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。

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
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。
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。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 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,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。
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——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。
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 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。
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。