三十秒是那个招牌。它通常是错的那个设置。

一次生成三十秒，是人人都拿来开头的那个 Wan 3.0 功能，而且它是真的 —— 不是六条片子缝起来，是一次生成，30 fps 下 900 帧，没有任何接缝需要对齐。 每一篇报道都停在这儿。

它们都没提的是：长度是唯一一个会让你的账单线性放大、 却让你的风险比线性更快放大的参数。一条没打中的三十秒是整条扔掉的。 第十四秒是救不回来的。而这笔账很不客气： 一条被扔掉的三十秒 1080P 生成，花的钱等于二十四条五秒的 480P 草稿， 或者同样长度下四次完整的 480P 尝试。

所以有用的问题不是「Wan 3.0 能不能做三十秒」。它能。问题是什么时候该花这三十秒。

下面这些时长规则 —— 2 到 30 的任意整数、-1 表示智能时长、 以及输入秒数算进同一个上限 —— 全都写在 创建任务的参数表里，读于 2026-08-25。

那三十秒到底是什么

Wan 3.0 收 2 到 30 秒之间的任意整数。这次生成是一次单遍， 而那和一段拼起来的序列在性质上有实质区别：布光、调色、表演和声音铺底都是一次定下来的， 所以没有接缝要藏，也没有连贯性要在剪辑里重建。对任何中间有一次转折的东西 —— 一次产品揭示、一个有包袱的故事、一个需要空间去展开的运镜 —— 这就是这个功能存在的全部理由。

一次生成不等于一个镜头，而这一点绊倒过很多人。 放着不管， Wan 3.0 会自己决定要不要切，而在一段没有指定的三十秒里它通常会切 —— 常常是在头五秒里就在两三个机位之间切。当你想要一个看起来剪过的东西时这没问题， 当你需要一条不间断的镜头时它就没用了。如果你不要任何切换， 提示词就得用**「一镜到底」**这几个字说出来。 怎么控制这些切换是另一篇文章。

再补两个限定。单遍描述的是它怎么生成的，不是「什么都不会漂移」的保证； 观众们在发布演示片上逐帧看过，一天之内就公开找出了长镜头内部的连贯性瑕疵。 以及更长的任务要更久，一次典型生成跑一到五分钟，而三十秒的片子坐在那个区间的远端。

在你下决心之前还值得知道：没有办法取消一个 Wan 3.0 任务。 公布的 API 里没有这个调用。一个三十秒的任务一旦提交，你就只能等着它跑完， 而只有两个并发位，一批排着队的长镜头会把两个都占住。

为什么长镜头的失败方式不一样

一次没打中的五秒 Wan 3.0 生成，花掉你五秒算力和一条清楚的教训。 一次没打中的三十秒花掉六倍，而且常常给你一条更浑浊的教训， 因为一次做对和做错的事都更多，你现在得弄清楚八个节拍里坏的是哪一个。

这份不对称，按阿里巴巴公布的费率标价：

请把第一行读成一句预算陈述，不是一句吓唬。四次三十秒的 1080P 尝试是 $24.00， 而在你决定这个镜头是什么之前就把这笔钱花掉，是非常常见的事。 完整的成本拆解在这里。

你往里喂视频时，上限会往下掉

有一条 Wan 3.0 的约束会绊倒那些围着三十秒做规划的人： 输入画面的秒数和输出秒数相加必须不超过三十。 挂一段十二秒的参考片段，你的输出上限就是十八。超过的请求是被拒而不是被裁短， 而且哪怕你把长度交给模型决定，这条规则照样成立。

参考图不算进这一条。参考音频、文档和链接也不算。就是视频 —— 而这并非巧合，视频也是唯一一种会计费的参考类型。

智能时长，以及用它的代价

传 -1，Wan 3.0 就会从你的提示词和素材里挑一个长度。 这是一个适合探索的好功能，而它有一处锋利的边缘：在它跑完之前，价钱是没法知道的。

提供方用两种互不兼容的方式处理它。有些先按三十秒的上限预扣， 等真实长度出来之后再退回差额；另一些按上限收，并且不退。 对一条模型判定应该跑六秒的片子，在 1080P 上那是 $1.20 对 $6.00 —— 同样的产出，五倍的价钱，由一张条款页决定。

当你确实不确定一个想法想要多长时用它，并且在 480P 上用，那里犯错很便宜。 任何你要为它掏真金白银的东西，都请写一个显式时长。 长度和档位是最能动账单的两个旋钮，而 每一档到底是干什么用的讲的是第二个 —— 包括「档位不设就按最高的那一档计费」这件事。

按你在做什么来挑长度

最后一行是最省钱的那一行。Wan 3.0 上大多数三十秒的浪费， 不是长度选错了，是在镜头还不存在的时候就做了长度选择。

分阶段的走法

先用短的搭骨架，再承诺长的：

1. 找到那个镜头。 在 480P 上两三次五秒生成。你在测的是构图、运动，以及声音行不行 —— 而这些在 480P 上都读得正确，因为那是同一个 Wan 3.0 模型，只是像素更少。
2. 测最难的那个节拍。 如果第二十二秒是一张脸转向镜头，就先把它作为一条独立的短片生成出来。 在你为它周围另外二十九秒掏钱之前，先搞清楚模型做不做得到。
3. 完整长度跑一次，在 480P 上，用完整的提示词。结构性问题会在这里浮出来： 漂移、节奏、跑过头的节拍。
4. 在 720P 或 1080P 上收尾，用一模一样的提示词。

四步，到一条十秒 1080P 成片大约 $3.50，而没耐心的那条路是 $8.00； 到三十秒时差距是 $10.50 对 $24.00。

写一条能撑过三十秒的提示词

每一份靠谱的 Wan 3.0 指南最后都汇聚到同一个技巧，而它值得说出来，因为它并不显而易见： 把这条片子拆成连续的节拍，并给每个节拍一个看得见的结束状态。

不要写「她穿过市场，镜头跟着她」。那是一种气氛，而一种气氛大约能撑六秒， 之后模型就开始自己编。要这么写： 0–6 秒，她从门里走进光里，在水果摊前停住；6–14 秒，她拿起一个桃子在手里转， 镜头推进到中景；以此类推。结束状态，正是让第二十五秒有东西可以保持一致的那样东西。

有两个数字可以拿来衡量，而且它们在几乎任何题材上都成立：

每四到六秒一个节拍。 一条三十秒的片子是五到七个节拍。 更少，模型就会自己把空隙填掉；更多，节拍就会在同一个运镜里撞车。

每秒输出配 660 个字符。 提示词上限是 20,000 字符， 所以在三十秒上你的余地比任何一份说明需要的都多。提示词长度不要钱 —— Wan 3.0 收的是输出秒数，不是输入字符 —— 所以一条长镜头里的含糊是一个选择，不是一个约束。 声音指示也一起写；声音是在同一次生成里做出来的，你写不写它，价钱一样。

如果你更愿意从一个结构而不是一个空白框开始， 提示词生成器会把一条提示词按节拍铺开。

三十秒真正无可替代的地方

有两种情况，而它们每一次都对得起这个钱。

一个需要走一段距离的连续运镜。 从广角推到特写、边走边说、绕着一件产品转。 把这些拼起来意味着要在一个切点上对齐运动，而那是剪辑里最难修、也最容易被看出来的东西。

任何需要喘气的口白表演。 中间带停顿的对白、在一拍静默之后才落下的一句台词。 把它切进两次生成里，时机就死了。Wan 3.0 是把声音和画面在一次生成里做出来的， 所以整场表演也得坐在一次生成里。

如果你的活儿是这两者之一，别再优化了，把那三十秒买下来。如果不是， 诚实的默认值比你想的要短。

挑长度之前的三个问题

1. 这个想法里有转折吗？没有转折，就不需要三十秒。
2. 你已经知道这个镜头是什么了吗？如果还不知道，这是一个 5 秒 480P 的问题。
3. 有没有挂参考画面？把它的秒数从你的上限里减掉。

有四条提示词用不同的方式回答了第一个问题，而且每一条都是按那个长度写出来的、不是硬撑到那个长度的： 一束硬逆光下三个排好序的节拍、 一辆车在四个节拍里变成一头动物，而最后一个节拍就是那个结尾、 一个请求里三种景别，以及 一条连续的第一人称行进镜头，那里的秒数买到的是距离而不是节拍。 最后那一条是让规则变得可读的那个例外：没有转折，而仍然对得起这个长度。

常见问题

一条 Wan 3.0 视频能多长？

二到三十秒，任意整数，一次生成。传 -1 就由模型来挑。 挂了参考画面时，输入和输出秒数相加必须不超过三十。

一条 30 秒的 Wan 3.0 片子真的是一镜到底吗？

它是一次生成而不是一次拼接，所以没有接缝需要跨着调色 —— 但模型仍然会在那一次生成内部自己决定要不要切，而不指定的话它通常会切。 一个都不要，就写「一镜到底」。就算那样，单遍也不是「什么都不会漂移」的承诺； 长镜头仍然可能丢掉一个细节，而观众确实看得出来。

一条 30 秒的片子多少钱？

按阿里巴巴公布的费率，一次生成在 480P 是 $1.50、720P $3.00、1080P $6.00。 再乘上你预计的尝试次数，真实的那个数字住在那里。

我该用智能时长吗？

在 480P 上做探索，该用。任何你要正经掏钱的东西，请把长度写死 —— 提供方要么按三十秒的上限预扣再退差额，要么干脆就按上限收，而你从按钮上看不出是哪一种。

我那条长片子为什么在结尾漂了？

通常是节拍太少。一条按单一气氛写出来的三十秒提示词， 在大约第六秒之后就没给模型任何可以命中的东西了。五到七个节拍、每个都有一个说明白的结束状态， 就是解法 —— 而且在你为完整长度掏钱之前，先把最难的那个节拍作为一条独立短片测一遍。

我能把一条片子接到三十秒以上吗？

超不过三十，但你可以把一条接到三十。Wan 3.0 有文档写明的续接模式 —— 已有的片子作为参考画面进去，而意图得由提示词来带 —— 它能往回接、能双向接，也能往前接。 那个上限两端都算，所以你送上去的东西会从同一个三十秒里扣掉： 一段二十秒的源，还剩十秒。再往上你就是在拼装多次生成了，每一个接缝上都有对齐问题。 一条片子实际能接多长把这道减法算了一遍， 也讲了为什么只送上去一小段尾巴既更便宜、又更长。