Wan 3.0 视频转提示词
把任何一条片子读回成词

在这个词上排名靠前的那些工具，一次收两到十个积分，而且积分包得在你看到任何东西之前先买。这一个不用账号每周给你一次，有账号每周三次，之后才开始收钱 —— 五个积分，是你在这里能生成的最便宜那条 Wan 3.0 片子的八分之一。

每一次运行都要解你的画面、转写音频，再让一个视觉模型看一遍结果 —— 所以和隔壁那个提示词生成器不同，这一个是计量的。价钱在你按下按钮之前就印在按钮上，这和一个先说「免费」、到第四次再拒绝你的工具正好相反。

开始不要卡，这里也没有什么会突然计费：提取器把自己的价钱印在按钮上，而失败的一次会把次数还回来。

1. 主体主体，描述成一样 Wan 3.0 能重拍的东西，而不是一句图注。
2. 场景地点、时辰，以及光从哪里来 —— 提示词把它留空时，Wan 3.0 会自己发明的那一层。
3. 运动什么在动、动多远、多快 —— 静止也算作一个选择。
4. 美学控制景别、运镜、看上去的焦段和景深 —— Wan 3.0 执行得最字面的那一层。
5. 风格化一个具名的风格，只在素材明显带着一个时才给。
6. 声音语音、音效、环境声和配乐 —— 以及静默，在它是刻意的时候。
7. …压平成一整段Wan 3.0 收的是一条白话提示词，所以这些层次是这块面板的标签，从不到达模型。

• 风格

  style
  

  调色、光、质感 —— 在任何东西动起来之前的那个观感。

• 构图

  composition
  

  构图与调度：东西摆在哪儿，眼睛怎么走。

• 运动

  motion
  

  编排与镜头路径，写成一个带幅度和速度的运镜 —— 那是 Wan 3.0 唯一会执行的运镜语法。

• 声音

  sound
  

  让它听上去很贵的那份混音，按 Wan 3.0 收的方式拆开。

• 角色

  character
  

  画面上是谁 —— 也是唯一一个从征得同意开始的目标。

  肖像界线，见下

一段舞蹈片和一支香水广告也许共用一种调色，但你读它们的理由正好相反：前者读它的运动，后者读它的光。如果你真正想要的是保住原来的构图或原来的配乐而不是把它描述出来，那就到此为止，把文件本身交给参考生视频 —— Wan 3.0 一个请求能带最多五段参考片段，而一份拷贝每一次都胜过一段描述。

这一个会听，并且把听到的东西拆成三份 —— 因为 Wan 3.0 是把音频和画面在同一次生成里做出来的，所以提示词同时也是声音说明。后两者之间的判据只有一个问题：片子里的人听得见它吗？

• 

  对白

  人们真正说出口的那些词，转写出来，放进它们所属那个镜头的大括号里。谁说的、怎么说的留在大括号外面的散文里。

  {雨停了。}
• 

  声景

  场景自己产生的一切：雨打在雨棚上、刀落在案板上、两条街外的车流 —— 每一样都带一个距离和一个落点。

  sound
• 

  配乐

  只有观众听得见的东西：乐器、速度、从哪里进来、在哪里收住。一条一点都没有的片子，回来时会这么说，而「不要音乐」本身就是一条 Wan 3.0 会照办的指令。

  music

对声音一句不说，Wan 3.0 照样会生成一些 —— 由模型自己挑。这就是「从参考里把它读出来，而不是把这个字段留空」的理由。

• 它会读的最长 60 秒的源

• Wan 3.0 生成的2–30 秒，30 fps

它找到的节拍画在一条你可以点的条带上，所以机器的品味只是一个建议，不是一个决定。

这条提示词是纯文本，而且是你的 —— 粘到任何地方都行。但从这里出发最短的一条路，是结果面板里那个按钮：它会把提示词带进本站一个真正的 Wan 3.0 生成器，长度和画面比例已经设成你读它时用的那一套。

1. 01

   读它，然后改它

   每一段都由你改，而检查会对着你留下的东西重新跑。

2. 02

   按面板里那个按钮

   提示词、长度和比例一起过去，所以什么都不用重打。

3. 03

   生成

   这一步需要一个账号，而它上面的第一条片子不要钱：Wan 3.0 本体，480P，最长三秒，带声音。

打开文生视频

一条提示词是一段描述，而一段描述是刻意有损的。如果目标是保住原件，而不是照着它的精神重做一个，那么文件本身才是更好的输入。

• 从它身上学

  这条片子为什么好看？本页

• 做一条像它的

  一条带着它精神的新片子本页

• 手上没有片子

  只有一个想法、没有素材 —— 而且没有计数器提示词生成器

• 保住它

  留住构图、主体或者配乐参考生视频

• 改动它

  给真实素材重新配音，或者把它接下去视频转视频

既没有片子也还没有想法？做好的提示词，印全了，就摆在它们做出的片子旁边。