示意图雨中的小提琴手
文字转视频 · 16:9 · 5 秒
提示词: 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 视频生成器
Alibaba 的 Wan 3.0 一镜最长 30 秒，声音同步生成。写提示词，或从照片开始。
AI生成内容
可商用
高清1080P输出
自带声音的 Wan 3.0 提示词
每个创意都写明了画面，也写明了你会听到什么。点一个载入生成器，再改成你自己的。
示意图
示意图海岸风暴
文字转视频 · 16:9 · 5 秒
提示词: 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
示意图漫步夜市
文字转视频 · 16:9 · 5 秒
提示词: 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
示意图日出时的热气球
文字转视频 · 16:9 · 5 秒
提示词: 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 是什么？
Wan 3.0 是 Alibaba 的 AI 视频模型，2026 年 8 月发布。它能把提示词、一张照片或首尾帧变成最长 30 秒的连续长镜头，并同步生成声音，雨声、脚步声和引擎声都会跟着画面里发生的事走。
在 Imgveo 上，Wan 3.0 支持 480p、720p 和 1080p，720p 每秒 16 积分。声音包含在价格里，不用另外加钱，失败的视频也会退还积分。
Wan 3.0 Prime 是同一模型的快速版。时长、分辨率和声音都一样，每秒价格更高，更适合赶时间的成片，而不是试稿。
Wan 3.0 在 Imgveo 上的现状
你现在就能生成的内容。所有数字都来自生成器本身的设置。
- 最长镜头
- 30 秒所有模式均适用，包括首尾帧
- 分辨率
- 480p、720p或1080p不支持 4K
- 声音
- 与画面同步生成不额外收积分
- 起步方式
- 文字、一张照片，或首尾帧
- 画面比例
- 16:9 · 9:16 · 1:1 · 4:3 · 3:4
- 价格
- 8 积分/秒起720p 为 16 积分/秒
在 Imgveo 上生成的真实 Wan 3.0 视频
这不是示意图：这段视频用下面的提示词和设置在 Imgveo 上生成，之后没有做任何修改。请打开声音。
提示词
A dog barks twice at a passing bicycle on a quiet street, birds chirping, a car horn in the distance
- 设置
- 文字转视频 · 1:1 · 480p · 10 秒
- 消耗
- 80 积分
提示词要求两声犬吠、鸟鸣，以及远处的一声汽车喇叭。开着声音播放，看看 Wan 3.0 还原得有多准。
Wan 3.0 相比 Wan 2.7 的新变化
同一个系列，长度翻倍，首次有了声音。两个模型都在 Imgveo 上运行，下面每一行都来自生成器的设置。
| Wan 2.7 | Wan 3.0 | |
|---|---|---|
| 最长镜头 | 15 秒 | 30 秒 |
| 分辨率 | 720p / 1080p | 480p / 720p / 1080p |
| 声音 | 无 | 与画面同步生成 |
| 首尾帧 | 最长 5 秒 | 最长 30 秒 |
| 每秒积分，720p | 16 | 16 |
长度翻倍
一镜现在最长 30 秒，不再是 15 秒，一场戏可以不用剪辑，从铺垫一路演到收尾。
声音同步生成
Wan 2.7 的视频没有声音。Wan 3.0 会加上跟着画面走的环境声和音效，不另外收费。
首尾帧也能拍长镜头
首尾帧模式现在最长 30 秒；在 Wan 2.7 上只到 5 秒。
更便宜的 480p 档
480p 每秒 8 积分，试一个创意只要 720p 一半的价格。
Wan 3.0、Wan 3.0 Prime 还是 Wan 2.7？
三个模型都在 Imgveo 上运行。Wan 3.0 和 Prime 的设置完全相同，Prime 更快，也更贵。Wan 2.7 保留给无声视频。
Wan 3.0
默认之选：480p 出草稿，720p 或 1080p 出成片，带声音最长 30 秒。
720p 5 秒：80 积分
Wan 3.0 Prime
更快的版本。出片时间比积分更重要时就选它。
720p 5 秒：130 积分
Wan 2.7
720p 或 1080p 的无声视频，最长 15 秒，适合已经用得顺手的工作。
720p 5 秒：80 积分
| Wan 3.0 | Wan 3.0 Prime | Wan 2.7 | |
|---|---|---|---|
| 最长镜头 | 30 秒 | 30 秒 | 15 秒 |
| 声音 | 有 | 有 | 无 |
| 每秒积分，480p | 8 | 13 | — |
| 每秒积分，720p | 16 | 26 | 16 |
| 每秒积分，1080p | 32 | 51 | 24 |
积分按视频每秒计算。渲染时间取决于时长、分辨率和排队情况。
三步生成 Wan 3.0 视频
无需剪辑软件，也无需任何设置：本页顶部的生成器包办全部流程。
01
选择模型和起步方式
选 Wan 3.0 或 Prime，然后写一段提示词，上传一张照片作为首帧，或上传首帧和尾帧。
02
描述画面和声音
写清镜头里看到什么、发生什么，再加一行简短的声音描述。下面的 Sound Cue 声音提示法会教你怎么写。
03
设置时长并生成
选择 5 到 30 秒，以及 480p、720p 或 1080p；按钮上会显示确切的积分。完成后下载带声音的 MP4。
Sound Cue 声音提示法：写出听起来对的提示词
Wan 3.0 根据你的文字来构建声音。不写声音，它就自己猜；分四层写明，成片听起来就和你想象的一样。
- 01
画面
镜头和场景：“暴雨中的夜街，路灯下站着一位小提琴手。”
- 02
动作
什么在动、何时动：“他拉着一段缓慢的旋律，身后有雨伞走过。”
- 03
环境声
从不间断的声音底色：“稳定的雨声，远处的车流声。”
- 04
点状音效
一两个绑定在某个时刻的短促声响：“临近结尾时砰地关上一次车门。”
同一个创意，改写前后
笼统
A beach at sunset, relaxing vibe
加入声音提示
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
声音描述的四条规则
写具体的声音，不写情绪
“雨点打在铁皮屋顶上”能让模型有东西可做，“忧郁的氛围”不行。
点状音效要给次数或时刻
“叫两声”或“结尾处一声雷”能定位声音；只写“狗叫”，可能叫满整段视频。
最多三四种声音
声音描述太拥挤就成了噪音。留一个环境声，加一两个音效就够了。
把声音写在最后
用“Sound: …”结束提示词，声音就不会和画面里该出现的内容混在一起。
Wan 3.0 提示词公式与四个模板
镜头、主体与动作、场景与光线，最后是声音。按这个顺序写四个部分，几乎能覆盖所有 Wan 3.0 视频。
- 01
镜头
先写景别和运镜：远景、特写、手持、航拍或固定机位。
- 02
主体与动作
画面里是谁或什么，在做什么。每 5 到 10 秒安排一个节拍。
- 03
场景与光线
在哪里、什么时候：雨夜的街道、正午的厨房、日出时的山丘。
- 04
声音
一个环境声加一两个点状音效，写在结尾的“Sound:”之后。
四个可直接复制的模板
替换括号中的内容即可。每个模板都是按所示时长来写的。
美食广告
文字转视频 · 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]
城市氛围短片
文字转视频 · 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]
照片变瞬间
图片转视频 · 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
文字转视频 · 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]
三个浪费积分的错误
01
不写声音
没有声音描述时，Wan 3.0 会自己挑配乐和音效。至少写明环境声。
02
5 秒里塞太多节拍
5 秒的视频里发生三件事会显得仓促。多节拍的故事留给更长的时长。
03
期待 4K
Wan 3.0 最高 1080p。需要 4K 文件的话，把成片放大即可，不必重新生成。
Wan 3.0 价格：每段视频多少积分
按视频的秒数计费，声音不另外收费。下面的每个数字都来自为生成器计价的同一套代码。
| 时长 | 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 |
每段视频所需积分，已含声音。
价格如何计算
积分 = 秒数 × 每秒费率。一段 10 秒的 1080p 视频需要 320 积分；同样长度的 Prime 视频需要 510 积分。
套餐能生成多少
Starter 套餐每月的 1,500 积分，大约可生成 18 段 5 秒的 Wan 3.0 720p 视频，或 37 段 480p 视频。
失败的视频退还积分
如果生成失败，积分会自动退回你的余额。你只为收到的视频付费。
想了解包括重试在内的完整成本计算，请阅读 AI 视频积分详解
用 Wan 3.0 可以做什么
四类最能省事的场景：带独立声音的长镜头。图片仅用于说明各个创意，并非 Wan 3.0 的生成结果。
示意图餐厅与美食广告
烈焰翻腾的炒锅、升起的蒸汽和后厨的声响，比一段无声循环更能把菜卖出去。
示意图家庭与生活瞬间
把一张后院照片变成带笑声和鸟鸣的动态场景，直接发短视频。
示意图活动与赛事回顾
终点线和欢呼的人群，最长 30 秒的时间，足够把气氛推到高潮。
示意图旅行与度假住宿
黄昏时的雪中木屋，风声与炉火的噼啪声，可用于房源页或预告片。
Wan 3.0 常见问题
想在一个地方用上所有 AI 模型？
打开 Imgveo Studio，在一个工作台里用同一套积分运行本工具以及所有其他 AI 视频和图像模型。
更多 AI 视频模型与工具
把 Wan 3.0 和其他模型比一比，或者把成片继续加工。
生成你的第一段 Wan 3.0 视频
描述画面和声音，选择 5 到 30 秒，然后生成。失败的视频会退还积分，所有视频都可无水印下载。
Wan 是 Alibaba Group 的商标。Imgveo 是独立平台，与 Alibaba 没有关联。