Wan 3.0 von Alibaba erzeugt eine Einstellung von bis zu 30 Sekunden samt Ton in einem Durchgang. Schreiben Sie einen Prompt oder starten Sie mit einem Foto.
Jede Idee nennt nicht nur, was man sieht, sondern auch, was man hört. Klicken Sie auf eine, um sie in den Generator zu laden, und machen Sie sie zu Ihrer eigenen.
IllustrationText zu Video · 16:9 · 5 s
Prompt: Night street in heavy rain: a violinist plays a slow melody under a lamp post, umbrellas pass behind him, the camera pushes in slowly. Sound: violin melody, steady rain on the pavement, distant footsteps
IllustrationText zu Video · 16:9 · 5 s
Prompt: Wide shot of a stormy coast: big waves crash against black rocks and throw spray into the air, dark clouds roll overhead, a beam of light breaks through. Sound: crashing waves, howling wind, low thunder at the end
IllustrationText zu Video · 16:9 · 5 s
Prompt: Handheld walk through a busy night market: steam rises from food stalls under red lanterns, a cook turns skewers on a grill, people pass by. Sound: sizzling grill, crowd chatter, a vendor calling out once
IllustrationText zu Video · 16:9 · 5 s
Prompt: Slow aerial shot at sunrise: a colorful hot air balloon rises over green hills and morning mist, the burner flares once. Sound: soft wind, the roar of the burner, birds waking up
Wan 3.0 ist das KI-Videomodell von Alibaba, erschienen im August 2026. Aus einem Prompt, einem Foto oder einem ersten und letzten Bild entsteht eine zusammenhängende Einstellung von bis zu 30 Sekunden. Den Ton erzeugt das Modell im selben Durchgang, sodass Regen, Schritte und Motoren zu dem passen, was im Bild geschieht.
Auf Imgveo rendert Wan 3.0 in 480p, 720p oder 1080p und kostet in 720p 16 Credits pro Sekunde. Der Ton gehört zum Preis und ist kein Aufpreis; fehlgeschlagene Clips werden erstattet.
Wan 3.0 Prime ist die schnellere Version desselben Modells. Längen, Auflösungen und Ton sind gleich, pro Sekunde kostet es mehr. Es eignet sich daher eher für knappe Deadlines als für Entwürfe.
Das können Sie jetzt erstellen. Jede Zahl stammt direkt aus den Einstellungen des Generators.
Keine Illustration: Wir haben diesen Clip auf Imgveo mit dem Prompt und den Einstellungen unten erzeugt und danach nichts bearbeitet. Schalten Sie den Ton ein.
Prompt
A dog barks twice at a passing bicycle on a quiet street, birds chirping, a car horn in the distance
Der Prompt verlangt zweimal Bellen, Vogelgesang und ein fernes Autohupen. Spielen Sie den Clip mit Ton ab und beurteilen Sie, wie genau Wan 3.0 das umgesetzt hat.
Dieselbe Familie, doppelte Länge und erstmals mit Ton. Beide Modelle laufen auf Imgveo, und jede Zeile unten stammt aus den Einstellungen des Generators.
| Wan 2.7 | Wan 3.0 | |
|---|---|---|
| Längste Einstellung | 15 s | 30 s |
| Auflösung | 720p / 1080p | 480p / 720p / 1080p |
| Ton | Keiner | Im selben Durchgang erzeugt |
| Erstes & letztes Bild | Bis 5 s | Bis 30 s |
| Credits pro Sekunde, 720p | 16 | 16 |
Eine Einstellung dauert jetzt bis zu 30 statt 15 Sekunden, sodass sich eine Szene ohne Schnitt aufbauen und ausklingen kann.
Clips von Wan 2.7 waren stumm. Wan 3.0 ergänzt Atmosphäre und Effekte, die dem Bild folgen, ohne Aufpreis.
Der Modus Erstes & letztes Bild reicht jetzt bis 30 Sekunden; bei Wan 2.7 war bei 5 Schluss.
480p für 8 Credits pro Sekunde: So testen Sie eine Idee zum halben 720p-Preis.
Alle drei laufen auf Imgveo. Wan 3.0 und Prime teilen sich alle Einstellungen; Prime ist schneller und kostet mehr. Wan 2.7 bleibt für stumme Clips.
Die Standardwahl: Entwürfe in 480p, fertige Clips in 720p oder 1080p, bis zu 30 Sekunden mit Ton.
5 s in 720p: 80 Credits
Die schnellere Version. Wählen Sie sie, wenn die Lieferzeit wichtiger ist als die Credits.
5 s in 720p: 130 Credits
Stumme Clips bis 15 Sekunden in 720p oder 1080p, für Aufgaben, die damit schon gut funktionieren.
5 s in 720p: 80 Credits
| Wan 3.0 | Wan 3.0 Prime | Wan 2.7 | |
|---|---|---|---|
| Längste Einstellung | 30 s | 30 s | 15 s |
| Ton | Ja | Ja | Nein |
| Credits pro Sekunde, 480p | 8 | 13 | — |
| Credits pro Sekunde, 720p | 16 | 26 | 16 |
| Credits pro Sekunde, 1080p | 32 | 51 | 24 |
Credits pro Videosekunde. Die Renderzeit hängt von Länge, Auflösung und Warteschlange ab.
Keine Schnittsoftware und keine Einrichtung: Der Generator oben auf dieser Seite erledigt alles.
Wählen Sie Wan 3.0 oder Prime und schreiben Sie dann einen Prompt, laden Sie ein Foto als erstes Bild hoch oder laden Sie ein erstes und ein letztes Bild hoch.
Sagen Sie, was die Kamera sieht und was passiert, und ergänzen Sie eine kurze Tonzeile. Die Sound-Cue-Methode unten zeigt, wie.
Wählen Sie 5 bis 30 Sekunden und 480p, 720p oder 1080p; der Button zeigt die genauen Credits. Laden Sie das MP4 samt Tonspur herunter.
Wan 3.0 baut den Soundtrack aus Ihren Worten. Ohne Tonangabe rät das Modell; nennen Sie den Ton in vier Ebenen, und der Clip klingt so, wie Sie ihn sich vorgestellt haben.
Die Einstellung und der Ort: „Nachtstraße bei starkem Regen, ein Geiger unter einer Laterne.“
Was sich wann bewegt: „Er spielt eine langsame Melodie, während hinter ihm Regenschirme vorbeiziehen.“
Der Klangteppich, der nie aufhört: „gleichmäßiger Regen, fernes Verkehrsrauschen.“
Ein oder zwei kurze Ereignisse zu einem bestimmten Moment: „Gegen Ende schlägt einmal eine Autotür zu.“
Vage
A beach at sunset, relaxing vibe
Mit Sound Cues
Wide shot of a beach at sunset, small waves roll in, a dog runs along the waterline. Sound: soft waves, a dog barking twice, gulls in the distance
„Regen auf einem Blechdach“ gibt dem Modell etwas zum Erzeugen. „Düstere Atmosphäre“ nicht.
„Bellt zweimal“ oder „Donner am Ende“ platziert das Geräusch; „Bellen“ kann den ganzen Clip füllen.
Eine überfüllte Tonzeile wird zu Lärm. Bleiben Sie bei einer Atmosphäre und ein oder zwei Ereignissen.
Beenden Sie den Prompt mit „Sound: …“, damit der Soundtrack nie mit dem vermischt wird, was im Bild zu sehen sein soll.
Einstellung, Motiv und Handlung, Ort und Licht, dann Ton. Vier Teile in dieser Reihenfolge decken fast jeden Wan 3.0 Clip ab.
Zuerst Einstellungsgröße und Kamerabewegung: Totale, Nahaufnahme, Handkamera, Luftaufnahme oder feststehend.
Wer oder was im Bild ist und was passiert. Planen Sie pro 5 bis 10 Sekunden einen Handlungsschritt ein.
Wo und wann: eine regennasse Straße bei Nacht, eine Küche am Mittag, Hügel bei Sonnenaufgang.
Eine Atmosphäre und ein oder zwei Einzelgeräusche, am Ende nach „Sound:“.
Ersetzen Sie die Wörter in Klammern. Jede Vorlage ist für die angegebene Länge geschrieben.
Text zu Video · 16:9 · 10 s
[Close-up, slow push-in]: [dish] being [cooked or served] in [kitchen or restaurant], [steam, flames or sauce detail]. Ends on the finished plate. Sound: [cooking sound], [kitchen ambience], [one spot sound]
Text zu Video · 16:9 · 15 s
[Handheld walk] through [place] at [time of day], [weather], [people or traffic detail]. The camera turns toward [landmark]. Sound: [ambience], [distant sound], [one spot sound]
Bild zu Video · 9:16 · 10 s
The person in the photo [action] in [setting]. The camera [move]. At the end they [second action]. Sound: [ambience], [a sound tied to the action]
Text zu Video · 16:9 · 30 s
[One continuous tracking shot]: [subject] [first beat]. Then [second beat]. Then [third beat]. Ends with [final image]. Sound: [ambience throughout], [spot sound at the second beat], [spot sound at the end]
Ohne Tonzeile wählt Wan 3.0 den Soundtrack selbst. Nennen Sie mindestens die Atmosphäre.
Drei Ereignisse in einem 5-Sekunden-Clip wirken gehetzt. Heben Sie sich Geschichten mit mehreren Schritten für die längeren Längen auf.
Wan 3.0 endet bei 1080p. Für eine 4K-Datei skalieren Sie den fertigen Clip hoch, statt neu zu rendern.
Sie zahlen pro Sekunde Video, und der Ton kostet nichts extra. Jede Zahl unten stammt aus demselben Code, der auch den Generator berechnet.
| Länge | 480p | 720p | 1080p | Prime 720p |
|---|---|---|---|---|
| Pro Sekunde | 8 | 16 | 32 | 26 |
| 5 Sekunden | 40 | 80 | 160 | 130 |
| 10 Sekunden | 80 | 160 | 320 | 260 |
| 15 Sekunden | 120 | 240 | 480 | 390 |
| 20 Sekunden | 160 | 320 | 640 | 520 |
| 30 Sekunden | 240 | 480 | 960 | 780 |
Credits pro Clip. Ton ist inklusive.
Credits = Sekunden × Satz pro Sekunde. Ein 10-Sekunden-Clip in 1080p kostet 320 Credits; derselbe Clip mit Prime kostet 510.
Die 1.500 monatlichen Credits des Starter-Plans reichen für etwa 18 fünfsekündige Wan 3.0 Clips in 720p oder 37 in 480p.
Schlägt ein Rendering fehl, gehen die Credits automatisch auf Ihr Guthaben zurück. Sie zahlen nur für Videos, die Sie tatsächlich erhalten.
Die ganze Kostenrechnung samt Wiederholungen lesen Sie hier: KI-Video-Credits erklärt
Vier Aufgaben, bei denen eine lange Einstellung mit eigenem Soundtrack am meisten Arbeit spart. Die Bilder veranschaulichen jede Idee; sie sind keine Ausgabe von Wan 3.0.
IllustrationEin flammender Wok, aufsteigender Dampf und Küchengeräusche verkaufen ein Gericht besser als eine stumme Schleife.
IllustrationMachen Sie aus einem Foto vom Garten eine bewegte Szene mit Lachen und Vogelgesang, bereit für ein Reel.
IllustrationEine Ziellinie und jubelnde Zuschauer, mit bis zu 30 Sekunden, um auf den Moment hinzuarbeiten.
IllustrationEine verschneite Hütte in der Dämmerung mit Wind und knisterndem Feuer, für ein Inserat oder einen Teaser.
Öffne Imgveo Studio, um dieses und jedes andere KI-Video- und Bildmodell aus einem Arbeitsbereich mit einem Credit-Guthaben zu nutzen.
Vergleichen Sie Wan 3.0 mit anderen Modellen oder führen Sie einen fertigen Clip weiter.
Beschreiben Sie Bild und Ton, legen Sie 5 bis 30 Sekunden fest und erstellen Sie. Fehlgeschlagene Clips werden erstattet, und jedes Video lässt sich ohne Wasserzeichen herunterladen.
Wan ist eine Marke der Alibaba Group. Imgveo ist eine unabhängige Plattform und nicht mit Alibaba verbunden.