Wan 3.0 图生视频

第 001 帧 · 你的

002003004005

由你描述的内容生成

Wan 3.0 图生视频把一张图片当作开场那一帧，从它出发生成 2 到 30 秒的运动，30 fps，480P、720P 或 1080P，音频在同一次生成里。再给一张图片，它就成为收尾那一帧，中间那段路由模型补上。

你的照片就是第一帧

001

你的照片就是第一帧

任意整秒

2–30 秒

任意整秒

帧率

30 fps

帧率

分辨率

480P / 720P / 1080P

分辨率

• 不收 HEIC —— iPhone 的默认容器不在接受清单里
• 不收透明 —— PNG 的透明通道是被拒，不是被压平
• 参考图不能和首帧同时出现 —— 这两族互相排斥

• 只给首帧

  first_frame
  

  一张照片作为首帧。你的视频从你的图片开场，并从那里往前走。当你已经有了开场镜头、想看看 Wan 3.0 接下来会拿它做什么时，用这个。

  怎么写

  描述接下来发生什么，不要描述画面里已经有什么 —— Wan 3.0 已经看得见那张图了。文生视频没法保证产出和你的照片有任何相似之处，而这正是你在这一页的理由。

  试这条

• 首帧 + 尾帧

  first_frame + last_frame
  

  两张照片，一个起点一个终点。Wan 3.0 把中间那段路补上。当你确切知道这个镜头从哪开始、又必须落在哪里时用它 —— 产品转一圈、前后对比、场景切换。

  怎么写

  只给首帧时，是 Wan 3.0 决定终点，而它猜不到你的结尾。如果两张图差得很远，请把中间发生什么用足够多的字说清楚，否则它会自己发明一个转场。

  试这条

有一条硬规则：帧那一族和参考那一族不能混。在同一个请求里既发首帧又发参考图，Wan 3.0 会直接拒绝，而不是替你挑一个 —— 要把同一个角色带过好几个镜头，那是参考生视频。完全没有源图？从文字开始。更多做好的设置写在提示词范例里。 而当不许动的是整个画面本身 —— 一块屏幕、一个房间、一张数字表 —— 那属于另一类镜头。

图生视频用的是那张图本身。 你的照片会成为首帧，模型从那里往前走，所以视频里的主体就是你上传的主体。网址转视频从不碰那张图。 它读的是页面说了什么，再据此生成全新画面，页面上的东西一样都不会出现在成片里。要让东西看起来就是你的东西，用前者；手上只有一个页面、没有拍摄，用后者。

1. 01

   你有文件

   丢进页面最上方那个框。这一页的检查器会在你花掉一格额度之前，指出哪一条限制会挡下它。

2. 02

   你有链接

   网址转视频收一个公开网址，读它背后那一页。它自己的检查免费，也不需要账号。

3. 03

   两者都没有

   文生视频只从一段写好的提示词出发，一样是三十秒，一样在同一趟里把声音写出来。

改从一个页面开始

网址转视频是链接那条路，文生视频是提示词那条路。三条跑的都是同一个 wan3.0-video，每秒单价相同。
你的浏览器打得开的链接，不等于模型抓得到：算图发生在另一张网上。链接检查器会指出那张网上已实测拒收的主机。

阿里巴巴把更老的图生视频文档一直挂着、也一直被索引着，而它排名很好，因为它在那儿的时间更长。两个页面都准确；只有一个说的是 Wan 3.0。辨别的记号是模型 id —— 如果那一页上任何地方写着 wan2.1、wan2.2 或 kf2v，它的数字就不是这个生成器用的那一套：那份文档给的是 800 提示词字符、360–2,000 px、10 MB 和固定五秒，而 Wan 3.0 是 20,000 字符、240–8,000 px、20 MB，以及 2 到 30 之间的任意整数秒。

同一张输入照片 · 两句提示词

输入

大衣的织纹变了，发际线也挪了。提示词里没有任何一句说它们不该变。

跑这一条

同样的运镜，同样的长度，同样的种子条件。唯一的改动就是那一句约束。

跑这一条

它们之间唯一的差别

主体 —— 红色羊毛大衣、深色齐刘海、左手一枚银戒 —— 全程保持同样的脸、头发、服装和颜色；只有镜头和描述过的运动会变。

形象锁定

把不许变的东西打出来 —— 一个颜色、一个标志、一张脸。名词越具体，Wan 3.0 就越少去重新解释它。

会接在你提示词的末尾

主体全程保持同样的脸、头发、服装和颜色；只有镜头和描述过的运动会变。

加进提示词

这件事的长版本 —— 漂移从哪儿来、那一句约束能保住什么、又保不住什么 —— 在角色一致性上。如果这个主体必须活过好几个分开的镜头而不是一条长镜头，那是另一种模式：参考生视频能收同一个角色最多十张图，并让它跨多次生成保持住。它不能在同一个请求里和首帧组合。 锁住一块屏幕而不是一张脸，是同一条指令放大一号。

这就是上面首帧和尾帧的同一套机制，只是对准了更难的一种情况：你要Wan 3.0 图生视频只改一块地方，其余全部留在原位。

• 数字在跳，界面一动不动

  销售额从 100.00 一路跳到 30,197.00，而侧边栏、图表坐标轴、列标题全部钉死。这就是很多人想用录屏拍表格来凑的后台数据动效，而它多半会失败 —— 因为录屏里有光标。

  你提供

  同一块屏幕两张：一张小数字，一张大数字。

• 一块还不存在的界面

  开发还没做完、或者手上没有可录屏的设备时就要交的应用演示视频。所谓样机视频，就是一张静态图加一个终点 —— 菜单展开、面板填满、开关拨过去 —— 而镜头始终不动。

  你提供

  从设计稿导出的两张图。不需要原型、不需要插件、不需要录屏。

• 房子不动，东西进来

  从空房到家具齐全，从毛坯墙到完成面。不许动的是建筑本身，其余都可以动。

  你提供

  同一机位拍的改造前和改造后两张照片。

Use image 1 as the starting frame and image 2 as the ending frame. The animation must begin exactly with image 1 and end exactly with image 2.

Lock the entire frame in place: same layout, same crop, same camera. No pan, no tilt, no zoom, no perspective change, no re-rendering of the surrounding elements.

The only thing that changes is [WHAT MOVES].
[HOW IT MOVES — e.g. the figures count upward smoothly through many intermediate values until they reach the final number.]

槽位还是首帧和尾帧的那两个，这里变的只是你在中间写什么。

1. 1

   把首帧丢进来

   检查立刻在你的浏览器里跑完。合格的文件亮一行绿色；不合格的会在你花钱之前把修法给你。

   检查不要钱
2. 2

   如果你知道结尾，再加一张尾帧

   一张图就够了 —— Wan 3.0 会自己决定镜头走向。再给一张，它就成为收尾那一帧。

   可选
3. 3

   说什么在变，不是说那里有什么

   Wan 3.0 已经看得见这些图了。请描述它们之间的运动、镜头，还有声音。

   声音写在同一个字段里
4. 4

   设长度和分辨率，然后生成

   2 到 30 之间的任意整数秒，30 fps，480P、720P 或 1080P，返回一个把音频装在里面的 MP4。

   最高 1080P

短片子大约九十秒，跑的时候你可以关掉标签页。上传的照片永远不会被改动 —— 产出是一个新文件。