Wan 3.0 提示詞指南
一段 Wan 3.0 提示詞會被當成一顆連續鏡頭來讀，分層讀，而你留空的每一層，模型都會替你填。也就是說，一支回來不對的影片，解法幾乎從來不是一段更長的提示詞，而是把你交給運氣的那一層講出來。
整個形狀在這裡。再往下的每一段都是這六行之一，附上它出自哪條規則、以及那條規則是哪一天核對的。
Subject 誰或什麼，用你希望它保持的樣子描述
Scene 發生在哪裡，以及光在做什麼
Motion 第一秒到最後一秒之間有什麼改變
Camera 鏡頭在哪裡，會不會動
Sound 一句台詞、一個音效、一段配樂 —— 任一種，或都不要
Reference Image 1、Video 1、Audio 1，如果你有附任何東西把那段貼進 Wan 3.0 提示詞產生器，它會用阿里巴巴自己的句式把各層填好 —— 免費、不用帳號、沒有每日上限。或者你自己寫，然後用這一頁逐層對照。
你留空一層的時候，Wan 3.0 會做什麼
兩組配對，2026-09-07 在這裡跑的。每組內部同一個種子，改寫器關掉，480P 五秒，而兩段提示詞之間唯一的差別就是刪掉 Camera 那一行和 Sound 那一行。
| 有寫 Camera 和 Sound | 兩行都刪掉 | |
|---|---|---|
| 咖啡杯，種子 71547 | 取樣的二十個影格構圖都守住 | 構圖整支都在飄 |
| 懷錶，種子 88213 | 俯拍特寫，照要求 | 平視四分之三視角 —— 同一個場景的另一顆鏡頭 |
| 杯子，音量 | 平均 −47.5 dB，峰值 −35.9 dB | 平均 −16.8 dB，峰值 −2.2 dB |
| 懷錶，音量 | 平均 −31.5 dB，峰值 0.0 dB | 平均 −28.4 dB，峰值 −4.9 dB |
其中兩條在兩組配對裡都成立，而且兩條都值得拿來當寫提示詞的依據：
- 刪掉 Camera 那一行，你拿到的不是一個中性的鏡頭，是別人的選擇。 在懷錶那組，那個選擇是一個完全不同的角度 —— 俯拍變成平視，那是重新調度的另一顆鏡頭，不是同一顆的變體。
- 刪掉 Sound 那一行，你還是會拿到聲音。 兩支沒寫聲音的影片回來都不是靜音的。如果一段沒要求的配樂對你的交付是個問題，Sound 那一層就是你攔下它的地方。
有一條沒有成立，而在你依賴它之前值得知道。「只要安靜的空間音，不要配樂也不要人聲」不是一個音量控制。 它在杯子那組把平均音量壓掉 31 dB，在懷錶那組只壓掉 3 dB，而那支要求安靜的懷錶影片，峰值仍然頂到滿刻度。Sound 那一層要寫的是該聽到什麼，不要指望它講多大聲。
「鏡頭不移動」也沒有成立。 兩支要求鎖定畫面的影片都還是在飄。在這兩組配對裡，Camera 那一行穩定地買到了角度，一次都沒買到鎖定。
兩組配對就是兩組 —— 夠拿來報告發生了什麼，不夠拿來替每一種題材定一條規則。種子和設定都在上面，所以同一個測試在你自己的 Wan 3.0 brief 上大約一分鐘就能跑一遍。
你的 Wan 3.0 提示詞在執行之前會被改寫
有一個參數會改變這裡其他每一條規則的行為，而除非你把它關掉，它都是開著的。prompt_extend 預設為 true，而在它開著的時候，會有一個大型語言模型先把你打的字重寫一遍，影片模型才看得到任何東西。
有兩件事跟著發生，而兩件今天就值得處理：
- 同一段提示詞跑兩次，不是同一段提示詞。 進去的是兩次改寫，所以進去的是兩份 brief。如果你第二次嘗試回來構圖不一樣、而你什麼都沒改，通常就是這個原因。
- 一份單薄的 brief 得到最多，也控制得最少。 擴寫一段短提示詞，正是那個改寫器存在的目的。你給它三個字，它會把另外四十個編出來。你把六層都給滿，它能編的就很少了。
所以當你在比較一顆鏡頭的兩個版本時 —— 兩種鏡頭運動、兩套服裝 —— 先把改寫器關掉。否則是三樣東西變了，而你只看得到兩樣。
固定種子也救不了這個比較。阿里巴巴自己對 seed 的說明寫著：即使同一個值，結果也可能不會完全相同 —— 所以「同一段提示詞、同一個種子」是兩個軟主張，不是一個硬主張。
怎麼寫出 Wan 3.0 會演出來、而不是唸出來的對白
聲音是和畫面在同一次執行裡生成的，這就是為什麼一句口說台詞屬於提示詞，而不屬於一個你事後去錄的檔案。把聲音關掉不會讓影片變便宜，所以不寫它一毛錢也省不到。
阿里巴巴公布了公式：
Voice = Character's lines + Emotion + Tone + Speed + Timbre + Accent它自己的實作範例用的是雙引號：
He says, "Study hard and make progress every day," in a relaxed tone.
超過一個講話的人時，先點名、再引話：
[Character A: Black-suited Agent]
[Black-suited Agent, angrily]: "Where is the truth?"如果你以前在這裡讀過大括號那條規則，那條寫得太強了
這個網站上曾經有七個頁面說，大括號是唯一把口說台詞和旁白分開的東西，而引號會讓一句話被唸成畫外音。大括號確實有用。「唯一」不對，關於引號那部分也不對 —— 阿里巴巴自己發布頁上的對白示範，有五個從頭到尾沒用任何大括號。2026-09-04 更正。
實際決定一句話會不會被演出來的是三件事，而你挑哪種括號不是其中之一：
- 把台詞逐字寫出來。 一句關於某人說了什麼的摘要，回來會是旁白。你要被聽到的那些字，必須以那些字的樣子出現。
- 讓它和描述分開。 一句埋在關於房間的句子裡的台詞，會被讀成房間的一部分。
- 把它掛在一個畫面上看得見的人身上。 一個畫面上沒有身體的聲音，是對白變成畫外音最常見的單一原因。
讓你的提示詞指向你附上去的素材
在參考模式下，提示詞可以用編號稱呼一個附件 —— Image 1、Video 1、Audio 1 —— 而編號是分類型各自計數的，所以圖片和影片各自從一開始數。
寫錯了不會報錯。請求照跑、照收錢，然後模型把你以為自己提供過的那個主體編出來。那個沉默才是貴的部分。
一次請求最多收 10 張參考圖、5 段合計 15 秒的影片、5 段合計 15 秒的音訊，外加一個最多 50 頁的文件或一條公開網址（二選一）。
參考素材和首／尾影格不能同行。 同時帶兩者的請求會被拒 —— 而且是排完隊之後才被拒，所以你是等到那個失敗的。動筆之前先挑家族：你確切知道鏡頭怎麼開場怎麼收尾時用關鍵影格，你需要一張臉、一件商品或一組配色撐完整支影片時用參考素材。
Wan 3.0 沒有的三個控制項
目前在這個模型上排得上名的指南，三個都描述過。沒有一個在請求結構裡，而寫一段依賴其中之一的提示詞，就是一個下午消失的方式。
| 你可能讀過的 | 結構裡實際有的 |
|---|---|
| 一個六鏡頭的導演模式 | 沒有鏡頭數參數，也沒有 AI 導演模式。多鏡頭是提示詞要求得來的，永遠不是某個設定保證的 |
| Identity Lock，跨工作階段守住一個角色 | 兩次生成之間什麼都不會被記住。沒有跨工作階段的鎖；參考素材每一次請求都要重送 |
| 一條你可以打關鍵格的攝影機軌道 | 鏡頭運動是在 Camera 那一層用文字描述的，而且每一次生成各自詮釋 |
實務版本：你要的鏡頭數是一個請求，不是一份合約。 描述分明的節拍，它通常會在它們之間切。要求一顆連續鏡頭，它通常會守住。兩者都是你在操舵的傾向，而它們背後完整的參數表在 Wan 3.0 參數規格頁上。
Wan 3.0 什麼時候需要把思考打開
如果你的提示詞指向一個文件或一個網頁，enable_thinking 必須是 true，否則模型根本不會打開它。請求照樣成功、照樣收錢 —— 它只是從你的文字生成，然後忽略那個附件，而那看起來和一段爛提示詞一模一樣，但它不是。
它被描述成在第一格算出來之前，先對構圖、調度和運動進行推理，這也讓它值得在一段連續動作裡的一連串事件上試試看。阿里巴巴自己的建議是：沒有附文件或連結時就關掉它。這件事有四個各自獨立的 API 閘道一致記載，也出現在阿里巴巴自己的請求範例裡，但還沒進英文版文件 —— 所以把它當成可靠，而不是確定。2026-09-02 讀取。
照回來的東西，決定該改提示詞的哪一行
| 你拿到的 | 空著的那一層 | 該改什麼 |
|---|---|---|
| 主體在第三個節拍就飄了 | Subject | 在提示詞最後把外觀條款再講一遍，點名頭髮、服裝和顏色 |
| 那句話是唸的，不是說的 | Sound | 逐字引起來，並且掛在一個畫面上的人身上 |
| 它切到一個你從沒要求過的角度 | Motion | 描述一個連續動作，而不是一串節拍 |
| 你的文件或連結沒有任何作用 | — | 思考關著。提示詞裡沒有別的東西會造成這個 |
| 沒有任何東西像你的參考照片 | Reference | 用 Image 1 稱呼它，而且分類型計數 |
| 帳單是你預期的四倍 | — | 不設的話解析度預設 1080P。用 480P 打草稿，畫面是四分之一的價錢 |
| 同一段提示詞跑兩次看起來毫不相干 | — | 兩次改寫器都開著。比較之前先關掉它 |
已經產出過影片的 Wan 3.0 提示詞
讀一條規則比讀一段有用過的提示詞慢。Wan 3.0 提示詞範例庫裡的每一則，都完整印在它產出的影片旁邊，照這同樣六層拆開，附上你可以動的那些槓桿，以及已知會弄壞它的那些改動。當你不確定的是自己 brief 的形狀時從那裡開始，當你知道是哪一層不對時回到這裡。
把一段提示詞弄對要花多少錢
把一段提示詞弄對要試幾次，而最便宜的試法是在 480P，那裡一秒的價錢是 1080P 的四分之一，而聲音一模一樣。在 480P 把用字調好，等節拍守住了移到 720P，只在你要留的那一支上花 1080P。
你可以在這裡測一段修正過的提示詞，不用信用卡：第一支免費 —— 480P、3 秒、有聲音，跑在每一個付費方案都在跑的同一個 wan3.0-video 上。 不是試用引擎，也不加浮水印。當某一段提示詞值得跑完整長度時，方案年付每月 $12.90 起，而且每一個方案都碰得到三種解析度和完整的三十秒。拿那段修正過的提示詞去跑一次。
常見問題
怎麼寫出一段好的 Wan 3.0 提示詞？
點名六件事：主體、場景、運動、鏡頭、聲音，以及任何參考素材。你留空的，模型都會替你填，所以一層沒點名，就是一層由它替你決定。長度不是那個槓桿 —— 一段六層都點名的 40 字提示詞，勝過一段少了兩層的 400 字提示詞。
我的 Wan 3.0 影片為什麼和提示詞不一樣？
最常見的原因是，在影片模型讀到它之前，有一個語言模型把提示詞重寫了。prompt_extend 預設是開的，而它對單薄的 brief 擴寫得最多。把六層都寫出來，或是把改寫器關掉，你打的字和你拿到的東西之間的落差就會收起來。
Wan 3.0 的對白需要加大括號嗎？
不需要。大括號有用，而阿里巴巴自己範例裡從頭用到尾的雙引號也有用。要緊的是那句話逐字出現、和描述分開，而且屬於一個畫面上看得見的人。
我可以跟 Wan 3.0 要一個特定的鏡頭數嗎？
你可以要，而沒有任何參數會守住它。結構裡沒有鏡頭數、也沒有導演模式，所以描述分明的節拍是一個很強的暗示，不是一個設定。
一段 Wan 3.0 提示詞可以多長？
最多 20,000 字元，中文或英文。超過的部分是被安靜截斷，不是被拒絕 —— 如果你會整份 brief 貼進去，這件事值得知道。
Wan 3.0 為什麼忽略了我的 PDF？
因為思考關著。一個文件或一條連結需要 enable_thinking 設成 true；沒有它，請求照樣跑、照樣收錢，而那個附件從來沒被打開過。
由 wan-3.run 編輯團隊撰寫與維護發布於 最後更新