Wan 3.0 · 一個影片模型，三種入口
阿里通義萬相 Wan 3.0，現已入駐 OVOV。可以從一段提示詞開始，可以從首尾幀開始，也可以從一段配上你自己的參考圖、參考影片與參考音訊的提示詞開始——480P、720P 或 1080P，5 到 30 秒，自帶原生音軌。
OVOV AI 影片範例
來自我們影片模型的真實生成——Veo 3.1、Kling 與 Seedance。游標懸停任一片段即可播放，點擊喇叭圖示聆聽音訊。
懸停播放 · 點擊喇叭取消靜音
OVOV AI 影片範例
來自我們影片模型的真實生成——Veo 3.1、Kling 與 Seedance。游標懸停任一片段即可播放，點擊喇叭圖示聆聽音訊。
外星奇幻世界
奢華香水廣告
產品發布會宣傳片
馬爾代夫旅遊廣告
東方武俠頂峰對決
好萊塢賽車電影鏡頭
飛船駛向深藍宇宙
金毛小狗追蝴蝶
壽司師傅精心製作
紅裙女子懸崖漫步
深夜高手對決
手持自拍 Vlog
爆汁美食特寫
街舞高速動作
奢華口紅廣告
Wan 3.0 為什麼值得一看
一個模型同時接收文字、關鍵幀或你自己的素材，最高渲染到 1080P，最長跑到半分鐘，還會在生成畫面的同時寫好自己的音軌。
多模態參考
在文生影片中，最多可附 10 張參考圖、最多 5 段參考影片（合計 15 秒）以及最多 5 段參考音訊（合計 15 秒）。Wan 3.0 會從你自己的素材裡提取角色、風格、運動與基調，而不是靠猜。
首尾幀控制
給它一張起始圖，也可以再給一張結束圖，Wan 3.0 會渲染兩者之間的運動。做產品揭幕、變形過程與前後對比敘事，這是最直接的一條路。
480P、720P 與 1080P
三檔解析度，包含真正的 1080P 輸出。先用 480P 花幾點點數把想法打磨出來，再用 1080P 渲染真正要發布的那一版。
5 到 30 秒
六檔固定長度：5、10、15、20、25 或 30 秒。五秒試片花不了幾點點數；完整的 30 秒廣告片也能裝進一次生成。
原生音訊，預設開啟
Wan 3.0 在渲染畫面的同時就寫好環境音、音效與貼合動作的聲音。開關在你手上，而且關掉音訊並不會改變價格。
五種比例，按秒計費
16:9、9:16、1:1、4:3 與 3:4。點數按秒計費——480P 每秒 3 點數，720P 每秒 6 點數，1080P 每秒 12 點數——生成失敗全額退還。
從提示詞、關鍵幀或素材到成片
按你手上已有的東西選擇輸入方式。Wan 3.0 在同一次生成中處理畫面與聲音，事後沒有任何需要拼接的東西。
選好你的入口
只寫一段提示詞，或上傳一張首幀（也可以再加一張尾幀），或在提示詞之外附上參考圖、參考影片與參考音訊。然後設定長度、比例與解析度。
Wan 3.0 同步渲染畫面與聲音
模型會先規劃整段長度內的運動、光影與節奏，再渲染出影片與相配的音軌。多數任務在 1 到 5 分鐘內完成；更長的片段耗時更久。
下載即用
拿到自帶音訊的成片——無浮水印，附商用授權。若生成失敗，點數會立刻退回。
Wan 3.0 適合做什麼
三種輸入方式加上 1080P 檔位，涵蓋面很廣：成品廣告、直式社群短片、以你自己素材為底的連貫創作，以及長篇氛圍影片。
1080P 產品與品牌廣告
一支全高清的 30 秒廣告，一次生成完成。鋪陳、實演、賣點與收尾全部裝進一次生成，聲音也一併搞定。
- 1080P 輸出，適合前置廣告、著陸頁與客戶交付
- 16:9 適合寬螢幕，4:3 適合傳統電視畫幅
- 產品音效與環境聲與畫面一同生成
直式社群短影音
TikTok、Reels 與 Shorts 的 9:16 直式，從 5 秒鉤子到 30 秒故事。音訊隨片附帶，事後不必再補一次配樂。
- 9:16 直式，或用 1:1 發方形貼文
- 用 480P 打草稿，每秒 3 點數，再用 720P 或 1080P 出成片
- 原生音訊，不需要授權音樂
系列內容前後一致
每次生成都附上同一組參考圖、參考影片與參考音訊，角色、產品與基調就能在片段之間延續下去，而不會越跑越偏。
- 最多 10 張參考圖，鎖定角色與風格
- 最多 5 段參考影片，定住運動與運鏡方式
- 最多 5 段參考音訊，讓聲音維持同一家族
旅行與氛圍影片
空拍掃掠、海岸公路與街頭漫步，這些鏡頭需要時間呼吸——還有風聲、水聲與城市聲把地方感賣出去。
- 需要用滿 30 秒的長鏡頭漂移運鏡
- 環境音與畫面一同渲染
- 1080P 適合頁面頂部的主視覺影片
Wan 3.0 提示詞寫作指南
Wan 3.0 支援最長 20,000 字元的提示詞，遠超多數片段所需的篇幅。下面這些習慣，能把篇幅花在模型真正會照做的地方。
先點名你的素材，再描述成片的樣子
動筆前先選好輸入方式
三種模式需要的提示詞並不一樣。文生影片得靠文字撐起整個場景；首尾幀模式構圖已經定了，提示詞要寫的是運動；參考模式要寫的則是從你附上的素材裡借什麼。
- •純文字：從零描述場景、主體、運鏡與聲音
- •首尾幀：描述兩幀之間的運動，而不是幀本身
- •參考素材（在文生影片中附加）：說清每份素材各自貢獻什麼——臉、服裝、運鏡、基調
範例
"First frame: a sealed cardboard box on a table. Last frame: the box open with a camera inside. Prompt: "hands lift the flaps in one smooth motion, soft window light"."
用編號點名你的參考素材
在參考模式裡，你可以直接指著素材說——圖 1、影片 1、音訊 1——讓模型知道哪份素材管鏡頭的哪一部分，而不是把所有素材糊成一團。
- •最多 10 張參考圖、5 段參考影片與 5 段參考音訊
- •參考影片合計 15 秒；參考音訊合計 15 秒
- •給每份素材一個明確任務：身分取自某張圖，運鏡取自某段影片
範例
"Keep the woman from image 1 and the jacket from image 2, follow the slow dolly-in of video 1, and match the room tone of audio 1."
為選定的長度規劃敘事弧線
30 秒是一段很長的畫面時間。按發生順序把推進過程寫清楚，否則模型會把一個想法拖滿半分鐘。
- •先交代場景，再帶入主體，然後才是運動
- •點明隨時間變化的東西：光線、天氣、距離、速度
- •較短的長度（5-10 秒）適合一個連貫動作
範例
"The room starts dim and empty, morning light climbs the far wall, dust drifts through the beam, and the camera slowly settles on a cup of coffee going cold."
把聲音也寫出來，不只是畫面
音訊預設會生成，所以你沒寫的部分會被模型自行發揮。一兩句聲音方向的描述，通常就足以讓它不走偏。
- •點明環境音：雨打玻璃、遠處車流、房間底噪
- •點明與動作相配的聲音：腳步、引擎、風聲
- •要求安靜也是有效的指示——想要稀疏就直說
- •心裡已有基調時，附上參考音訊
範例
"Sound: steady rain on a tin roof, an occasional low roll of thunder in the distance, no music."
把讚美詞換成視覺事實
「驚豔」「史詩」「電影感」什麼都沒告訴模型。材質、顏色、光線方向與有力的動詞才有用。
- •避免：驚豔、史詩、震撼、絕美、鉅作
- •用有力度的動詞：砸下、漂移、點燃、抽打
- •點明光源與一天中的時間
範例
"Avoid: "a stunning epic mountain shot". Prefer: "granite ridges under low side light, snow spilling off the crest in a thin plume"."
提前定好長度、比例與解析度
Wan 3.0 提供 5、10、15、20、25 和 30 秒、5 種比例與三檔解析度。生成前就定下來，既省點數又不會構圖出錯。
- •橫式用 16:9 和 4:3，直式用 9:16 和 3:4，動態貼文用 1:1
- •用 480P 打草稿（每秒 3 點數），用 720P（6 點數）或 1080P（12 點數）出成片
- •按選定的畫幅來寫——直式需要主體靠近、置中
- •長度固定為 5、10、15、20、25 或 30 秒——把分鏡湊到其中一檔
範例
"A 15-second 9:16 vertical clip: a barista pulling an espresso shot, steam rising into warm café light, shallow depth of field."