1
选择文字或图片
选择「文生视频」从提示词开始，或选择「图生视频」上传首帧、首尾帧或参考图。
Grok ImagineGrok Imagine一镜到底最长 30 秒，声音与画面同步生成
Wan 3.0 是阿里巴巴通义万相团队推出的最新视频模型。你可以从文字提示词、首帧（可选尾帧）或最多九张参考图开始，再选择 2–30 秒时长与 480p、720p 或 1080p 分辨率。音频与画面一同生成，提交前即可看到所需积分。
4 步生成 Wan 3.0 视频
选择「文生视频」从提示词开始，或选择「图生视频」上传首帧、首尾帧或参考图。
描述主体、动作、运镜、场景、氛围，以及你想听到的对白或声音。
选择 2–30 秒、480p/720p/1080p 以及宽高比。每调整一项设置，积分预估都会实时更新。
提交后等待几分钟，让 Wan 3.0 完成渲染，然后完整观看片段，再决定下载或优化提示词。
更长镜头、原生声音、三种创作起点
Wan 3.0 可一次渲染 2 到 30 秒的连续片段，是 Wan 2.7 最长 15 秒的两倍。场景可以完整地铺陈、转折与收尾，无需把多个短片段拼接在一起。
对白、环境音和音效与画面一同生成，成片自带声音，不再是无声视频。音频默认开启，关闭后积分消耗不变。
可以从零撰写提示词，也可以把一张图片作为首帧让它动起来，或上传两张图片同时锁定首帧和尾帧，由 Wan 3.0 补全中间的运动过程。
将「图片用途」切换为「参考图」，即可用最多九张图片引导角色、产品、服装和场景，并在提示词中用 @image1、@image2 等指代对应图片。
阿里巴巴以真实感为核心打造 Wan 3.0：相比早期 Wan 版本，面部表情与微表情更丰富，主体在整个镜头中更稳定，画面中的文字也更清晰。
480p 适合快速打样，720p 适合日常内容，1080p 适合最终交付；支持 16:9、9:16、1:1、4:3、3:4 及自适应画幅。输出为 30 fps 的 MP4 视频。
如何在线制作 Wan 3.0 视频
本页的 Wan 3.0 生成器直接在浏览器中运行阿里巴巴的 wan3.0-video 模型，无需安装任何软件，也不需要 API 密钥或云控制台。按照以下步骤，把一个创意或一张静态图片变成完整的视频片段。
使用本页顶部的创作区，已默认选中 Wan 3.0。准备生成时登录即可——Wan 3.0 需要付费方案或已购买的积分。
仅用提示词生成时保持「文生视频」即可。使用「图生视频」时，将「图片用途」设为「首帧 / 尾帧」（图 1 作为开场，可选图 2 作为结尾）或「参考图」（最多九张）。
把场景写成一份简短的分镜清单：画面里有谁、他们在做什么、镜头如何运动、我们听到什么。使用参考图时，用 @image1、@image2 指代，让模型分清每张图。
选择 2–30 秒，再选 480p、720p 或 1080p。Reels 和 TikTok 用 9:16，YouTube 用 16:9，信息流用 1:1，也可以选择自适应，让模型自行构图。
提交后等待 Wan 3.0 渲染——时长越长、分辨率越高，耗时越久。检查人脸、手部、文字和音画同步，然后下载，或每次只调整一个方向再试。
480p 每秒的费用约为 1080p 的四分之一。先用一段简短的 480p 草稿把动作和节奏调好，再用满意的提示词以全分辨率重新生成。
30 秒的片段需要不止一个情节点。按顺序描述场景——开场、动作、转折、结尾——让模型在整段时长里都有内容可演。
当最后的姿态或产品镜头很关键时，把它作为尾帧上传。Wan 3.0 会规划运动轨迹，让片段准确落在这张图上。
由于音频与画面同步生成，请把声音写清楚：用引号标出一句台词、雨打窗户、人群欢呼。提示越具体，声音越逼真。
为每一位创作者打造的长镜头 AI 视频
完整呈现一个 30 秒的情节片段，角色、对白和声音保持一致——适合短剧、故事预告和角色试镜。
把产品图变成动态展示，将主视觉锁定为尾帧，并在片段上线前检查标签和产品外形。
为 TikTok、Reels 和 Shorts 制作自带声音的 9:16 竖屏片段，先用 480p 快速迭代，再渲染最终版本。
把一个概念、流程或地点做成带旁白的视频片段，用于课程、新人培训和演示汇报。
关于 Wan 3.0 视频生成器的一切
Wan 3.0（wan3.0-video）是阿里巴巴通义实验室最新的视频模型，于 2026 年 8 月 6 日开放公测。它是一款一体化模型：同一引擎即可完成文生视频、首尾帧图生视频和参考图引导生成，片段最长 30 秒，音频与画面同步生成。
你可以从文字提示词生成，让首帧动起来，同时设定首帧和尾帧，或用最多九张参考图引导视频。通过阿里巴巴的 API，Wan 3.0 还能读取参考视频、音频、文档和网页，但本页暂不支持这些输入。
可选择 2 到 30 秒之间的任意整数秒，分辨率为 480p、720p 或 1080p，输出为 30 fps 的 MP4。Wan 3.0 没有 4K 档位——声称可输出 4K 的说法并不准确。
Wan 3.0 按输出秒数计费：480p 约每秒 2.74 积分，720p 约 5.48 积分，1080p 约 10.96 积分，每个视频向上取整。5 秒片段在 480p 下需 14 积分，720p 需 28 积分，1080p 需 55 积分；30 秒的 1080p 片段需 329 积分。开启或关闭音频不影响价格，生成前会显示准确的积分消耗。
「首帧 / 尾帧」会把你的图片作为精确的画面帧：图 1 作为片段开场，可选的图 2 作为结尾。「参考图」则把最多九张图片作为角色、物体和场景的参考，它们可以出现在视频的任意位置。两种方式不能在同一次生成中组合使用。
可以。所有付费方案均包含商业授权，你可以将 Wan 3.0 生成的视频用于广告、客户项目、社交媒体以及对外销售的产品。免费方案仅限个人使用。提示词和参考图中涉及的人物、品牌、音乐或素材仍需你自行确认授权后再发布。
会。音频与画面一同生成，且默认开启，对白、环境音和音效都会同步呈现。你也可以关闭音频生成无声片段，两种情况下积分消耗相同。
不开源。与开放权重的 Wan 2.1 和 2.2 不同，Wan 3.0 是闭源模型，只能通过云端 API 使用，因此没有可供下载的官方权重。任何「免费下载 Wan 3.0」的说法都不是官方渠道。
你可以免费浏览各项设置并查看准确的积分消耗。使用 Wan 3.0 生成需要付费方案或已购买的积分；积分在提交时扣除，生成失败会自动退还。
大多数片段约 1 到 5 分钟完成。时长越长、分辨率为 1080p 时耗时更久，建议先用简短的 480p 草稿确认动作，再渲染最终版本。
