兩百五十四個字元，因為第一個影格已經把其餘的都說完了。
這個庫裡最短的一段提示詞，而它短是有理由的，不是因為偷懶。一個第一影格已經帶著那隻生物、那片森林、那道光、那組色彩和那種風格 —— 所以上面每一個字要嘛是多餘的，要嘛更糟：是一個模型必須拿去和眼前那張圖調和的第二意見。剩下要寫的，只有影格裝不下的那一樣東西：什麼在動。
阿里巴巴為這個模型公布的示例 —— 不是在本站生成的。 來源：wavespeed.ai
Output reference
影片1 支免費 · WAN 3.0 · 480P1 支免費 · WAN 3.0 · 480P · 3 秒 · 帶聲音
片子擺在做出它的那條提示詞旁邊，整條印出來。把它複製進上面的控制台，改你需要改的，然後生成。
參考產出
影片四個改變加一個鏡頭運動。沒有生物描述、沒有森林描述，一個風格詞都沒有。
The dragon slowly opens its eyes, leaves move from its breathing, glowing particles float around the forest, the ranger slowly steps forward and reaches out a hand. The camera slowly circles around both characters revealing the enormous scale difference.
Wan 3.0 讀的是一整條白話字串，但它是順著接縫讀的。拿走一層，而不是整條提示詞 —— 美學和聲音那兩行幾乎能換到任何主體上，而它們正是大多數人寫得最差的兩行。
The dragon … the ranger
定冠詞，不做描述。`the` 告訴模型這些是畫面裡已經有的東西；`a dragon` 則會邀請它再生出第二隻。
around the forest
三個字，而且只是因為那些粒子需要一個待的地方。那個影格就是場景。重新描述它，正是一段圖片轉影片提示詞和自己的參考圖打起來的方式。
slowly opens its eyes, leaves move from its breathing, glowing particles float … steps forward and reaches out a hand
四個改變，從最小排到最大，而其中一個 —— 葉子因為牠的呼吸而動 —— 是一個二階效果。點名一個結果，就是讓模型去把原因動畫化的方法。
The camera slowly circles around both characters revealing the enormous scale difference.
一個帶著目的的運動。「Revealing the enormous scale difference」告訴模型這個環繞是為了什麼，而那對半徑和高度的約束，遠比一個數字有效。
沒寫 —— 留給模型。
不存在，而且是對的。那張參考影格就是風格表。一個風格詞放在這裡會和畫面競爭，而在邊緣地帶通常是畫面輸。
沒寫 —— 留給模型。
沒寫。一片森林加一隻在呼吸的龍，已經夠模型編出一些說得過去的東西，但那個呼吸才是重要的聲音，而它沒有被點名。
哪些改動是安全的。多數庫只發布這一份清單，這也是為什麼那麼多複製來的提示詞跑出來比原作還差。
「Leaves move from its breathing」是這段提示詞裡最好的一句。它從來沒說那隻龍在呼吸 —— 它點名一個看得見的效果，讓模型自己倒推回原因。那讀起來有生命的程度，是「the dragon breathes」做不到的，而且它可以移植到任何東西上：蒸氣彎折、灰塵揚起、布料落定。
一個有明確任務的環繞。換掉它要揭示的東西 —— 那位遊俠的臉、那片空地的縱深、龍後面有什麼 —— 同一個動詞就會產生一條不同的路徑，而你不必去指定半徑、高度或方向。
沒有鱗片、沒有顏色、沒有燈光、沒有鏡頭、沒有類型。加上任何一個，你就是在要求模型把你的字和一張已經不同意的影格調和起來。一次圖片轉影片執行出錯，最常見的方式就是一段去描述畫面的提示詞。
眼睛，然後葉子，然後粒子，然後那位遊俠。從最小到最大，這讓五秒能夠堆疊起來。把遊俠放到最前面，龍的甦醒就變成一個反應，而不是那個事件。
三種把它弄壞的方式
Wan 3.0 把首／尾影格和參考家族視為互斥，混用會直接以 `InvalidParameter` 被拒。這是建構出一個不可能成功的請求最容易的一種方式，而且那個拒絕是在排完隊之後才抵達，不是在之前。
在一張已經顯示著一隻龍的影格旁邊寫「a large green scaled dragon」，等於給了模型同一件事實的兩個來源。在它們不一致的地方，它會取平均，而平均出來的細節，正是大家怪罪模型的那種糊。
一次圖片轉影片執行是從你的影格出發，並且和它保持連續。第二個地點沒有東西可以連續，所以模型要嘛忽略那個指示、要嘛用溶接 —— 而五秒裝不下一次溶接。
兩百五十四個字元，對上兩萬字元的上限。這段提示詞用掉大約百分之一的額度，而它是這個庫裡寫得最好的東西。
理由是：圖片轉影片和文字轉影片是不同的工作，而多數人把它當成同一份工作加了一張圖來寫。在文字轉影片裡，提示詞是唯一的真實來源，所以它必須承載實體、場景、運動、美學和風格。在圖片轉影片裡，那個影格已經承載了實體、場景、美學和風格 —— 而且比散文詳細得多，也沒有歧義。影格承載不了的是時間。所以提示詞剛好只有一份工作：說什麼在變。
看看這段文字拒絕做什麼。它從來沒說那隻龍是綠的、大的、有鱗的。它對森林的描述沒有超過安置粒子所需的那三個字。它沒給鏡頭、沒給調色、沒給類型、沒給氛圍。這裡面每一樣都會是一個關於已經定案的事情的第二意見，而當提示詞和參考影格不一致時，模型不會挑一個贏家 —— 它會內插。內插出來的細節是軟的，而軟細節正是大家說一次執行「看起來很 AI」的時候在講的東西。
那四個改變是從最小排到最大的：眼睛、葉子、粒子、走進畫面的遊俠。那個排序，正是讓五秒感覺像在堆疊而不是一次全部發生的原因。它同時也悄悄是一次尺度的升級 —— 一片眼皮、然後是枝葉、然後是空氣、然後是一個橫過畫面的人 —— 而那和西洋棋那段提示詞用表情做的，是同一個結構性的動作。
最好的是第二句。「Leaves move from its breathing」從來沒要求那隻龍呼吸。它點名一個看得見的結果，把原因留成隱含的，這就逼著模型為了合理化那個效果而去產生那個原因。那是一個可靠的技巧，而且可以推廣：蒸氣在鍋上彎折、灰塵從路面揚起、一件外套在人停下之後落定。點名效果，你得到運動；點名運動，你得到那個詞的動畫。
鏡頭那一行用另一種register做同一件事。「Slowly circles around both characters revealing the enormous scale difference」在一個運動上掛了一個目的。Wan 3.0 沒有環繞半徑或鏡頭高度這種參數，而把數字寫進散文裡也不會生出參數來 —— 但「revealing the scale difference」暗示了一個夠寬的弧線和一個夠低的角度，好把兩個身體都留在畫面裡，而那正是那些數字本來要做的事。
重跑時唯一該加的是聲音。一隻在安靜空地上呼吸的龍，是一份會自己寫出來的音效設計 brief，而 Wan 3.0 是在和畫面同一次執行裡生成聲音的 —— 這意味著一句聲音指示同時也是一條時間指示。「A low slow breath under forest ambience, no music」會把那個呼吸放在一個具體的位置，而不是留給模型，而那個呼吸正是整支影片建立在上面的那個節拍。
最後，是這個模式上專門會絆倒人的那條限制：一個第一影格和一張參考圖不能出現在同一個請求裡。Wan 3.0 把關鍵影格家族和參考家族視為互斥，並且拒絕這個組合。如果你想要龍來自一張圖、遊俠來自另一張，那是參考圖生影片，而它就是這一頁上接下來的兩個範本。
這裡的一切都在圖片轉影片裡跑。
因為那個影格已經帶著主體、場景、光線和風格。留給文字的只剩下「隨時間改變的是什麼」。
不該。在你的字和影格不一致的地方，模型會內插，而內插出來的細節是軟的。用定冠詞 —— 「the dragon」—— 去指向已經在那裡的東西。
不行。Wan 3.0 會用 `InvalidParameter` 拒絕這個組合。關鍵影格和參考是兩個家族，一個請求只能用其中一個。
點名一個結果，不要點名一個動作。「Leaves move from its breathing」產生的是呼吸；「the dragon breathes」產生的是一個上下起伏的胸腔。
可以 —— 首影格和尾影格屬於同一個家族，可以同行。那會把提示詞變成一份「兩個固定點之間那條路線」的描述。
這裡有一個 —— 「slowly」。給一個運動一個速度和一個目的就夠了；兩個都不給，才是一條鏡頭指示停止約束任何東西的地方。
由 wan-3.run 編輯團隊撰寫與維護發布於 最後更新