัวละคร สินค้า สถานที่ เฟรมสไตล์ สิ่งเหล่านี้ทำให้วินาทีสุดท้ายยังหน้าเหมือนวินาทีแรก
วิดีโอ	ไม่เกิน 5 คลิป รวม 15 วินาที	การเคลื่อนไหวและความต่อเนื่อง: วิธีที่ตัวแบบเคลื่อนที่ กล้องทำอะไรในเทคก่อน คลิปที่จะต่อยอด
เสียง	ไม่เกิน 5 คลิป รวม 15 วินาที	เสียงอ้างอิง: เสียงพูดที่ต้องคงเดิม จิงเกิล เสียงบรรยากาศที่ต้องเข้ากัน

ส่งเอกสาร หรือ ลิงก์ อย่างใดอย่างหนึ่ง ไม่ใช่ทั้งคู่ และขีดจำกัดสื่อเป็นเพดานตายที่ API บังคับใช้ การแบ่งงานที่ใช้ได้จริง: เอกสารหรือลิงก์เก็บอะไรเกิดขึ้น รูปเก็บว่าเกิดกับใคร และพรอมป์ตเก็บว่าถ่ายอย่างไร ตัวพรอมป์ตเองยาวได้ถึง 20,000 อักขระ ดังนั้นบีตชีตที่ใส่เอกสารไม่พอก็ใส่พรอมป์ตได้

โครงสร้างพรอมป์ตสำหรับเทคยาว

คู่มือทางการของ Alibaba เขียนพรอมป์ตยาวเป็นท่อนที่มี timestamp ท่อนละบรรทัดกล้องกับบรรทัดฉาก อยู่ใต้บรรทัดสไตล์และเสียงแบบรวม รูปแบบสำคัญกว่าความยาว:

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.

• บรรทัดรวมมาก่อน สไตล์ แสง และแผ่นดินเสียงครอบคลุมทั้งคลิป ให้ประกาศครั้งเดียวด้านบน ไม่ใช่ทุกท่อน
• หนึ่งท่อน หนึ่งแอ็กชัน ท่อนที่กองแอ็กชันสองอย่างคือท่อนที่โมเดลเฉลี่ยจนเละ
• เขียนชื่อการเปลี่ยนของกล้อง เทคเดียวไม่มีตัดต่อ — เขียนว่ากล้องเคลื่อนจากบีตหนึ่งไปบีตหน้าอย่างไร ("continues to a medium shot") ไม่ใช่แค่จบตรงไหน
• จัดงบบทสนทนา การพูดธรรมชาติได้สองถึงสามคำต่อวินาที เว้นช่องว่างระหว่างบทพูดแทนการเติมเต็ม 30 วินาทีทั้งหมด
• เลือกความยาวอย่างมีเจตนา ค่าเริ่มต้นคือ 5 วินาที -1 คือขอให้โมเดลเลือก "ความยาวอัจฉริยะ" เอง ถ้าคลิปต้องลงจังหวะเพลงหรือช่องโฆษณา 15 วินาที ให้ระบุวินาทีชัด ๆ

ตัวอย่างเพิ่มเติมของรูปแบบนี้อยู่ในคอลเลกชันพรอมป์ต Wan 3.0 ของเรา และภาพรวม Wan 3.0 สรุปความสามารถของโมเดล

การเจเนอเรตหนึ่งครั้งมีค่าใช้จ่ายเท่าไร: ตัวอย่าง

Wan 3.0 คิดเงินตามวินาทีผลลัพธ์ อัตราขึ้นกับความละเอียดและเทียร์ โมเดลมาตรฐาน (wan3.0-video) ราคาในรายการสากลที่ $0.05 / $0.10 / $0.20 ต่อวินาทีที่ 480p / 720p / 1080p ส่วน wan3.0-video-prime เทียร์เร็วที่ความสามารถเดียวกันอยู่ที่ $0.068 / $0.14 / $0.28 การปิดเสียงเนทีฟไม่เปลี่ยนราคา

คลิป	มาตรฐาน	Prime
5 วินาที ที่ 720p	$0.50	$0.70
10 วินาที ที่ 480p	$0.50	$0.68
10 วินาที ที่ 720p	$1.00	$1.40
30 วินาที ที่ 480p	$1.50	$2.04
30 วินาที ที่ 720p	$3.00	$4.20
30 วินาที ที่ 1080p	$6.00	$8.40

จากเลขเหล่านี้มาสองนิสัย หนึ่ง ร่างถูก เก็บรายละเอียดชัด: ดราฟต์ 30 วินาทีที่ 480p ราคา $1.50 เทียบกับ $6.00 ที่ 1080p ดังนั้นล็อกจังหวะและ blocking ก่อนเรนเดอร์สุดท้าย สอง จ่ายค่า Prime เฉพาะตอนที่คุณรอเรนเดอร์อยู่ — ในแบตช์กลางคืนเทียร์มาตรฐานผลิตคลิปเดียวกันในราคาถูกกว่า Wan 3.0 ยังต่อคลิปที่มีอยู่ไปข้างหน้าหรือย้อนหลังได้ ตราบใดที่อินพุตบวกเอาต์พุตรวมกันไม่เกิน 30 วินาที ซึ่งมักถูกกว่าเจเนอเรตใหม่

ความผิดพลาดที่พบบ่อย

• เอกสารถูกปฏิเสธ เกิน 100 MB หรือเกิน 50 หน้า คำขอล้มเหลวก่อนเจเนอเรต ให้แยกสไลด์หรือลิงก์หน้าเว็บแทน
• ขีดจำกัดอ้างอิงเป็นของแข็ง รูปที่สิบเอ็ด คลิปที่หก หรือวิดีโออ้างอิงเกินรวม 15 วินาที ไม่ใช่ "เสี่ยง" แต่ถูกปฏิเสธ ให้คัดเหลือแค่หมุดที่สำคัญ
• ตัวตนเพี้ยนในเทคยาว 30 วินาทีเป็นเวลานานสำหรับใบหน้าหรือโลโก้ ส่งตัวละครหรือสินค้าเป็นรูปอ้างอิง แล้วตรวจสามส่วนสุดท้ายของคลิป ไม่ใช่ส่วนแรก
• ความยาวอัจฉริยะเซอร์ไพรส์ ที่ -1 โมเดลเลือกความยาวเอง เหมาะกับการสำรวจแต่ผิดสำหรับช่องโฆษณา 15 วินาที ถ้างานมี deadline ให้ระบุวินาที
• ต่อยอดเกินเพดาน การต่อยอดนับอินพุตบวกเอาต์พุต อินพุต 20 วินาทีต่ออีก 15 ไม่ได้ วางแผนการต่อยอดไว้ใน 30 วินาที
• หวังกับ weights Wan 3.0 เป็น API อย่างเดียวและไม่เปิด weights ถ้าต้องการโมเดลเปิดที่โฮสต์เองได้ แฟล็กชิปเปิดตัวล่าสุดของตระกูลคือ Wan 2.2 ภายใต้ Apache-2.0

วันนี้ใช้อะไรบน Imgo ได้

Wan 3.0 ยังไม่ถูกผนวกเข้ากับ Imgo และไม่มีราคาเครดิต Imgo — หน้านี้เป็นข้อมูลอ้างอิงภายนอก ที่ใช้ได้จริงบน Imgo คือตระกูล Seedance 2: คลิป 5–15 วินาที ความละเอียด 480p ถึง 4K บน Seedance 2.0 (480p และ 720p บนเทียร์ Fast กับ Mini) รูปอ้างอิงได้ถึง 4 ภาพ วิดีโออ้างอิง 3 คลิป เสียงอ้างอิง 3 แทร็ก พร้อมเสียงเนทีฟที่เจเนอเรตพร้อมภาพ ข้อจำกัดที่ควรรู้สองข้อ: รูปอ้างอิงใช้ร่วมกับเฟรมต้น/ปลายไม่ได้ และเฟรมปลายต้องมีเฟรมต้น การคิดเงินเป็นรายวินาทีตามอัตราของโมเดล — Seedance 2.0 ตามอัตราทางการของ Volcengine และ Seedance 2 Fast อยู่ที่ราว 55% ของอัตรานั้น — และเจเนอเรเตอร์แสดงราคาเครดิตที่แน่นอนก่อนส่งทุกครั้ง

ดูทุกอย่างที่เจเนอเรตได้ตอนนี้ที่รายการโมเดลที่ใช้ได้ ส่วนตัวเลือกอื่นในคลาสเดียวกับ Wan 3.0 ดูได้ที่หน้าทางเลือกแทน Wan 3.0 และการเปรียบเทียบWan 3.0 ปะทะ Seedance 2.5

แหล่งอ้างอิง

• Alibaba Cloud: เอกสารอ้างอิง API ของ Wan3.0
• Alibaba Cloud: คู่มือสร้างวิดีโอ Wan3.0
• Alibaba Cloud: โมเดล wan3.0-video และราคา
• GIGAZINE: Alibaba เปิดตัว Wan 3.0 (อัตรา Prime)
• GitHub: Wan 2.2 (Apache-2.0)