Logo
Model
Prompt (Required)
0/5000
Resolution
Video Length
15 credits6s
Aspect Ratio
ModeGeneration style mode
Credits required:
15 Credits

Sign in to generate using credits. Video downloads require a paid plan.

Grok Imagine VideoSample clips
1 / 5

Anime cyberpunk skyline

Original prompt: Japanese anime style, cyberpunk full technica, night view of academy city, futuristic giant buildings and neon-lit streetscape, high-tech academy city atmosphere, a silver dragon flying freely in the wind turning into clouds

全新上线 · 阿里巴巴 Wan 3.0

Wan 3.0 AI 视频生成器

在浏览器中使用阿里巴巴 Wan 3.0:一镜到底最长 30 秒并带声音,可从提示词、首尾帧或参考图开始,无需 API 密钥

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。

使用流程

4 步生成 Wan 3.0 视频

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。

2

描述场景

描述主体、动作、运镜、场景、氛围,以及你想听到的对白或声音。

3

设置时长、分辨率与宽高比

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。

4

生成并查看

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。

Wan 3.0 功能亮点

更长镜头、原生声音、三种创作起点

一镜到底最长 30 秒

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。

原生音频,同步生成

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。

文字、首帧或首尾帧

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。

最多 9 张参考图

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。

逼真的人物与表情

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。阿里巴巴也指出,画面中的文字和音频质感仍在改进,请在每个片段中检查这两项。

480p 至 1080p,六种宽高比

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。

如何使用 WAN 3.0

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。

  1. 1

    打开 Wan 3.0 生成器

    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。

  2. 2

    选择创作起点

    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)。

  3. 3

    描述动作、运镜与声音

    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。

  4. 4

    设置时长、分辨率与宽高比

    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。

  5. 5

    生成、检查并下载

    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。

让 Wan 3.0 视频更出色的专业技巧

先用 480p 打样,再用 1080p 成片

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。

为整个镜头写好脚本

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。

用首尾帧精准控制结尾

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。

写出你想要的声音

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。

谁在使用 Wan 3.0

为每一位创作者打造的长镜头 AI 视频

短剧与故事创作

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。

广告与产品视频

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。

社交媒体创作者

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。

讲解与教育

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。

Wan 3.0 常见问题

关于 Wan 3.0 视频生成器的一切

Wan 3.0 是什么?

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,并自 2026 年 8 月下旬起正式全面开放。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。

在本页可以用 Wan 3.0 创作什么?

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。

Wan 3.0 视频最长多久?画质如何?

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。

生成一个 Wan 3.0 视频需要多少积分?

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」和「参考图」有什么区别?

「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。

Wan 3.0 生成的视频可以商用吗?

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。

Wan 3.0 会生成声音吗?

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。

Wan 3.0 开源吗?可以下载吗?

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。

Wan 3.0 可以免费使用吗?

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——注册赠送的 15 个免费积分适用于 Grok 系列模型,不适用于 Wan 3.0。积分在提交时扣除,生成失败会自动退还。

Wan 3.0 生成一个视频需要多长时间?

通常需要几分钟。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。

Wan 3.0 和 Wan 2.7 有什么区别?

Wan 3.0 将单个镜头的最大时长从 15 秒翻倍到 30 秒,默认生成音频,并通过阿里巴巴的 API 支持文档和网页输入,同时提升了面部真实感以及与参考图的一致性。

这是 Wan 3.0 的官方网站吗?

不是。这是一个独立的网页工作室,与阿里巴巴没有关联。本站通过 API 服务商运行阿里巴巴的 Wan 3.0 模型,因此你无需阿里云账号或 API 密钥即可在浏览器中生成,并按视频使用积分付费。