讓一張照片動起來：Wan 3.0 圖片轉影片

第 001 格 · 你的

002003004005

由你描述的內容生成

Wan 3.0 圖片轉影片把一張圖片當作開場那一格，從它出發生成 2 到 30 秒的運動，30 fps，480P、720P 或 1080P，音訊在同一次生成裡。再給一張圖片，它就成為收尾那一格，中間那段路由模型補上。

你的照片就是第一個影格

001

你的照片就是第一個影格

任意整秒

2–30 秒

任意整秒

影格率

30 fps

影格率

解析度

480P / 720P / 1080P

解析度

• 不收 HEIC —— iPhone 的預設容器不在接受清單裡
• 不收透明 —— PNG 的透明通道是被拒，不是被壓平
• 參考圖不能和首影格同時出現 —— 這兩族互相排斥

• 只給首影格

  first_frame
  

  一張照片作為首影格。你的影片從你的圖片開場，並從那裡往前走。當你已經有了開場鏡頭、想看看 Wan 3.0 接下來會拿它做什麼時，用這個。

  怎麼寫

  描述接下來發生什麼，不要描述畫面裡已經有什麼 —— Wan 3.0 已經看得見那張圖了。文字轉影片沒法保證產出和你的照片有任何相似之處，而這正是你在這一頁的理由。

  試這條

• 首影格 + 末影格

  first_frame + last_frame
  

  兩張照片，一個起點一個終點。Wan 3.0 把中間那段路補上。當你確切知道這個鏡頭從哪開始、又必須落在哪裡時用它 —— 產品轉一圈、前後對比、場景切換。

  怎麼寫

  只給首影格時，是 Wan 3.0 決定終點，而它猜不到你的結尾。如果兩張圖差得很遠，請把中間發生什麼用足夠多的字說清楚，否則它會自己發明一個轉場。

  試這條

有一條硬規則：影格那一族和參考那一族不能混。在同一個請求裡既發首影格又發參考圖，Wan 3.0 會直接拒絕，而不是替你挑一個 —— 要把同一個角色帶過好幾個鏡頭，那是參考圖生影片。完全沒有來源圖？從文字開始。更多做好的設定寫在提示詞範例裡。 而當不許動的是整個畫面本身 —— 一塊螢幕、一個房間、一張數字表 —— 那屬於另一類鏡頭。

圖片轉影片用的是那張圖本身。 你的照片會成為首影格，模型從那裡往前走，所以影片裡的主體就是你上傳的主體。網址轉影片從不碰那張圖。 它讀的是頁面說了什麼，再據此生成全新畫面，頁面上的東西一樣都不會出現在成片裡。要讓東西看起來就是你的東西，用前者；手上只有一個頁面、沒有拍攝，用後者。

1. 01

   你有檔案

   丟進頁面最上方那個框。這一頁的檢查器會在你花掉一格額度之前，指出哪一條限制會擋下它。

2. 02

   你有連結

   網址轉影片收一個公開網址，讀它背後那一頁。它自己的檢查免費，也不需要帳號。

3. 03

   兩者都沒有

   文字轉影片只從一段寫好的提示詞出發，一樣是三十秒，一樣在同一趟裡把聲音寫出來。

改從一個頁面開始

網址轉影片是連結那條路，文字轉影片是提示詞那條路。三條跑的都是同一個 wan3.0-video，每秒單價相同。
你的瀏覽器打得開的連結，不等於模型抓得到：算圖發生在另一張網上。連結檢查器會指出那張網上已實測拒收的主機。

阿里巴巴把更舊的圖生影片文件一直掛著、也一直被索引著，而它排名很好，因為它在那兒的時間更長。兩個頁面都準確；只有一個說的是 Wan 3.0。辨別的記號是模型 id —— 如果那一頁上任何地方寫著 wan2.1、wan2.2 或 kf2v，它的數字就不是這個產生器用的那一套：那份文件給的是 800 提示詞字元、360–2,000 px、10 MB 和固定五秒，而 Wan 3.0 是 20,000 字元、240–8,000 px、20 MB，以及 2 到 30 之間的任意整數秒。

同一張輸入照片 · 兩句提示詞

輸入

大衣的織紋變了，髮際線也移了。提示詞裡沒有任何一句說它們不該變。

跑這一條

同樣的運鏡，同樣的長度，同樣的種子條件。唯一的改動就是那一句約束。

跑這一條

它們之間唯一的差別

主體 —— 紅色羊毛大衣、深色齊瀏海、左手一枚銀戒 —— 全程保持同樣的臉、頭髮、服裝和顏色；只有鏡頭和描述過的運動會變。

形象鎖定

把不許變的東西打出來 —— 一個顏色、一個標誌、一張臉。名詞越具體，Wan 3.0 就越少去重新解釋它。

會接在你提示詞的末尾

主體全程保持同樣的臉、頭髮、服裝和顏色；只有鏡頭和描述過的運動會變。

加進提示詞

這件事的長版本 —— 漂移從哪兒來、那一句約束能保住什麼、又保不住什麼 —— 在角色一致性上。如果這個主體必須活過好幾個分開的鏡頭而不是一支長鏡頭，那是另一種模式：參考圖生影片能收同一個角色最多十張圖，並讓它跨多次生成保持住。它不能在同一個請求裡和首影格組合。 鎖住一塊螢幕而不是一張臉，是同一條指令放大一號。

這就是上面首影格和末影格的同一套機制，只是對準了更難的一種情況：你要Wan 3.0 圖片轉影片只改一塊地方，其餘全部留在原位。

• 數字在跳，介面一動不動

  銷售額從 100.00 一路跳到 30,197.00，而側邊欄、圖表座標軸、欄標題全部釘死。這就是很多人想用螢幕錄影拍表格來湊的後台數據動態，而它多半會失敗 —— 因為錄影裡有游標。

  你提供

  同一塊螢幕兩張：一張小數字，一張大數字。

• 一塊還不存在的介面

  開發還沒做完、或者手上沒有可錄影的裝置時就要交的應用程式示範影片。所謂樣機影片，就是一張靜態圖加一個終點 —— 選單展開、面板填滿、開關撥過去 —— 而鏡頭始終不動。

  你提供

  從設計稿匯出的兩張圖。不需要原型、不需要外掛、不需要螢幕錄影。

• 房子不動，東西進來

  從空房到家具齊全，從毛胚牆到完成面。不許動的是建築本身，其餘都可以動。

  你提供

  同一機位拍的改造前和改造後兩張照片。

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.]

欄位還是首影格和末影格的那兩個，這裡變的只是你在中間寫什麼。

1. 1

   把首影格丟進來

   檢查立刻在你的瀏覽器裡跑完。合格的檔案亮一行綠色；不合格的會在你花錢之前把修法給你。

   檢查不用錢
2. 2

   如果你知道結尾，再加一張末影格

   一張圖就夠了 —— Wan 3.0 會自己決定鏡頭走向。再給一張，它就成為收尾那一格。

   選填
3. 3

   說什麼在變，不是說那裡有什麼

   Wan 3.0 已經看得見這些圖了。請描述它們之間的運動、鏡頭，還有聲音。

   聲音寫在同一個欄位裡
4. 4

   設長度和解析度，然後生成

   2 到 30 之間的任意整數秒，30 fps，480P、720P 或 1080P，回傳一個把音訊裝在裡面的 MP4。

   最高 1080P

短片子大約九十秒，跑的時候你可以關掉分頁。上傳的照片永遠不會被改動 —— 產出是一個新檔案。