示意圖雨中的小提琴手
文字轉影片 · 16:9 · 5 秒
提示詞: 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
Wan 3.0 AI 影片生成器
Alibaba 的 Wan 3.0 一鏡最長 30 秒，聲音同步生成。寫提示詞，或從照片開始。
AI生成內容
可商用
高清1080P輸出
自帶聲音的 Wan 3.0 提示詞
每個創意都寫明了畫面，也寫明了你會聽到什麼。點一個載入生成器，再改成你自己的。
示意圖
示意圖海岸風暴
文字轉影片 · 16:9 · 5 秒
提示詞: 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
示意圖漫步夜市
文字轉影片 · 16:9 · 5 秒
提示詞: 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
示意圖日出時的熱氣球
文字轉影片 · 16:9 · 5 秒
提示詞: 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 是什麼？
Wan 3.0 是 Alibaba 的 AI 影片模型，2026 年 8 月發表。它能把提示詞、一張照片或首尾幀變成最長 30 秒的連續長鏡頭，並同步生成聲音，雨聲、腳步聲和引擎聲都會跟著畫面裡發生的事走。
在 Imgveo 上，Wan 3.0 支援 480p、720p 和 1080p，720p 每秒 16 點數。聲音包含在價格裡，不用另外加價，失敗的影片也會退還點數。
Wan 3.0 Prime 是同一模型的快速版。長度、解析度和聲音都一樣，每秒價格較高，比較適合趕時間的成品，而不是試稿。
Wan 3.0 在 Imgveo 上的現況
你現在就能生成的內容。所有數字都來自生成器本身的設定。
- 最長鏡頭
- 30 秒所有模式皆適用，包括首尾幀
- 解析度
- 480p、720p或1080p不支援 4K
- 聲音
- 與畫面同步生成不額外收點數
- 起手方式
- 文字、一張照片，或首尾幀
- 畫面比例
- 16:9 · 9:16 · 1:1 · 4:3 · 3:4
- 價格
- 8 點數/秒起720p 為 16 點數/秒
在 Imgveo 上生成的真實 Wan 3.0 影片
這不是示意圖：這段影片用下方的提示詞和設定在 Imgveo 上生成，事後沒有做任何修改。請開啟聲音。
提示詞
A dog barks twice at a passing bicycle on a quiet street, birds chirping, a car horn in the distance
- 設定
- 文字轉影片 · 1:1 · 480p · 10 秒
- 消耗
- 80 點數
提示詞要求兩聲犬吠、鳥鳴，以及遠處的一聲汽車喇叭。開著聲音播放，看看 Wan 3.0 還原得有多準。
Wan 3.0 相較於 Wan 2.7 的新變化
同一個系列，長度加倍，首度有了聲音。兩個模型都在 Imgveo 上運作，下方每一列都來自生成器的設定。
| Wan 2.7 | Wan 3.0 | |
|---|---|---|
| 最長鏡頭 | 15 秒 | 30 秒 |
| 解析度 | 720p / 1080p | 480p / 720p / 1080p |
| 聲音 | 無 | 與畫面同步生成 |
| 首尾幀 | 最長 5 秒 | 最長 30 秒 |
| 每秒點數，720p | 16 | 16 |
長度加倍
一鏡現在最長 30 秒，不再是 15 秒，一場戲可以不用剪接，從鋪陳一路演到收尾。
聲音同步生成
Wan 2.7 的影片沒有聲音。Wan 3.0 會加上跟著畫面走的環境音和音效，不另外收費。
首尾幀也能拍長鏡頭
首尾幀模式現在最長 30 秒；在 Wan 2.7 上只到 5 秒。
更便宜的 480p 檔位
480p 每秒 8 點數，試一個創意只要 720p 一半的價格。
Wan 3.0、Wan 3.0 Prime 還是 Wan 2.7？
三個模型都在 Imgveo 上運作。Wan 3.0 和 Prime 的設定完全相同，Prime 更快，也更貴。Wan 2.7 保留給無聲影片。
Wan 3.0
預設首選：480p 出草稿，720p 或 1080p 出成品，含聲音最長 30 秒。
720p 5 秒：80 點數
Wan 3.0 Prime
更快的版本。交期比點數更重要時就選它。
720p 5 秒：130 點數
Wan 2.7
720p 或 1080p 的無聲影片，最長 15 秒，適合已經用得順手的工作。
720p 5 秒：80 點數
| Wan 3.0 | Wan 3.0 Prime | Wan 2.7 | |
|---|---|---|---|
| 最長鏡頭 | 30 秒 | 30 秒 | 15 秒 |
| 聲音 | 有 | 有 | 無 |
| 每秒點數，480p | 8 | 13 | — |
| 每秒點數，720p | 16 | 26 | 16 |
| 每秒點數，1080p | 32 | 51 | 24 |
點數按影片每秒計算。算圖時間取決於長度、解析度和排隊狀況。
三步驟生成 Wan 3.0 影片
不需要剪輯軟體，也不需要任何設定：本頁頂部的生成器包辦整個流程。
01
選擇模型和起手方式
選 Wan 3.0 或 Prime，然後寫一段提示詞，上傳一張照片作為首幀，或上傳首幀和尾幀。
02
描述畫面和聲音
寫清楚鏡頭裡看到什麼、發生什麼，再加一行簡短的聲音描述。下方的 Sound Cue 聲音提示法會教你怎麼寫。
03
設定長度並生成
選擇 5 到 30 秒，以及 480p、720p 或 1080p；按鈕上會顯示確切的點數。完成後下載含聲音的 MP4。
Sound Cue 聲音提示法：寫出聽起來對的提示詞
Wan 3.0 依據你的文字來建構聲音。不寫聲音，它就自己猜；分四層寫明，成品聽起來就和你想像的一樣。
- 01
畫面
鏡頭和場景：「暴雨中的夜街，路燈下站著一位小提琴手。」
- 02
動作
什麼在動、何時動：「他拉著一段緩慢的旋律，身後有雨傘走過。」
- 03
環境音
從不間斷的聲音底色：「穩定的雨聲，遠處的車流聲。」
- 04
單點音效
一兩個綁定在某個時刻的短促聲響：「接近結尾時砰地關上一次車門。」
同一個創意，改寫前後
籠統
A beach at sunset, relaxing vibe
加入聲音提示
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
聲音描述的四條規則
寫具體的聲音，不寫情緒
「雨點打在鐵皮屋頂上」能讓模型有東西可做，「憂鬱的氛圍」不行。
單點音效要給次數或時刻
「叫兩聲」或「結尾處一聲雷」能定位聲音；只寫「狗叫」，可能叫滿整段影片。
最多三四種聲音
聲音描述太擁擠就成了雜訊。留一個環境音，加一兩個音效就夠了。
把聲音寫在最後
用「Sound: …」結束提示詞，聲音就不會和畫面裡該出現的內容混在一起。
Wan 3.0 提示詞公式與四個範本
鏡頭、主體與動作、場景與光線，最後是聲音。依這個順序寫四個部分，幾乎能涵蓋所有 Wan 3.0 影片。
- 01
鏡頭
先寫景別和運鏡：遠景、特寫、手持、空拍或固定機位。
- 02
主體與動作
畫面裡是誰或什麼，在做什麼。每 5 到 10 秒安排一個節拍。
- 03
場景與光線
在哪裡、什麼時候：雨夜的街道、正午的廚房、日出時的山丘。
- 04
聲音
一個環境音加一兩個單點音效，寫在結尾的「Sound:」之後。
四個可直接複製的範本
替換括號中的內容即可。每個範本都是依所示長度撰寫的。
美食廣告
文字轉影片 · 16:9 · 10 秒
[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]
城市氛圍短片
文字轉影片 · 16:9 · 15 秒
[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]
照片變瞬間
圖片轉影片 · 9:16 · 10 秒
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]
30 秒故事
文字轉影片 · 16:9 · 30 秒
[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]
三個浪費點數的錯誤
01
不寫聲音
沒有聲音描述時，Wan 3.0 會自己挑配樂和音效。至少寫明環境音。
02
5 秒裡塞太多節拍
5 秒的影片裡發生三件事會顯得倉促。多節拍的故事留給較長的長度。
03
期待 4K
Wan 3.0 最高 1080p。需要 4K 檔案的話，把成品放大即可，不必重新生成。
Wan 3.0 價格：每段影片多少點數
按影片的秒數計費，聲音不另外收費。下面的每個數字都來自為生成器計價的同一套程式碼。
| 長度 | 480p | 720p | 1080p | Prime 720p |
|---|---|---|---|---|
| 每秒 | 8 | 16 | 32 | 26 |
| 5 秒 | 40 | 80 | 160 | 130 |
| 10 秒 | 80 | 160 | 320 | 260 |
| 15 秒 | 120 | 240 | 480 | 390 |
| 20 秒 | 160 | 320 | 640 | 520 |
| 30 秒 | 240 | 480 | 960 | 780 |
每段影片所需點數，已含聲音。
價格如何計算
點數 = 秒數 × 每秒費率。一段 10 秒的 1080p 影片需要 320 點數；同樣長度的 Prime 影片需要 510 點數。
方案能生成多少
Starter 方案每月的 1,500 點數，大約可生成 18 段 5 秒的 Wan 3.0 720p 影片，或 37 段 480p 影片。
失敗的影片退還點數
如果生成失敗，點數會自動退回你的餘額。你只需為收到的影片付費。
想了解包括重試在內的完整成本計算，請閱讀 AI 影片點數詳解
用 Wan 3.0 可以做什麼
四類最能省事的情境：帶獨立聲音的長鏡頭。圖片僅用來說明各個創意，並非 Wan 3.0 的生成結果。
示意圖餐廳與美食廣告
烈焰翻騰的炒鍋、升起的蒸氣和廚房的聲響，比一段無聲循環更能把菜賣出去。
示意圖家庭與生活瞬間
把一張後院照片變成帶笑聲和鳥鳴的動態場景，直接發短影音。
示意圖活動與賽事回顧
終點線和歡呼的人群，最長 30 秒的時間，足夠把氣氛推到高潮。
示意圖旅行與度假住宿
黃昏時的雪中木屋，風聲與爐火的劈啪聲，可用於房源頁或預告片。
Wan 3.0 常見問題
想在一個地方用上所有 AI 模型？
打開 Imgveo Studio，在一個工作台裡用同一套點數執行本工具以及所有其他 AI 影片和圖像模型。
更多 AI 影片模型與工具
把 Wan 3.0 和其他模型比一比，或者把成品繼續加工。
生成你的第一段 Wan 3.0 影片
描述畫面和聲音，選擇 5 到 30 秒，然後生成。失敗的影片會退還點數，所有影片都可無浮水印下載。
Wan 是 Alibaba Group 的商標。Imgveo 為獨立平台，與 Alibaba 沒有任何關聯。