1
准备一组参考图
收集 2–9 张角色、产品或风格的清晰图片。同一主体的多个角度，比多个不同主体效果更好。
Grok Imagine参考图生视频 · Wan 3.0
参考图生视频生成器
让同一个角色、产品或风格贯穿每一个片段
上传最多九张参考图——一个角色的多角度照片、一件产品、一套服装、一个场景或一种风格——再描述一个新场景。Wan 3.0 会借助参考图让主体保持可辨识，而你的提示词决定动作、场景、运镜和声音。2 到 30 秒，480p、720p 或 1080p，在浏览器中完成。
使用流程
四步完成参考图生视频
2
上传参考图
上方生成器默认打开图片标签页，并已选好 Wan 3.0 的参考图模式。添加你的所有参考图。
3
描述新场景
写出场景、动作、镜头运动和声音。每次提示词都用同样的方式指代主体，例如「穿红色夹克的女人」。
4
生成并复用
预览结果，下一个镜头继续使用同一组参考图，让主体在整个序列中保持一致。
参考图生视频功能
跨镜头保持一致，而不只是单个片段
最多 9 张参考图
组合同一主体的多张图片——正面、侧面、全身照以及细节特写——让模型有不止一个角度可以参考。
角色保持一致
故事中的每个镜头都使用同一组参考图，角色在不同片段间的脸部、发型和服装，会比仅靠文字稳定得多。
产品与品牌素材
上传产品的多角度图片，即可把它放进新场景用于广告和商品详情页，同时保持外形、色彩和标签可辨识。
混搭主体、服装与场景
把角色与单独的服装、道具或场景参考图组合起来，再描述它们在场景中如何结合。
新场景，同一主体
与图生视频不同，输出不必从你的某张照片开始。提示词可以把主体放到全新的地点、姿势和镜头角度中。
2–30 秒，带声音
以 480p、720p 或 1080p 渲染，音频与画面一同生成。480p 每秒约 2.74 积分，720p 约 5.48，1080p 约 10.96，提交前即会显示。
如何让 AI 视频中的角色保持一致
如何在 Wan 3.0 中使用参考图
一致性来自参考图，而不是提示词。为每个角色或产品准备一组好的参考图，每个镜头都复用它，让提示词只改变场景中发生的事。
- 1
制作角色设定图
使用同一主体的 3–5 张图片：一张清晰的正面照、一张侧面或四分之三侧面照，以及一张全身照，发型、服装和配饰都保持相同。
- 2
背景保持简洁
纯色或中性背景有助于模型把主体与周围环境区分开，新场景就不会被旧背景带偏。
- 3
始终用一致的方式描述主体
每次都写出相同的关键特征——「银色短发、红色皮夹克」——让文字与参考图指向同一方向。
- 4
改变场景，不改变主体
用提示词描述场景、动作、光线和运镜。除非上传了对应的参考图，否则不要在提示词里要求不同的服装或发型。
- 5
逐个镜头生成
故事的每个镜头都用同一组参考图单独生成，再把片段剪辑到一起。
提升参考图生视频效果的技巧
质量胜过数量
三张清晰、一致的图片，比九张风格混杂的图片更有用。删掉主体看起来不一样的参考图。
一组只放一个主体
把两个不同角色放进同一组参考图，可能会让他们的特征混在一起。每组聚焦一个主体，可另加道具或场景。
先用 AI 制作参考图
还没有照片？先在 AI 图片生成器中创建一个角色，再生成它的几个不同角度，作为你的参考图组。
每次都检查细节
参考图能引导结果，但不能保证身份、Logo 或小字完全一致。请检查每个片段中的人脸和产品细节。
大家用参考图生视频做什么
当同一主体需要再次出现时
AI 短片与系列剧
让固定演员阵容在不同场景和剧集中保持可辨识。
新场景中的产品广告
把同一件产品放进厨房、海滩或摄影棚，无需重新拍摄。
虚拟网红与吉祥物
每周为同一个角色发布新视频，形象保持稳定。
时尚与服装展示
让同一位模特穿着同一套服装或配饰，出现在不同场景和姿势中。
参考图生视频常见问题
关于参考图生视频的常见问题
什么是参考图生视频？
参考图生视频是一种 AI 视频工作流，它把一张或多张参考图作为主体的引导，而不是作为首帧。你上传角色、产品或风格的图片并描述一个新场景，模型会在创造新动作和新镜头角度的同时，让主体保持可辨识。
最多可以使用多少张参考图？
本页默认的 Wan 3.0 每次生成最多九张图片；切换到 Grok Imagine 则最多七张。通常两到五张同一主体、风格一致的图片，能在引导力和灵活度之间取得最佳平衡。
如何在多个 AI 视频中保持同一个角色？
每个片段都使用同一组参考图，每次提示词都用相同的关键特征描述角色，只改变场景、动作和运镜。一次生成一个镜头再剪辑到一起，比一段又长又复杂的提示词更能保持角色一致。
参考图生视频和图生视频有什么区别？
图生视频让单张照片动起来，因此视频从这张图片的构图和样貌开始。参考图生视频把图片作为「谁或什么会出现」的引导，因此主体可以被放进全新的场景、姿势和镜头角度中。
参考图生视频可以免费试用吗？
Wan 3.0 需要付费方案或已购买的积分——注册赠送的 12 积分适用于 Grok 系列模型，不适用于 Wan 3.0。想免费试用，可把模型切换为 Grok Imagine：12 积分足够生成一段 6 秒 480p 视频，每日签到还可再得 2–3 积分。下载视频文件需要付费方案或曾购买过积分。
能保证完全还原样貌吗？
不能。参考图会强力引导人脸、服装和产品，但 AI 视频仍可能改变 Logo、文字、首饰或手部等小细节，尤其是在快速运动时。请检查每个片段，重要细节走样时重新生成。
可以把角色与产品或场景组合在一起吗？
可以。把角色参考图与产品、服装或场景的图片一起上传，然后描述它们如何同时出现。总数不超过九张（Grok Imagine 为七张），并让主要主体占参考图的大多数。
视频多长？费用是多少？
每次生成 2–30 秒，480p、720p 或 1080p。Wan 3.0 在 480p 每秒约 2.74 积分，720p 约 5.48，1080p 约 10.96，每段视频向上取整——一段 5 秒 720p 视频为 28 积分。费用与参考图数量无关，生成前会显示准确的积分消耗。生成通常需要几分钟。
这是 Wan 或 Grok 的官方网站吗？
不是。这是一个独立的网页创作工具，与阿里巴巴或 xAI 无关联，通过 API 服务商调用 Wan 3.0 和 Grok Imagine。无需安装任何东西，也不需要阿里云账号、API Key 或 SuperGrok 订阅——按次用积分付费即可。
可以使用真实人物或品牌的参考图吗？
只有在你拥有相应权利并获得同意时才可以。你需要对参考图中的人物、品牌和素材负责，部分真实人物内容可能会被审核拒绝。付费方案包含账号内视频的商业授权。