如何用好 Wan 3.0 视频生成器：输入、提示词与预算

Wan 3.0 的 30 秒成片，在写提示词之前就开始了：从选对输入开始。阿里这个模型不只读文字——它读你上传的剧本、你链接的网页，还有你附上的最多 10 张图片、5 段视频和 5 段音频。本文是Wan 3.0 30 秒指南（讲规格与规划）的实操篇：我们逐一过一遍每种输入、撑起 30 秒一镜到底的提示词格式、每一档分辨率的费用，以及烧钱的常见错误。最后核查：2026-10-10。

五种输入，各自的作用

输入	限制	用途
文档	1 份文件，最大 100 MB、50 页	内容的唯一事实来源：剧本、需求简报、分镜或幻灯片直接传入，不必粘贴进提示词。
网页链接	1 个链接	适合内容在页面上的场景——商品详情页、文章、品牌文档——手头没有文件时用。
图片	最多 10 张	身份锚点：角色、产品、场景、风格参考帧。让最后一秒仍和第一秒长得一样，靠的就是它们。
视频	最多 5 段，合计 15 秒	动态与连贯性：主体的动作方式、上一条镜头的运镜、需要续写的片段。
音频	最多 5 段，合计 15 秒	声音参考：要保持一致的嗓音、一段音乐动机、需要对齐的环境声。

文档和链接二选一，不能同时传；素材数量上限是 API 硬性执行的。一个实用的分工：文档或链接负责「发生了什么」，图片负责「发生在谁身上」，提示词负责「怎么拍」。提示词本身可以写到 20,000 字符，塞不进文档的节拍表直接写进提示词也够用。

长镜头的提示词结构

阿里官方指南把长提示词写成带时间戳的分段，每段一行镜头、一行场景，顶上是全局的风格和音频行。格式比长度更重要：

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.

• 全局行放最前面。风格、光线和声音底色作用于整条片子，只在开头写一次，不要每个分段重复。
• 一个分段一个动作。塞了两个动作的分段，正是被模型平均成一片糊的那些。
• 写清镜头如何过渡。一镜到底没有剪切——要写镜头如何从一个节拍移动到下一个（"continues to a medium shot"），而不是只写终点。
• 给对白留预算。自然语速大约每秒两到三个英文单词，台词之间留空隙，不要塞满 30 秒。
• 主动选择时长。默认 5 秒；-1 表示让模型自己决定「智能时长」。当片子必须卡音乐节点或 15 秒广告位时，显式写秒数。

更多这种格式的成品示例在 Wan 3.0 提示词合集，Wan 3.0 模型总览汇总了它的能力。

生成一次多少钱：算例

Wan 3.0 按输出秒数计费，费率取决于分辨率和档位。标准模型（wan3.0-video）国际站标价为 480p / 720p / 1080p 每秒 $0.05 / $0.10 / $0.20；能力相同、速度更快的 wan3.0-video-prime 为每秒 $0.068 / $0.14 / $0.28。关闭原生音频不改变价格。

片段	标准版	Prime
5 秒 720p	$0.50	$0.70
10 秒 480p	$0.50	$0.68
10 秒 720p	$1.00	$1.40
30 秒 480p	$1.50	$2.04
30 秒 720p	$3.00	$4.20
30 秒 1080p	$6.00	$8.40

由此有两个习惯。第一，低价打样、高清定稿：30 秒草稿 480p 只要 $1.50，1080p 要 $6.00，先把节奏和走位在低分辨率上定死。第二，只有你在盯着等结果时才值得用 Prime——夜间批量任务里，标准版用更少的钱产出同样的片子。Wan 3.0 还可以向前或向后续写已有片段，只要输入加输出合计不超过 30 秒，这通常比重新生成便宜。

常见的失败模式

• 文档被拒。超过 100 MB 或超过 50 页，请求在生成前就失败。拆分文档，或改用网页链接。
• 参考素材上限是硬性的。第 11 张图片、第 6 段视频、或参考视频超过 15 秒合计上限，不是「有风险」，而是直接被拒。筛掉不重要的，只留锚点。
• 长镜头的身份漂移。30 秒对一张脸或一个标签来说很长。把角色或产品作为参考图传入，并检查片子的最后三分之一，而不是开头。
• 智能时长不听话。时长 -1 时模型自己定长度，探索时没问题，15 秒广告位就是灾难。输出有截止时间就显式写秒数。
• 续写超限。续写按输入加输出合计计算：20 秒的输入不可能再续 15 秒。把续写预算规划在 30 秒以内。
• 指望开源权重。Wan 3.0 只有 API，没有发布权重。需要一个可自部署的开放模型，这个系列最后的开放旗舰是 Apache-2.0 许可的 Wan 2.2。

今天在 Imgo 上能用什么

Wan 3.0 未接入 Imgo，也没有 Imgo 积分价格——本文是外部参考。Imgo 上在线的是 Seedance 2 系列：5 到 15 秒的片段，Seedance 2.0 支持 480p 到 4K（Fast 和 Mini 档为 480p 和 720p），最多 4 张参考图、3 段参考视频和 3 段参考音频，画面之外原生生成声音。两个约束值得知道：参考图不能与首帧/尾帧同时使用，尾帧必须搭配首帧。计费按模型费率按秒计算——Seedance 2.0 遵循火山引擎官方费率，Seedance 2 Fast 约为其 55%——每次运行前，生成器都会先报出确切的积分价格。

想看现在就能生成的一切，查在线模型列表；想看 Wan 3.0 同级别的其他选择，Wan 3.0 替代方案页面和 Wan 3.0 对比 Seedance 2.5 把整个格局摆了出来。

来源

• 阿里云：Wan3.0 API 参考
• 阿里云：Wan3.0 视频生成指南
• 阿里云：wan3.0-video 模型与价格
• GIGAZINE：阿里发布 Wan 3.0（Prime 费率）
• GitHub：Wan 2.2（Apache-2.0）