Wan 3.0 指南:30 秒 AI 视频怎么做
阿里巴巴于 2026 年 8 月 6 日开放 Wan 3.0 公测,并于 8 月 24 日正式商用。它最大的变化是时长:单次生成最长 30 秒,是上一代 15 秒上限的两倍,并且对白、音乐和音效与画面一起生成。Wan 3.0 只提供 API,通过阿里云百炼(Model Studio)调用。本文介绍已确认的规格、费用,以及如何规划一条 30 秒的镜头。最后核查:2026-10-08。
规格一览
| 规格 | Wan 3.0(wan3.0-video) |
|---|---|
| 片长 | 2 到 30 秒(默认 5 秒),也可由模型“智能决定时长” |
| 帧率 | 30 fps |
| 分辨率 | 480p、720p 或 1080p(默认 1080p) |
| 画幅比例 | 自适应、21:9、16:9、4:3、1:1、3:4、9:16 |
| 参考素材 | 最多 10 张图片、5 段视频(合计 15 秒)和 5 段音频(合计 15 秒),另加一份文档(最大 100 MB、50 页)或一个网页链接 |
| 音频 | 原生生成对白、背景音乐和音效;关闭音频不影响价格 |
| 价格 | 480p / 720p / 1080p 每秒 $0.05 / $0.10 / $0.20(国际站标价) |
文档输入是这个系列的新能力:剧本、需求简报或幻灯片可以直接传入,不必再粘贴进提示词。
标准版还是 Prime?
Wan 3.0 分两个档位。wan3.0-video-prime 的能力与标准版一致,阿里称其端到端生成速度显著更快,价格为每秒 $0.068 / $0.14 / $0.28。一条 1080p 的完整 30 秒视频,标准版 $6.00,Prime 版 $8.40。需要盯着结果等出片时,Prime 值得;夜间批量生成,标准版用更低的价格完成同样的工作。
Wan 3.0 开源吗?
不开源。和早期 Wan 版本不同,Wan 3.0 没有发布权重,只能通过 API 使用。这个系列最新的开放权重旗舰模型仍是 2025 年 7 月以 Apache-2.0 许可发布的 Wan 2.2。
如何规划一条 30 秒的一镜到底
- 先写节拍表,再写提示词。30 秒、30 fps 就是 900 帧。把它拆成三到五个节拍,每个六到十秒,各有一个清晰的动作。
- 每个节拍只安排一种运镜。一镜到底没有剪切,所以要写清楚镜头如何从一个节拍移动到下一个节拍。
- 用参考图锁定身份。把角色、产品或场景作为参考图传入,让最后一秒的主体仍和第一秒一致。
- 给对白留预算。自然语速大约每秒两到三个英文单词,台词之间要留出空隙,不要把 30 秒塞满。
- 低价打样,高清定稿。一条 30 秒的草稿,480p 只要 $1.50,1080p 则要 $6.00。先在低分辨率下定好节奏和走位。
- 续写而不是重来。Wan 3.0 可以向前或向后延长已有片段,只要输入和输出合计不超过 30 秒。
提示词结构
阿里自己的指南把长提示词写成带时间戳的分段,每段包含一行镜头说明和一行场景说明。先写全局的风格、光线和声音,再写时间线:
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.
提示词最长可达 20,000 个字符,细节有足够空间,但每个分段仍应只描述一个动作。更多现成示例见我们的 Wan 3.0 提示词合集,Wan 3.0 概览则对模型做了汇总。
Imgo 上有 Wan 3.0 吗?
暂时没有。Wan 3.0 未接入 Imgo,也没有 Imgo 积分价格。你今天就能在 Imgo 上使用的是视频生成器里的 Seedance 2.0:单段最长 15 秒,支持图片、视频和音频参考,并带原生音频。在线模型列表展示了现在就能生成的全部模型,Wan 3.0 替代方案页面介绍了其他选择。想和同级别的另一款 30 秒模型并排比较,请看 Wan 3.0 vs Seedance 2.5。
参考来源
分享
Related Posts
No image
Kling 4.0 Flash 自 9 月 28 日起向少数用户(报道称为 Ultra 年度订阅者)开放抢先体验,输出 3–20 秒 720p 片段。本文讲清怎么入场、花多少钱、如何写 8,000 token 提示词和关键帧规划,以及现在能用什么。
No image
Wan 3.0 接受文档、网页链接、图片、视频和音频五种输入。本篇实操指南讲清每种输入的用途、30 秒镜头的提示词结构、480p 到 1080p 两档的单秒预算算例,以及最常见的出错方式。
No image
Kling 4.0 Flash 自 2026 年 9 月 28 日起开放抢先体验;完整模型和 API 仍待上线,目标为 2026 年 10 月。本文说明各档位能做什么、哪些亮点规格只是“已公布”,以及这段时间该用什么。