Wan 3.0 免費線上 AI 影片生成器
寫一段導演式的提示詞、從首影格開始，或疊加最多 10 張圖片和 5 段影片作為參考，Wan 3.0 就會交回一支 2–30 秒、人聲、音樂和音效都已混好的影片。可選 480p、720p 或 1080p。 馬上在 Yovid 用 Wan 3.0 開始創作。
Wan 3.0 能做出什麼
為什麼在 Yovid 選擇 Wan 3.0
- 一次生成就是完整的 30 秒故事：2 到 30 秒任選，一支影片裡有開場、鋪陳和收尾。
- 一鏡到底，由提示詞導演：逐拍寫出運鏡路線和節奏，Wan 3.0 就會維持一個不中斷的鏡頭。
- 人聲、音樂與音效，一次生成：對白、歌曲和音效與畫面一起生成，嘴型同步，支援多種語言。
- 最多 10 張圖片和 5 段影片作為參考：用一組參考素材固定人物、生物、產品和場景，再用文字去導演它們。
- 全速動作中，角色依然不走樣：毛髮、服裝和道具，在 30 秒的追逐、摔落和近身格鬥中都能保持原樣。
- Wan 3.0 所有設定，一次看清：5 種畫面比例加自適應、3 種解析度、2–30 秒，以及 3 種起手方式。
- 每秒成本低，聲音也包含在內：720p 每秒約 2.4 積分，開不開聲音價格都一樣。
一次生成就是完整的 30 秒故事
Wan 3.0 的長度是 Wan 2.7 的 15 秒的兩倍，足夠放進一個建立場景的鏡頭、一段情緒的攀升、一個高潮和一個安靜的收尾。下方這支影片只用一段文字提示詞，就完整跑滿 30 秒，從穿越雲層的俯衝，到節慶，再到緩緩拉遠，完全沒有用到參考圖。
在 Yovid 上，你用滑桿選擇長度，2 到 30 秒之間任何整數秒。先用 5 秒把點子想清楚，再把完整的 30 秒花在你打算保留的版本上，因為每多一秒都要計費。
Wan 3.0一鏡到底，由提示詞導演
長度要搭配聽話的運鏡才有用。這裡的提示詞規劃了穿過劇院的路線（化妝走廊、服裝架、側台、舞台），並為每一段指定節奏，模型就維持了一個 24 秒的鏡頭：衝過工作人員、側台突然的靜止，然後布幕升起，面對滿座的觀眾。
像 "0–7 s" 和 "12–14 s" 這樣帶時間碼的節拍，能給它最清楚的指示。Yovid 上的 Wan 3.0 接受最長 10,000 字元的提示詞，所以連對白在內的完整分鏡清單都放得下。
Wan 3.0人聲、音樂與音效，一次生成
聲音預設開啟。Wan 3.0 把配樂和畫面一起生成，所以每句台詞對上正確的嘴，每個腳步落在拍點上，音樂也隨剪輯轉場。在這個示範中，同一位主唱用八種語言唱同一段副歌，包括英語、國語、日語、韓語、泰語和阿拉伯語，臉孔、服裝和聲音始終一致。
把台詞放進引號，並說明是誰在說、用什麼語言。Wan 3.0 的音訊是免費的：開不開聲音，積分價格都一樣。
Wan 3.0最多 10 張圖片和 5 段影片作為參考
把輸入框切換到參考模式，Wan 3.0 一次請求最多可接受 10 張圖片和 5 段各 1 到 15 秒的影片。讓每個檔案只負責一件事，並在提示詞裡點名：@Image 1 代表人物，@Image 2 代表場景，其餘用來放角色或道具。
這個示範用了九張圖片：一位年輕女子、一個蓮花園場景，以及七種生物，每種都有 2D 畫稿和 3D 模型。她的臉孔從第一格到最後一格都保持一致，而那些生物則從平面畫稿裡走進 3D。
Wan 3.0全速動作中，角色依然不走樣
快速動作向來是生成角色最容易走樣的地方。在這個雙圖示範中，一對動物武者在破敗的洞窟寺廟裡切磋了 30 秒，有階梯追逐、跳躍頂點的慢動作交鋒，以及崩塌的岩架，牠們的毛色花紋、長袍、尾巴和收在鞘中的劍，都保持原設計。
大部分功夫都在提示詞上：它列出每張參考圖中不能改變的部分，把打鬥拆成帶時間碼的節拍，並點名每一種聲音，從撞擊、衣料到落石。
提示詞（節錄）： 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.
Wan 3.0 所有設定，一次看清
寫提示詞之前先選好畫面，走位才會依照它來構圖。從圖片開始時，Wan 3.0 會沿用那張圖片的形狀，而不是硬套預設比例。
| 長度 | 2 到 30 秒預設 5 秒。 |
|---|---|
| 解析度 | 480p、720p 或 1080p預設 720p。 |
| 畫面比例 | 16:9、9:16、1:1、4:3、3:4 或自適應 |
| 輸入方式 | 文字、首影格加可選的尾影格，或參考素材參考素材：最多 10 張圖片和 5 段 1–15 秒的影片（MP4 或 MOV，每個最大 100 MB）。 |
| 聲音 | 預設開啟人聲、音樂和音效；每次生成都可以單獨關閉。 |
| 提示詞長度 | 最多 10,000 字元 |
| 輸出格式 | MP4 |
每秒成本低，聲音也包含在內
Wan 3.0 按輸出秒數計費，只有解析度會改變費率；聲音、比例和輸入類型都不會。加入參考影片時，它們的秒數也會計入，按輸入加輸出計費。
這讓長片段也負擔得起：先用 480p 把提示詞調順，再用 1080p 重新生成要發布的版本。
| 480p | 每秒約 1.2 積分完整 30 秒影片約 36 積分。 |
|---|---|
| 720p | 每秒約 2.4 積分預設解析度；5 秒影片約 12 積分。 |
| 1080p | 每秒約 4.8 積分完整 30 秒影片約 144 積分。 |
| 參考影片 | 按輸入加輸出秒數計費10 秒的參考影片搭配 10 秒的成果，按 20 秒計費。 |
Wan 3.0 為誰而做
30 秒的長度、內建聲音、10 張圖片的參考素材，加上每秒低價，最適合以下這些工作：
- 短劇與系列創作者：半分鐘長、帶台詞的場景，並用參考圖讓同一批演員貫穿多集。
- 廣告主與品牌團隊：帶旁白和音樂的產品廣告與品牌影片，用你自己的照片讓產品保持一致。
- 音樂與舞蹈影片創作者：嘴型、節拍和剪輯都在一次生成中完成的表演，可用多種語言。
- 動畫師與遊戲工作室：風格化的片頭與預告片，從水墨水彩到賽璐珞風格的 CG，一次 30 秒完成。
- 場館與旅遊行銷人員：為咖啡館、飯店和旅遊景點打造氛圍影片，以你手上已有的照片為基礎。
Wan 3.0 vs Seedance 2.5、MiniMax H3、Kling 3.0 和 Veo 3.1
除了最後一列，表格裡每一格都來自各模型目前在 Yovid 生成器裡提供的設定，花積分之前，就能比較長度、參考素材和費用。
| 功能 / 模型 | Wan 3.0 |  Seedance 2.5 |  MiniMax H3 |  Kling 3.0 |  Veo 3.1 Fast |
|---|---|---|---|---|---|
| 最長長度 | 30 秒 | 30 秒 | 15 秒 | 15 秒 | 8 秒 |
| 最高解析度 | 1080p | 1080p | 2K | 1080p | 4K |
| 畫面比例 | 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 |
| 參考圖 | 10 | 30 | 9 | — | — |
| 參考影片 | 5 | 10 | 3 | — | — |
| 編輯或延長上傳的影片 | — | 支援 | — | — | — |
| 5 秒 720p 所需積分 | 12 | 31 | 23 | 13 | 15 |
| 最適合 | 每秒最便宜的 30 秒有聲影片。 | 最大的參考素材組合，以及編輯或延長既有影片。 | 用少量參考圖生成最長 15 秒的 2K 影片。 | 1080p 下生動的 15 秒角色影片。 | 8 秒的主視覺鏡頭，最高 4K。 |
積分為 5 秒影片在 720p（或模型提供的最接近解析度）下的積分包標準價，依 Yovid 線上定價即時更新。
Wan 3.0 的優勢與限制
Wan 3.0 在 Yovid 上最適合的情況，以及改用其他模型或工具更合適的時候。
優勢
- 有聲 30 秒：長度是 Wan 2.7 的兩倍，對白、音樂和音效不另收積分。
- 每秒價格：720p 每秒約 2.4 積分，不到 Seedance 2.5 費率的一半。
- 參考素材組合：一次請求最多 10 張圖片和 5 段影片，讓人物、產品和場景保持一致。
- 長提示詞：接受最多 10,000 字元，所以帶時間碼的分鏡清單連同每一句對白都放得下。
限制
- 解析度：最高 1080p。需要 2K 或 4K，請選 MiniMax H3 或 Veo 3.1，或用 Yovid 的影片高清放大處理成果。
- 方案權限：免費方案無法使用。任何付費方案或一次性積分包都能解鎖，包括 1080p。
- 輸入類型比 API 少：Alibaba 自家的 API 還接受音訊、文件和網頁，並能編輯或延長影片；在 Yovid 上，你使用的是文字、圖片和影片。
- 畫面文字：Alibaba 指出，文字渲染和音訊質感仍在改進，所以標題和字幕請在剪輯軟體裡另外加。
三步驟製作 Wan 3.0 影片
- 第 1 步
開啟 Wan 3.0
從這個頁面開始，或開啟影片生成器，在模型清單裡選擇 Wan 3.0。
- 第 2 步
描述場景，加入輸入素材
寫下鏡頭、聲音和對白，加入首影格或最多 10 張圖片和 5 段影片，再設定長度、比例和解析度。
- 第 3 步
生成並下載
開著聲音看成果，如果有一拍不對，就收緊提示詞，然後下載 MP4。
Wan 3.0 示範影片背後的提示詞
真正的 Wan 3.0 提示詞（經過精簡，並由中文翻譯而來），旁邊就是它們生成的影片。在生成器裡打開任一條，換上你自己的細節；提到 Image 1、2 等的提示詞，需要附上你自己的參考圖。
最後八小節
文字轉影片 · 24 秒A 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.
來源：Alibaba Cloud Model Studio · Wan 3.0
試用這條提示詞雲端盛宴
文字轉影片 · 30 秒A 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.
來源：Alibaba Cloud Model Studio · Wan 3.0
試用這條提示詞道場載入中
3 張參考圖 · 24 秒About 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.
來源：Alibaba Cloud Model Studio · Wan 3.0
試用這條提示詞同一個節拍，八種語言
3 張參考圖 · 24 秒A 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.
來源：Alibaba Cloud Model Studio · Wan 3.0
試用這條提示詞廢墟切磋
2 張參考圖 · 30 秒A 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.
來源：Alibaba Cloud Model Studio · Wan 3.0
試用這條提示詞蓮花秘境
9 張參考圖 · 30 秒A 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.
來源：Alibaba Cloud Model Studio · Wan 3.0
試用這條提示詞
Yovid 上的更多影片模型
把 Wan 3.0 影片做得更好的指南
如何組織長提示詞、圖片轉影片範例，以及 Yovid 上所有影片模型的並列比較。