Wan 3.0 za darmo online – generator wideo AI
Napisz prompt jak reżyser, zacznij od pierwszej klatki albo użyj jako referencji do 10 obrazów i 5 klipów, a Wan 3.0 zwróci jeden klip od 2 do 30 sekund z głosami, muzyką i efektami już zmiksowanymi. Renderuj w 480p, 720p lub 1080p. Zacznij tworzyć z Wan 3.0 w Yovid.
Zobacz, co potrafi Wan 3.0
Dlaczego warto wybrać Wan 3.0 w Yovid
- Cała 30-sekundowa historia w jednej generacji: Ustaw dowolną długość od 2 do 30 sekund i otrzymaj początek, rozwinięcie i zakończenie w jednym klipie.
- Jedno ciągłe ujęcie reżyserowane promptem: Rozpisz tor kamery i tempo moment po momencie, a Wan 3.0 utrzyma jedno ujęcie bez cięć.
- Głosy, muzyka i efekty w tym samym przebiegu: Dialogi, piosenki i efekty dźwiękowe powstają razem z obrazem, z synchronizacją ust i w wielu językach.
- Do 10 obrazów i 5 klipów jako referencje: Utrwal ludzi, stworzenia, produkty i miejsca w zestawie referencji, a potem reżyseruj je słowami.
- Postacie wierne projektowi nawet w pełnym pędzie: Futro, kostiumy i rekwizyty pozostają spójne przez 30 sekund pościgów, upadków i walki wręcz.
- Wszystkie ustawienia Wan 3.0 w jednym miejscu: Pięć proporcji plus adaptacyjne, trzy rozdzielczości, 2–30 sekund i trzy sposoby na start.
- Niski koszt za sekundę, dźwięk w cenie: Ok. 2,4 kredytu na sekundę w 720p, ta sama cena z dźwiękiem i bez.
Cała 30-sekundowa historia w jednej generacji
Wan 3.0 trwa dwa razy dłużej niż 15 sekund Wan 2.7, co zostawia miejsce na ujęcie otwierające, narastanie energii, kulminację i spokojne zakończenie. Klip poniżej trwa pełne 30 sekund z jednego promptu tekstowego – od lotu przez chmury po festyn i powolne oddalenie – bez żadnych obrazów referencyjnych.
W Yovid długość wybierasz suwakiem – dowolną całkowitą liczbę sekund od 2 do 30. Dopracuj pomysł na 5 sekundach, a pełne 30 przeznacz na wersję, którą chcesz zachować, bo każda dodatkowa sekunda jest płatna.

Jedno ciągłe ujęcie reżyserowane promptem
Długość pomaga tylko wtedy, gdy kamera dobrze się zachowuje. Tu prompt wyznacza trasę przez teatr (korytarz garderób, wieszaki z kostiumami, kulisy, scena) i tempo każdego odcinka, a model utrzymuje jedno 24-sekundowe ujęcie: sprint między ekipą, nagłe zatrzymanie w kulisach i kurtyna podnosząca się przed pełną widownią.
Momenty z czasem, takie jak „0–7 s” i „12–14 s”, dają najczytelniejsze instrukcje. Wan 3.0 w Yovid przyjmuje prompty do 10 000 znaków, więc zmieści się cała lista ujęć z dialogami.

Głosy, muzyka i efekty w tym samym przebiegu
Dźwięk jest domyślnie włączony. Wan 3.0 buduje ścieżkę dźwiękową razem z klatkami, więc każda kwestia trafia we właściwe usta, każdy krok w rytm, a muzyka zmienia się wraz z cięciem. W tej demonstracji jeden wokalista rapuje ten sam refren w ośmiu językach, m.in. po angielsku, mandaryńsku, japońsku, koreańsku, tajsku i arabsku, przez cały czas z tą samą twarzą, strojem i głosem.
Wypowiadane kwestie ujmij w cudzysłów i napisz, kto i w jakim języku je mówi. Dźwięk w Wan 3.0 jest darmowy: cena w kredytach jest taka sama z dźwiękiem i bez.




Do 10 obrazów i 5 klipów jako referencje
Przełącz kreator na referencje, a Wan 3.0 przyjmie w jednym żądaniu do 10 obrazów i 5 klipów wideo od 1 do 15 sekund. Daj każdemu plikowi jedno zadanie i nazwij go w prompcie: @Image 1 dla osoby, @Image 2 dla miejsca, pozostałe dla postaci lub rekwizytów.
Ta demonstracja użyła dziewięciu obrazów: jednej młodej kobiety, jednego ogrodu lotosów i siedmiu stworzeń – każde narysowane w 2D i wymodelowane w 3D. Jej twarz pozostaje taka sama od pierwszej do ostatniej klatki, a stworzenia wychodzą z płaskich rysunków i stają się trójwymiarowe.










Postacie wierne projektowi nawet w pełnym pędzie
Szybka akcja to moment, w którym generowane postacie zwykle się rozjeżdżają. W tej demonstracji z dwoma obrazami para zwierzęcych mistrzów sztuk walki toczy 30-sekundowy sparing w zrujnowanej świątyni w jaskini – z pościgiem po schodach, starciem w zwolnionym tempie w szczycie skoku i zawalającą się półką skalną – a ich umaszczenie, szaty, ogony i miecze w pochwach pozostają zgodne z projektem.
Większość pracy wykonuje prompt: wymienia, co nie może się zmienić w każdej referencji, dzieli walkę na momenty z czasem i nazywa każdy dźwięk – od uderzeń i tkanin po spadające kamienie.
Prompt (skrócony): 30 s, 16:9, cinematic 3D animated action. @Image 1 is the only tabby-cat heroine (teal hooded cape, bronze armor, ringed tail); @Image 2 is the only male hero (blue-and-gold cloud robe). Swords stay sheathed on their backs. They spar hand to hand in a ruined cave temple: a chase up broken stairs, a one-second slow-motion clash mid-air, a collapsing ledge, a back-to-back landing in drifting petals.
Wszystkie ustawienia Wan 3.0 w jednym miejscu
Wybierz format przed napisaniem promptu, by inscenizacja była skomponowana pod niego. Gdy zaczynasz od obrazu, Wan 3.0 zachowuje jego kształt zamiast narzucać gotowe proporcje.
| Długość | Od 2 do 30 sekundDomyślnie 5 sekund. |
|---|---|
| Rozdzielczość | 480p, 720p lub 1080pDomyślnie 720p. |
| Proporcje | 16:9, 9:16, 1:1, 4:3, 3:4 lub adaptacyjne |
| Dane wejściowe | Tekst, pierwsza klatka z opcjonalną ostatnią lub referencjeReferencje: do 10 obrazów i 5 klipów 1–15 s (MP4 lub MOV, do 100 MB każdy). |
| Dźwięk | Domyślnie włączonyGłosy, muzyka i efekty; można go wyłączyć w każdej generacji. |
| Długość promptu | Do 10 000 znaków |
| Wynik | MP4 |
Niski koszt za sekundę, dźwięk w cenie
Wan 3.0 rozliczany jest za sekundę wyniku, a stawkę zmienia tylko rozdzielczość. Dźwięk, proporcje i typ wejścia jej nie zmieniają. Gdy dodasz klipy referencyjne, liczą się też ich sekundy – rozliczane jako wejście plus wyjście.
Dzięki temu długie klipy są w zasięgu: dopracuj prompt w 480p, a potem uruchom go ponownie w 1080p dla wersji, którą publikujesz.
| 480p | Ok. 1,2 kredytu na sekundęPełny 30-sekundowy klip kosztuje ok. 36 kredytów. |
|---|---|
| 720p | Ok. 2,4 kredytu na sekundęUstawienie domyślne; 5-sekundowy klip kosztuje ok. 12 kredytów. |
| 1080p | Ok. 4,8 kredytu na sekundęPełny 30-sekundowy klip kosztuje ok. 144 kredyty. |
| Klipy referencyjne | Rozliczane jako sekundy wejścia plus wyjścia10-sekundowa referencja z 10-sekundowym wynikiem liczy się jako 20 sekund. |
Dla kogo powstał Wan 3.0
Trzydzieści sekund z dźwiękiem, zestaw dziesięciu obrazów referencyjnych i niska cena za sekundę najlepiej pasują do tych zadań:
- Twórcy krótkich seriali i serii: Półminutowe sceny z dialogami i ta sama obsada utrzymana między odcinkami dzięki obrazom referencyjnym.
- Reklamodawcy i zespoły marki: Spoty produktowe i filmy marki z lektorem i muzyką, z produktem wiernym Twoim zdjęciom.
- Twórcy teledysków i filmów tanecznych: Występy, w których synchronizacja ust, rytm i cięcia powstają w jednej generacji, w jednym z kilku języków.
- Animatorzy i studia gier: Stylizowane czołówki i zwiastuny – od tuszu i akwareli po cel-shaded CG – w jednym 30-sekundowym przebiegu.
- Marketing lokali i turystyki: Klimatyczne filmy dla kawiarni, hoteli i destynacji, zbudowane wokół zdjęć, które już masz.
Wan 3.0 vs Seedance 2.5, MiniMax H3, Kling 3.0 i Veo 3.1
Każda komórka oprócz ostatniego wiersza pochodzi z ustawień, które każdy model oferuje dziś w generatorze Yovid, więc możesz porównać długość, referencje i koszt, zanim wydasz kredyt.
| Funkcja / Model | |||||
|---|---|---|---|---|---|
| Najdłuższy klip | 30 s | 30 s | 15 s | 15 s | 8 s |
| Maks. rozdzielczość | 1080p | 1080p | 2K | 4K | 4K |
| Proporcje | 16:9, 9:16, 1:1, 4:3, 3:4 | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 | 16:9, 9:16, 1:1 | 16:9, 9:16 |
| Obrazy referencyjne | 10 | 30 | 9 | — | — |
| Filmy referencyjne | 5 | 10 | 3 | — | — |
| Edycja lub wydłużenie przesłanego klipu | — | Tak | — | — | — |
| Kredyty za 5 s w 720p | 12 | 31 | 23 | 13 | 15 |
| Najlepszy do | 30-sekundowych klipów z dźwiękiem w najniższej cenie za sekundę. | Największych zestawów referencji oraz edycji lub wydłużania nagrań. | Klipów 2K do 15 sekund z kilku referencji. | Żywych 15-sekundowych klipów z postaciami do 4K. | Ośmiosekundowych ujęć głównych, do 4K. |
Kredyty to bazowe stawki pakietów kredytów za 5-sekundowy klip w 720p (lub najbliższej rozdzielczości dostępnej w modelu) i odpowiadają aktualnemu cennikowi Yovid.
Mocne strony i ograniczenia Wan 3.0
Gdzie Wan 3.0 jest najlepszym wyborem w Yovid, a gdzie lepiej sprawdzi się inny model lub narzędzie.
Mocne strony
- 30 sekund z dźwiękiem: Dwa razy dłużej niż Wan 2.7, z dialogami, muzyką i efektami bez dodatkowych kredytów.
- Cena za sekundę: Ok. 2,4 kredytu na sekundę w 720p – mniej niż połowa stawki Seedance 2.5.
- Zestaw referencji: Do 10 obrazów i 5 klipów w jednym żądaniu utrzymuje spójność ludzi, produktów i miejsc.
- Długie prompty: Przyjmuje do 10 000 znaków, więc zmieści się lista ujęć z czasami i wszystkimi kwestiami dialogu.
Ograniczenia
- Rozdzielczość: Kończy się na 1080p. Do 2K lub 4K wybierz MiniMax H3 albo Veo 3.1 lub przepuść klip przez upscaler wideo Yovid.
- Dostęp w planie: Niedostępny w planie darmowym. Odblokowuje go każdy płatny plan lub jednorazowy pakiet kredytów, łącznie z 1080p.
- Mniej wejść niż w API: API Alibaby przyjmuje też audio, dokumenty i strony internetowe oraz potrafi edytować lub wydłużać klipy; w Yovid pracujesz z tekstem, obrazami i klipami wideo.
- Tekst na ekranie: Alibaba zaznacza, że renderowanie tekstu i faktura dźwięku wciąż są ulepszane, więc tytuły i napisy dodawaj w edytorze.
Stwórz film w Wan 3.0 w trzech krokach
- Krok 1
Otwórz Wan 3.0
Zacznij od tej strony albo otwórz generator wideo i wybierz Wan 3.0 z listy modeli.
- Krok 2
Opisz scenę, dodaj dane wejściowe
Rozpisz ujęcia, dźwięk i dialogi, dodaj pierwszą klatkę lub do 10 obrazów i 5 klipów, a potem ustaw długość, proporcje i rozdzielczość.
- Krok 3
Generuj i pobierz
Obejrzyj wynik z dźwiękiem, popraw prompt, jeśli któryś moment nie gra, i pobierz plik MP4.
Prompty Wan 3.0 stojące za demonstracjami
Prawdziwe prompty Wan 3.0, skrócone i przetłumaczone z chińskiego, obok klipów, które z nich powstały. Otwórz jeden w generatorze i wstaw własne szczegóły; prompty, które wspominają Image 1, 2 itd., wymagają Twoich obrazów referencyjnych.
Ostatnie osiem taktów
Tekst na wideo · 24 sA 24-second single take, 16:9, realistic film look, one 35 mm lens, no cuts. A singer of about 28, dark hair pinned up, in a deep wine-red velvet gown, nearly misses her entrance. 0–12 s: the camera backs away fast as she weaves through a narrow backstage past a costume rack, a sliding painted flat and a prop cart; the stage manager says into his headset, "布景就位,灯光准备,主幕待命。" (Set in place, lights ready, main curtain standing by.) 12–21 s: in the wings he raises a hand: "最后八小节。" (Last eight bars.) The music thins, the camera slowly circles her and she closes her eyes. 21–24 s: "Three… two… one!" The cue light turns green, the curtain rises and she steps into the light before a full house.
Źródło: Alibaba Cloud Model Studio · Wan 3.0
Wypróbuj ten promptUczta ponad chmurami
Tekst na wideo · 30 sA nine-shot, 30-second Eastern fantasy in a retro Chinese calendar-poster style: even ink outlines, patterned cotton-ball clouds, aged rice-paper watercolor in teal and peach. 0–4 s: an FPV dive from the sky past a giant turtle carrying a mountain of palaces. 4–11 s: riding a golden qilin low and fast over a festival of musicians and dancers. 11–19 s: a pipa player builds to one sweeping chord. 21–27 s: a dancer whirls a long red silk into a ring of flame. 27–30 s: a slow pull-up as the mountain drifts into the clouds. Guzheng, pipa and bells over soft electronics.
Źródło: Alibaba Cloud Model Studio · Wan 3.0
Wypróbuj ten promptŁadowanie dojo
Trzy referencje · 24 sAbout 24 s, a cinematic Japanese sci-fi game opening. Image 1 is the male character (silver hair, goggles, long grey coat), Image 2 the female character (twin buns, red mechanical mask, white combat suit), Image 3 a traditional wooden dojo. In a blank white virtual space, grid lines spread under their feet and the dojo builds itself plank by plank. She looks around and asks, 「ここは……何のステージ?」 He raises a palm: 「お前の適性を測る、最初の試練だ。」 The dojo dissolves back to white and a system voice says 「適性試験、開始。」 Accurate Japanese lip sync, no subtitles.
Źródło: Alibaba Cloud Model Studio · Wan 3.0
Wypróbuj ten promptJeden rytm, osiem języków
Trzy referencje · 24 sA 24-second international hip-hop video, photoreal, rooftop at blue hour. Image 1: the four-person crew (lead vocalist, DJ, two hype performers). Image 2: the lead vocalist. Image 3: the rooftop stage and skyline. A catchy 106 BPM anthem with a two-bar synth and brass hook. Eight shots, one language each, landing on the beat: "One beat." "同一个节拍。" "ひとつのリズム。" "하나의 리듬." "Um só ritmo." "จังหวะเดียวกัน." "Un mismo ritmo." "إيقاع واحد." Beat drop at 21 s: "Different voices, one beat." Precise lip sync, same face and voice throughout.
Źródło: Alibaba Cloud Model Studio · Wan 3.0
Wypróbuj ten promptSparing w ruinach
Dwie referencje · 30 sA 30-second, 16:9, 1080P cinematic 3D animated action short. @Image 1 is the only tabby-cat heroine: teal hooded cape, bronze shoulder armor, ringed tail. @Image 2 is the only male hero: blue-and-gold cloud-pattern robe, blue bracers. Their swords stay sheathed on their backs. In a ruined cave temple with a giant stone Buddha head, they spar hand to hand: punches and sweeps, a chase up broken stairs, a one-second slow-motion clash mid-air, a collapsing ledge where he catches her wrist, and a back-to-back landing in drifting pink petals. No dialogue or music; only impacts, cloth, falling stone and wind.
Źródło: Alibaba Cloud Model Studio · Wan 3.0
Wypróbuj ten promptKraina lotosów
Dziewięć referencji · 30 sA 30-second, 16:9 surreal Eastern fantasy. Image 1 is the only identity reference for a young woman with long wavy brown hair, an open light-blue denim shirt and cream trousers. Image 2 fixes a hidden realm of giant translucent lotus flowers. Images 3–9 each show one creature in 2D (left) and 3D (right). She parts the vines and enters the realm; she touches a lotus and a glowing drop reflects the 2D creatures; they leap across a stream and turn into their 3D forms; she kneels, smiling, as they gather; the camera rises as every lotus blooms at once.
Źródło: Alibaba Cloud Model Studio · Wan 3.0
Wypróbuj ten prompt
Więcej modeli wideo w Yovid
Poradniki, dzięki którym filmy z Wan 3.0 będą lepsze
Jak zbudować długi prompt, przykłady obraz na wideo i zestawienie wszystkich modeli wideo w Yovid (po angielsku).
Najczęstsze pytania
Czym jest Wan 3.0?
Czy mogę korzystać z Wan 3.0 za darmo?
Jaka jest maksymalna długość filmu z Wan 3.0?
Ile kredytów zużywa Wan 3.0?
Czy Wan 3.0 tworzy dźwięk i dialogi z synchronizacją ust?
Co mogę przesłać jako referencję?
Jakie rozdzielczości i proporcje obsługuje Wan 3.0?
Wan 3.0 a Wan 2.7 i Wan 2.5: co się zmieniło?
Wan 3.0 czy Seedance 2.5: co wybrać?
Czy mogę używać filmów z Wan 3.0 komercyjnie?
Twoja 30-sekundowa scena, ścieżka dźwiękowa w zestawie
Rozpisz ujęcia, dodaj referencje, jeśli je masz, i pozwól Wan 3.0 wyrenderować obraz i dźwięk razem.
Twórz z Wan 3.0
