Wan 3.0 AI Videogenerator

Förvandla en scenbeskrivning eller en stillbild till en video med Wan 3.0. Skapa produktannonser, filmiska ögonblick och sociala klipp online, med upp till 30 sekunder video och valfritt ljud.

Text & bild till videoMultimodala referenserUpp till 30 sekunder · 1080PValfritt ljud

Wan 3.0 Videoexempel

Utforska fantasiscener, kampsport, musik och produktberättelser med Wan 3.0.

Officiellt Wan 3.0-exempel

En fest ovan molnen

Prompt

“Detta är en 9-bilders, 30 sekunder lång fantasykortfilm om ett hemligt rike i ett odödligt berg i öst, återgiven på ett stiliserat sätt, med en estetisk referens till den nya kinesiska stilens kalenderposterillustration – jämntjocka och tunna traditionella gongbi-linjer som skisserar karaktärer, arkitektur och molnmönster; moln och vågor presenterar skiktade, dekorativa former snarare än realistisk dimma eller vattenmassor; färgerna är akvarelltvättar med en sliten Xuan-pappersstruktur, med en sliten grön och rosa-orange färgpalett; den övergripande bilden presenterar en retro, nostalgisk dekorativ estetik, som uttryckligen undviker fotorealistiska material och 3D-motorrendering. Den gigantiska sköldpaddan flyter ovanför det vidsträckta molnhavet, bärande skiktade odödliga berg och palats på sin rygg. Mönstrade moln och dimma, som skiktade bomullsbollar, driver över bergssidorna. En fe rider på en förgylld lyckobringande qilin, bryter igenom molnen och stiger ner, galopperar genom luften över en fest av yttersta lycka, med utsikt över scenen fylld med musik, dans och olika framträdanden. Hon landar slutligen på den höga plattformen på torget och ansluter sig till musiker och dansare för att föra hela platsen till en jublande klimax. Efter den dynamiska konvergensen återgår alla till lugn, med de odödliga bergen flytande i slutet av molnhavet. Hela filmen använder en tredjepersonsobservationsberättelse, med en blandad kamerastil genomgående, med endast fyra kärntekniker: FPV extrem skyttel, subjektivt perspektiv snabb följning, match cut-stafett och slow-motion-förlängning. Alla FPV- och subjektiva skyttelbilder måste använda höghastighetskamerarörelser för att framhäva den spektakulära scenen. Mönstrade moln och vågor bibehåller sina kompletta konturer utan att kollapsa eller deformeras under höghastighetsrörelser. Redigeringsrytmen är blandad: en inledande höghastighetslångbild etablerar det gigantiska objektets skala, kärnaktionen i mitten utvecklas i detalj med andningspauser, klimaxet är en snabb klippkonvergens, och slutet är en långsam långbild. Musiken är en fusion av gammal elegant musik och modern ambient elektronisk musik, med guzheng, konghou och pipa som huvudinstrument, och klockspel för betoning. Stämningen övergår gradvis från avlägsen till livlig, med täta och intensiva trumslag vid klimaxet, och återgår till en avlägsen stämning i slutet. Bild 1 (0-4 sekunder · Atmosfärövergång) Långbild FPV-skyttel, som störtar i extrem hastighet från högt ovanför molnhavet. Mönstrade moln bibehåller sina kompletta bomullsbollsliknande konturer under höghastighetsnedstigningen, vilket uttrycker hastighet genom övergripande färgblocksförskjutning snarare än fragmentering eller deformation. Kameran sveper förbi den svaga konturen av den gigantiska sköldpaddans huvud, sedan visslar den genom flera lager av berg och flytande palats. Varje lager av landskap, på grund av den överdrivna hastigheten, framstår endast som flyktiga färgblockskonturer av dekorativa mönster. Silhuetten av vita tranor som flaxar med vingarna i bergen förenklas med gongbi-linjer för att representera hastighetsefterbilder. Slutligen sänks kameran snabbt och bromsar, stabiliseras plötsligt nära riktningen mot den höga plattformen på torget, vilket avslöjar konturen av en livlig festival med ljus och folkmassor. Omgivningsljudet är det lågfrekventa atmosfäriska ljudet av svallande moln överlagrat med det visslande ljudet av stark vind; musiken utvecklas snabbt med guzheng och elektroniska långa toner, volymen ökar gradvis. Bild 2 (4-11 sekunder · Kärnuppvisning · Tier-A) Subjektivt perspektiv följer, simulerar fen som rider på qilin, en förstapersonslångbild som flyger i extremt hög hastighet nära marken, med utsikt över festivalen. Skärmen genererar en känsla av hastighet genom övergripande färgblocksförskjutning på grund av höghastighetsrörelse. Qilinens nackfjädrar avbildas med gongbi-linjer och färgblock, som virvlar med luftflödet, med förgyllda röda tvättlager på fjäderornamentens kanter. Perspektivet sveper lågt över torget i en nästan okontrollerad hastighet. Landskap på båda sidor – dansarnas vida ärmar som svallar som mönstrade molnvågor, musikergrupper som spelar pipa, guzheng och konghou i samklang, skiktade hängande lyktor och gasvävsgardiner – framstår endast som flyktiga dekorativa färgblock på grund av den överdrivna hastigheten. Folkmassorna och ljusen i skärmens djup, på grund av den höga hastigheten, hinner inte fokusera, vilket bildar suddiga varma orange ljusstråk. Mönstrade moln runt skärmen bibehåller sina bomullsbollskonturer, flytande med perspektivet. Kärnaktionen är qilinens kontinuerliga höghastighetsglidning genom en komplett båge: i den inledande fasen sprider qilin ut sina vingar och galopperar nära marken, perspektivet skakar våldsamt, vilket ger en stark känsla av hastighet; i utvecklingsfasen hoppar qilin upp och sveper över folkmassans huvuden, perspektivet fluktuerar kraftigt, den panoramiska vyn över torget framträder i våldsamma skakningar och kastas sedan ut ur bilden av hastigheten; i klimaxfasen svävar qilin ett ögonblick, flaxar med vingarna direkt under det andliga trädets aura, skärmhastigheten sjunker plötsligt till noll, vilket skapar en stark kontrast, auran fyller skärmen med slitna gyllene tvättar, och gongbi-linjer återställer klarhet och fullständighet i stillhetens ögonblick; sedan accelererar qilin ännu mer våldsamt, störtar ner mot den höga plattformen på torget, med en kontinuerlig känsla av hastighet genomgående. Dynamiska fenomen: lyktor svänger våldsamt med luftflödet, mönstrade gasvävsgardiner stiger och faller i lager utan att konturerna kollapsar. Bildljud: omgivningsljudet är den livliga atmosfären av folkmassan överlagrat med det visslande ljudet av rusande luftflöde; nyckelljudseffekten är den korta förstärkningen av pipa-arpeggion när musikergruppen passeras; musikens trumslag börjar intensifieras, med klockspel insprängt. Bild 3 (11-19 sekunder · Kärnuppvisning · Tier-A) Mellanbild till närbild, gongbi-linjer skisserar konturerna, varma tvättar uttrycker ljus- och skugglager. Musikern sitter på ena sidan av den höga plattformen, håller en pipa diagonalt framför sig. Hennes hud återges med akvarelltvättar, vilket visar en mjuk, rosig textur. En delikat cinnoberprick mellan hennes ögonbryn är subtilt blandad. Flera pärlsträngar som hänger i hennes hår avbildas med gongbi-linjer, som försiktigt svajar när hon böjer huvudet. Hon bär en månvit långärmad klänning med mörka mönster, överlagrad med en eldig orange halvärm broderad med guld. Tyget återges med akvarelltvättar, vilket visar varierande djup och naturliga veck och skuggor, med kontinuerliga och jämna konturer. Kärnaktionen är en komplett musikalisk passage från plockning och strängning till en rullande fingerövergång, sedan till en svepande strängning: i den inledande fasen växlar höger tumme och pekfinger mellan lätt plockning och strängning, strängarna avbildas med enkla linjer som visar små vibrationer; i utvecklingsfasen övergår det till rullande fingrar, här låses inte fingrarnas precision, kameran skiftar till en närbild som fokuserar på strängarna själva – strängarna visar suddiga, vibrerande efterbilder av gongbi-linjer på grund av höghastighetsplockning, handrörelser uttrycks genom flytande övergripande konturrytm snarare än individuella fingerlinjedetaljer; i klimaxfasen lyfter musikerns arm plötsligt, hennes handflata gör ett stort svepande strängslag över alla strängar, arpeggion skapar en exploderande visuell effekt med färgblockstvättar, instrumentets kontur vibrerar synligt med kraften, och den vida ärmens kontur svänger upp och ner betydligt med armrörelsen. Kameran övergår här till slow-motion-förlängning, som fångar detaljerna i silkets svängning och strängarnas vibration under detta svepande ögonblick. De skiktade förändringarna av akvarelltvättar är tydligt synliga i slow motion; slutligen stannar musikerns hand ovanför strängarna, andas lätt, hennes ögon lyfts plötsligt för att titta mot torgets mitt, hennes uttryck är absorberat och förlorat i ögonblicket. Andra subjektiva reaktioner: en hundra personers musik- och dansformation i fjärran, förenklad till mönstrade gruppfigurer, höjer sina ärmar som svar på det exploderande strängslaget. Bildljud: nyckelljudseffekten är det starka ljudet av det exploderande pipa-strängslaget och trummornas tunga slag som exakt sammanfaller; den musikaliska instrumenteringen når sin densitetstopp här, med klockspel och sheng och xiao som spelar i samklang. Bild 4 (19-21 sekunder · Atmosfärövergång, Andningspaus) Mellanbild, översiktsvy, det dröjande ljudet av strängslaget har inte försvunnit, en kort, frusen slow motion av torgets panoramavy, ögonblicket då de vida ärmarna på den hundra personers musik- och dansformationen är stilla upphängda i luften, de mönstrade lyktorna svajar gradvis långsammare, skärmhastigheten saktar plötsligt ner för att skapa en stark känsla av andningskontrast, de slitna Xuan-pappersstrukturerna visar mjuka lager i ljusstrålarna. Bildljud: trumslag kortvarigt glesa, klockspelens dröjande ljud långt. Bild 5 (21-27 sekunder · Kärnuppvisning · Tier-A) Mellanbild till närbild, gongbi-linjer skisserar konturerna, motljus uttryckt med tvättar som visar mjuka glorior på hår- och silkkanter. I mitten av torget står en dansare ensam framför hundra personers formationen. Hennes hud återges med akvarelltvättar, vilket visar en mjuk textur. Hennes ögonbryn är subtilt blandade med fina gongbi-linjer, som bågar uppåt. Hennes svarta hår är högt uppsatt, med ett flammönstrat guldornament på toppen, avbildat med linjer och färgblock som visar brutet ljus. Hon bär en eldig orange gradient genomskinlig långärmad sidenklänning med vida ärmar. Sidentyget återges med akvarelltvättar, vilket visar en lätt, genomskinlig kvalitet med skiktade kanter. Flera meter långt siden är lindat runt hennes armar och släpar vid hennes sidor. Kärnaktionen är den långa silkets kompletta båge när det virvlar: i den inledande fasen dras dansarens armar in, det långa silket draperas löst och rullas vid hennes sida, hennes ögon är lätt slutna, samlar kraft; i utvecklingsfasen roterar hennes midja plötsligt, vilket får hennes armar att svänga ut brett, det långa silket bildar en enorm spiralbana i luften som mönstrade lågor, hennes kropp lutar betydligt med svängningens momentum och rätar sedan upp sig, den långa silkets svans drar en förenklad rörelseefterbildsbana med gongbi-linjer, konturen förblir kontinuerlig utan att kollapsa; i klimaxfasen roterar dansaren till sin högsta hastighet, stabiliserar sedan sin tyngdpunkt, hennes armar sprids plötsligt ut, det långa silket vecklas helt ut runt henne till en enorm mönstrad låggloria, konturen förblir jämnt klar utan att brytas eller vridas i utrullningsögonblicket; slutligen samlas det långa silket långsamt och faller, dansaren andas lätt, hennes ögon öppnas för att titta mot den höga plattformen på torget, hennes uttryck är avslappnat och förlorat i ögonblicket. Andra subjektiva reaktioner: hundra personers formationen höjer sina ärmar i samklang i ögonblicket då det långa silket vecklas ut, det andliga trädets aura ljusnar betydligt, och mönstrade moln färgas med varma tvättar. Bildljud: omgivningsljudet drar sig kortvarigt tillbaka; nyckelljudseffekten är det susande ljudet av det långa silket som vecklas ut kombinerat med starka klockspelsnoter; musikens femlagers instrumentering spelar i samklang, filmens högsta volym. Bild 6 (27-30 sekunder · Atmosfärövergång, Långbildsslut) Långbild, långsamt stigande översiktsvy, det dröjande skenet från det långa silket och torgets jubel sjunker gradvis ner i de mönstrade molnen och dimman. Qilinens silhuett har försvunnit in i ljusens djup. Hundra personers formationen och musikerna krymper gradvis och smälter in i de odödliga bergens skala. Det andliga trädets aura förvandlas till en mjuk, dröjande tvätt av färg. Mönstrade moln återförenas och täcker bergssidan. Skärmen fryser på en panoramavy över dimhöljda odödliga berg som flyter i slutet av det vidsträckta molnhavet. Gongbi-linjer i långbilden förenklas till mjuka bergskonturer, och de slitna Xuan-pappersstrukturerna återgår till lugn. Bildljud: omgivningsljudet återgår till molnhavets avlägsna lågfrekventa atmosfär; endast guzhengens dröjande toner och elektroniska långa toner återstår, som gradvis tonar ut till tystnad, vilket avslutar hela filmen.”

Från en idé till en Wan AI-video

Välj en startpunkt som passar ditt projekt: en skriven scen, en produktbild eller en samling referenser. Ställ in varaktighet och upplösning innan du genererar.

Officiellt Wan 3.0-exempel

PPTX

Efter

“En produktannons för avancerade smarta glasögon, med en övergripande minimalistisk, futuristisk och modeinriktad stil, återhållsam belysning, en palett av svart, silvergrått och isblått som huvudtoner, med lokala mjuka vita ljusaccenter och UI-grafik för parametrar. Öppningen sker mot en helt svart bakgrund, där ett par smarta glasögon långsamt träder fram ur mörkret, med raffinerade höjdpunkter som glider längs skalmarnas kanter, och bågens silhuett som framträder under kall kantbelysning. Kameran passerar i extrem närbild över linserna, näskuddarna, gångjärnen, skalmarna och materialdetaljerna, vilket visar den delikata texturen av metall och högpresterande kompositmaterial, med en raffinerad och återhållsam ytbehandling och smala, flytande linjer. Produkten roterar sedan långsamt i luften, med minimalistisk rörelsegrafik som synkroniserat visar kärnparameterinformation. Kameran konvergerar sedan snabbt, alla komponenter återgår exakt för att monteras till den kompletta produkten. Det övergår till en ung modell som bär glasögonen – modellen har definierade drag, ett självsäkert uppträdande, klädd i elegant, exklusivt stadsmode, som naturligt vänder huvudet, höjer handen, går och ler i en minimalistisk miljö och urban ljusmiljö. Kameran visar glasögonen från framifrån, sidan och snett bakifrån, vilket framhäver den smala passformen, den fashionabla silhuetten och den vardagliga mångsidigheten. Avslutningen visar produkten svävande och frusen mot en enfärgad bakgrund, med kameran som långsamt zoomar in mot varumärkeslogotypen och kärnsloganen. Den övergripande musiken är minimalistisk elektronisk atmosfär med precisa takter, ren och kraftfull rytm. Den visuella kvaliteten är raffinerad, återhållsam och ren, med en stark varumärkesidentitet och internationell teknisk estetik.”

Förvandla en produkt-PPT till en Wan-videoannons

Använd en produktpresentation som referens och beskriv annonsstilen, produktbilderna och användningsscenerna du vill ha. Detta exempel med smarta glasögon visar hur Wan 3.0 förvandlar produktinformation till en teknikannons. Du kan också kombinera dokumentinmatning med bild-, video- eller ljudreferenser.

Officiellt Wan 3.0-exempel

Rita en bana för att styra kameran - Indata

Före

Efter

“【Hårda krav för grundbilden】 Den slutliga filmen ska helt ta bort alla röda linjer, numeriska markörer, pilar och hjälpmarkeringar; ingen text eller vattenstämplar får synas i bilden. Surrealistisk fotorealistisk 8K klassisk oljemålningstextur, tydligt urskiljbara tjocka penseldrag och pigmentkorn, UE5 filmisk ljusåtergivning, varmtonat sidoljus från en grekisk eftermiddag, gyllenbrunt damm som virvlar och sprider sig genom ljusstrålarna. Den gigantiska vita trähästen, trävagnen och rullarna, de spända tjocka hamprepen, den trojanska stenmuren och det runda vakttornet till vänster, och det avlägsna bergsstadskomplexet ska alla behålla sin ursprungliga form, proportioner och positioner oförändrade. Människoproportionerna är naturliga och oförvrängda; endast den ursprungliga repdragande folkmassan och försvararna på muren finns kvar – inga extra figurer läggs till. Kläderna behåller den ursprungliga ockraröda, indigoblå, jordgula och benvita färgen. 【Kärnregler för kamerarörelse】 Första person FPV drönarperspektiv, en enda tagning, en oavbruten kontinuerlig rörelse genomgående, flygande längs den kompletta vägen för den röda linjen 1→2→3→4→5 i bild 1, utan att hoppa över något segment, förenkla någon bana eller ändra ordningen. Öppningen är inte en rak platt flygning – den stiger först uppåt-vänster för att rensa bogseringsrepszonen, dyker sedan ner i en stor vågbåge. Waypoint 2 måste verkligen passera genom utrymmet under hästens mage; den kan inte kringgå hästens kropp eller svepa förbi dess sida. Den övergripande hastighetslagerade kadensen är snabb → långsam → snabb. 【Segmenterad efter waypoint】 Segment 1 (waypoint 1 → waypoint 2): höghastighetsinträde, ett dyk som först stiger sedan faller. Kameran lyfter på låg höjd från bildens högra kant, bredvid spjutspetsarna på de jublande spjutbärarna, stiger skarpt uppåt-vänster i extrem hastighet, sveper över rader av spända bogseringsrep, klättrar över det avlägsna bergsstadskomplexet för att glida förbi det, svänger sedan skarpt nedåt vid positionen strax till höger om hästens bröst, trycker ner nosen och dyker längs toppen av folkmassans huvuden och höjda spjut. Armar och fanor rusar förbi på båda sidor, uppvirvlat damm slits i långa strimmor av luftflödet, och nosen dyker rakt mot skuggan under hästens mage. Segment 2 (waypoint 2, passerar genom magen): dyker under hästen, hastigheten saktar plötsligt ner. Kameran sjunker till en extremt låg nivå, tränger in mellan hästens fyra massiva pelarliknande ben, passerar genom det skuggade utrymmet direkt under magen – ovanför finns träkornsplankorna och mejselmärkena på magens undersida, på båda sidor finns tjocka rep, vagnplankor och järnbeslagna rullar, nedanför är den dammiga marken som trampats av otaliga fötter. Ljuset dämpas abrupt, endast gyllene ljusstrålar läcker genom springorna; känslan av skala pressas till sitt maximum. Segment 3 (waypoint 2 → waypoint 3): slow motion, lutar uppåt och svänger skarpt. Kameran kommer ut från magens andra sida och, nära hästens bakre del nära den vänstra stadsmuren, drar ut en stor U-formad stigande båge i slow motion, sveper förbi den snidade texturen på svansen och bakbenen. Flygkroppen lutar långsamt uppåt, och den massiva volymen av stenmuren och det runda vakttornet i bakgrunden fyller gradvis bilden när kameran stiger. Segment 4 (waypoint 3 → waypoint 4): bibehåller slow motion, klättrar och kretsar längs ryggraden. Kameran klättrar långsamt längs hästens ryggradslinje från bak till fram, sveper förbi träfogarna på ryggen, den lockiga snidade manen och halsmusklernas vågor en efter en. Cirkulerande fåglar på himlen sprider sig framför linsen; försvararna tätt packade på muren och den avlägsna bergsstaden driver långsamt bakåt nedanför. Segment 5 (waypoint 4 → waypoint 5): plötslig acceleration, en huvudcirklande piskning för att avsluta. Efter att ha passerat manens topp accelererar kameran plötsligt, piskar höger in i en fullständig sluten slinga runt hästens huvud – först skjuter den in i den öppna himlen till hästens högra framsida, svänger sedan skarpt och pressar tillbaka, och slutligen accelererar rakt mot hästens huvud. Rörelsen stannar helt i sista ögonblicket. 【Slutlig stillbild】 Kameran stannar slutligen i en närbildsposition direkt framför hästens huvud: hästens öga, näsborre och mejslade man dominerar bilden, kantljus spårar en gyllene kontur runt huvudet, och bakgrunden är den ofokuserade blå himlen, drivande moln och den avlägsna bergsstaden. 【Anteckningar om belysning och kvalitet】 Inga klipp genomgående, inga bilddelningar, inga övergångsbrott – behåll den naturliga FPV vidvinkelns lätta förvrängningstextur av en enda kontinuerlig tagning. Eftermiddagens gyllene ljus kommer alltid från bildens övre högra del; när den passerar genom magen genomgår den en naturlig exponeringstransition från ljus till mörk och tillbaka till ljus. Dammpartikel- och luftburen mikrodammdensitet intensifieras med hastigheten, och oljemålningens penseldrag och pigmentkorn förblir konsekventa genom hela verket – ingen fotorealistisk plastglans syns.”

Rita en bana för att styra kameran

Markera en rutt och numrerade punkter på en referensbild, beskriv sedan kamerans rörelse i din prompt. Detta Wan 3.0-exempel tar en kontinuerlig drönarbild genom en trähästscen, med den ritade banan för att styra svängar, höjdförändringar och tempo. Den färdiga videon tar bort referensmarkeringarna.

Officiellt Wan 3.0-exempel

Bygg en scen från dina ord

Beskriv ett ämne, en miljö, en handling och kamerarörelse för att skapa en video från text. Wan 3.0 ger dig utrymme för en kort visuell berättelse, oavsett om du föreställer dig en surrealistisk värld eller planerar ett filmiskt socialt klipp. Välj en varaktighet från 2 till 30 sekunder och utdata upp till 1080P.

Officiellt Wan 3.0-exempel

“Generera en filmisk japansk sci-fi-spelöppnings-CG, cirka 24 sekunder lång, baserad på tre referensbilder. [Bild 1] är den enda utseendereferensen för den manliga karaktären. [Bild 2] är den enda utseendereferensen för den kvinnliga karaktären. [Bild 3] är referensen för utrymmet, arkitektoniska material och belysning i en traditionell trädojo. Under hela filmen, upprätthåll strikt konsekventa ansiktsdrag, frisyrer, kläder, kroppsproportioner och mekaniska tillbehör för båda karaktärerna. Ändra inte mannens skyddsglasögon, silvergråa hår och mörkgråa långa kappa; ändra inte kvinnans dubbla bullar, röda mekaniska mask och vita stridsdräkt. 【Övergripande stil】 En högbudget japansk action-RPG-öppnings-CG, med mogen sci-fi-animationskonst, utsökt cel-shaded rendering kombinerat med filmiskt 3D-utrymme. Den visuella atmosfären liknar en spelare som går in i en dold träningsnivå: ett kallvitt digitalt virtuellt utrymme laddas gradvis in i en varmbrun traditionell dojo, som blandar teknik med ett östasiatiskt kampsportsutrymme. Kameran är återhållsam och skapar en känsla av tryck, utan formell strid, visar endast konfrontationen innan nivån börjar. 【Scener och dialog】 [0–3 sekunder] Ett rent vitt, gränslöst virtuellt utrymme. Den manliga karaktären står med ryggen mot den kvinnliga karaktären i förgrunden, medan den kvinnliga karaktären dyker upp på avstånd. Endast ett svagt elektroniskt brum och ett lågt pulsljud finns i utrymmet. Kameran rör sig smidigt och snabbt in från en extrem långbild, cirklar till mannens framsida och bildar en närbild av hans överkropp. Mannens uttryck är lugnt, som om han har väntat här länge. Mannen talar inte. [3–8 sekunder] Kameran stiger snabbt till en vertikal ovanifrån-vy. Ljusgrå digitala koordinatlinjer och arkitektoniska rutnät tänds sekventiellt under deras fötter och sprider sig utåt längs marken, som om en dold nivå laddas. Tillsammans med ett lågt systemstartljud genereras trägolvbrädor bit för bit från under deras fötter utåt; träpelare reser sig vertikalt en efter en; balkar ansluts automatiskt i luften; väggar, shoji-dörrar och takstrukturer byggs lager för lager. Den arkitektoniska genereringsprocessen är kontinuerlig och exakt, med den visuella effekten av en avancerad spelmotor som laddar en scen i realtid. [8–11.5 sekunder] Kameran sjunker snabbt från ovan, övergår till en låg vinkel nära trägolvet och glider framåt mellan de två karaktärerna. Dojon är helt genererad. Varmt solljus passerar genom shoji-fönstren och kastar regelbundna långa remskuggor på trägolvet. En liten mängd damm svävar i luften, ljudet av arkitektonisk generering upphör gradvis, och utrymmet faller i en kort tystnad. Kvinnan tittar först runt den nygenererade dojon, pausar en halv sekund, sänker sedan rösten och frågar på en vaksam och lugn japanska: 「ここは……何のステージ？」 Uttalsrytmen är naturlig, ungefär: Ko-ko wa……nan-no su-tē-ji? Betydelse: Det här är... vilken typ av scen? [11.5–14.5 sekunder] Klipp till en medelnära bild av den kvinnliga karaktären. Hon talar inte längre. Hon justerar snabbt sin tyngdpunkt, hennes kropp sjunker något, och hon höjer sin högra hand, handflatan vänd mot mannen, intar en exakt och återhållsam kampsportsförsvarsställning. Hennes röda mekaniska mask avger ett kort sken, och den mekaniska anordningen på hennes öra slutför en skanning. Hennes blick förblir vaksam, utan överdrivna uttryck. [14.5–19 sekunder] Klipp till en medelbild av den manliga karaktären. Mannen vänder sig lugnt om, fållen på hans långa kappa svajar lätt. Han höjer långsamt sin högra hand, handflatan vänd mot kvinnan, och svarar på hennes ställning med ett lugnt uppträdande. Kameran rör sig långsamt in mot mannen. Mannen avslutar sina repliker helt och lugnt, med naturliga pauser emellan, och svarar på en låg, lugn, nivåansvarig-liknande japanska: 「お前の適性を測る、最初の試練だ。」 Uttalsrytmen är naturlig, ungefär: O-ma-e no te-ki-sei o ha-ka-ru、sai-sho no shi-ren da. Betydelse: Detta är det första provet för att mäta din lämplighet. Mannen visar inget tydligt leende när han talar, hans röst är stadig, utan ilska eller rop. [19–24 sekunder] Klipp till en närbild av mannens framsida. Dojons bakgrund visar gradvis en lätt digital upplösningseffekt, den varma miljön täcks av intensivt kallvitt ljus, och bleknar tillbaka till det ursprungliga rent vita virtuella utrymmet. Ett kallvitt skanningsljus sveper över ytan på mannens skyddsglasögon. Efter att skärmen pausat en halv sekund hörs en låg kvinnlig systemröst på avstånd, utan att visa undertexter: 「適性試験、開始。」 Uttal: Te-ki-sei shi-ken、kai-shi. Betydelse: Lämplighetstest, start. Slutligen, tillsammans med ett kort, kraftfullt systembekräftelseljud, fryser skärmen och avslutas. 【Ljuddesign】 I början, använd låga elektroniska omgivande ljud, svaga rumsliga pulser och avlägsen mekanisk resonans. Under scenegenereringen, lägg till digitala rutnätsaktiveringsljud, ljud av trämoduler som vecklas ut, ljud av träpelare som reser sig och lågfrekventa strukturella stängningsljud. Ljuden ska ha tyngd men inte vara överdrivet bullriga. Efter att dojon är helt genererad sänks omgivningsljudet plötsligt, och endast efterklangen från träutrymmet, lätt tygfriktion och karaktärernas andningsljud kvarstår. Karaktärerna använder naturlig japansk röstskådespeleri: Kvinnans röst är ung, lugn och vaksam, undviker söta eller överdrivna animetoner. Mannens röst är låg, mogen och samlad, som en mentor, nivåväktare eller uppdragsguide. Systemets kvinnliga röst är klar, kall och känslolös, som en systemprompt i ett spel. 【Genereringskontroll】 När karaktärerna talar ska japansk läppsynkronisering vara exakt och synkroniserad. Endast karaktären som för närvarande är i bilden ska tala, för att undvika felmatchade röster. Varje japansk replik måste talas helt, utan att skynda eller komprimera talhastigheten; naturliga pauser och andetag ska bibehållas före och efter replikerna. Betona dojons laddningssekvens: Digitala koordinater aktiveras → Rutnätet sprider sig utåt → Trägolvbrädor läggs ut bit för bit → Träpelare reser sig sekventiellt → Balkar ansluts automatiskt → Väggar och shoji-dörrar genereras → Komplett dojo stängs. Ingen av karaktärerna deltar i snabb strid, springer eller hoppar. De observerar endast miljön, justerar sina ställningar, höjer sina handflator för att inta en pose och konfronterar varandra. Karaktärernas handflator och fingerstrukturer ska vara naturliga; ansiktsdrag, frisyrer, masker, skyddsglasögon och kläder ska förbli stabila under hela filmen; arkitektoniskt perspektiv ska vara korrekt; kamerarörelsen ska vara flytande. Inga undertexter, titlar, UI-gränssnitt, spelmenyer, numeriska värden, identifierare, storyboardramar eller vattenstämplar ska visas på skärmen.”

Vägled rörelse med multimodala referenser

Kombinera karaktärsbilder med videoreferenser för rörelse och kamerariktning. Lägg till ljud för att vägleda stämningen, eller använd ett dokument eller en offentlig webbsida som en kreativ brief. Berätta för Wan hur varje referens ska påverka scenen för att forma utseendet, handlingen och atmosfären i en ny video.

Officiellt Wan 3.0-exempel

“Generera en 24 sekunder lång filmisk internationell hiphop-musikvideo med fotorealistisk kvalitet, en exklusiv street fashion MV-estetik och en snabb, självsäker, kraftfull rytm. [Referensbilder] Bild 1: Referens för den fyrpersonersgruppens uppställning, karaktärsidentiteter, kläder och övergripande styling. Hela videon kommer konsekvent att ha fyra personer: en kvinnlig huvudsångare, en manlig DJ och en hype-artist på varje sida. Inga nya karaktärer, dubblering eller byte av karaktärer är tillåtet. Bild 2: Referens för den kvinnliga huvudsångarens ansikte, frisyr, smink, silver- och svartfärgade funktionskläder och handhållna mikrofon. Alla närbilder ska bibehålla samma ansikte och outfit. Bild 3: Referens för takscenen, DJ-båset, våta reflekterande marken, belysning, glasräcke och stadssiluett. Hela videon kommer konsekvent att utspela sig på samma tak. [Kärnkoncept] Different voices, one beat. Samma huvudsångare växlar naturligt mellan åtta språk i samma originella, medryckande internationella hiphop-anthem. Musiken är cirka 106 BPM och går omedelbart in i ett starkt groove under den första sekunden utan långsam atmosfärisk uppbyggnad; den använder tunga, slagkraftiga kicks, skarpa, tydliga snares, en studsande och synkoperad baslinje, samt en tydlig, minnesvärd, nynnbar tvåtakters elektronisk synthesizer och kort brass-hook. Denna kärn-hook etableras från början, återkommer kontinuerligt med korta variationer mellan varje språkbyte och exploderar fullt ut i beat-droppet vid 21 sekunder. De åtta språken flyter som ett kontinuerligt rap-flow inom samma låt, landar alltid naturligt på takten, inte mekaniskt reciterande ord mening för mening; ackompanjemanget bibehåller alltid melodi, rytm och en känsla av framåtrörelse, utan att försvagas på grund av läppsynkronisering. [Sekvens av tagningar] Hela videon bibehåller en tydlig och stabil rumslig axel: huvudsångaren är alltid i mitten fram, DJ:n är alltid vid den bakre utrustningskonsolen, och de två artisterna är alltid på vardera sidan. Kameran rör sig huvudsakligen framåt, drar sig tillbaka eller panorerar smidigt längs den främre axeln, där varje tagning endast utför en huvudrörelse; rytmen kommer huvudsakligen från framförandet, ändringar i bildstorlek och hårda klipp, och förlitar sig inte på kontinuerlig cirkulering, frekventa "whip pans" eller plötsliga vändningar. Tagning 1 | 0-3 sekunder Låg höjd flygfotografering över stadens byggnader, snabbt nedåt mot takscenen från Bild 3. Huvudsångaren är i mitten fram, DJ:n är vid den bakre utrustningskonsolen, och de två artisterna är på vardera sidan. När kameran närmar sig huvudsångaren övergår den till en lågvinkel vidvinkel-push-in. Huvudsångaren tittar rakt upp i kameran och sjunger: ”One beat.” Det sista tunga slaget faller, hårt klipp. Tagning 2 | 3-6 sekunder Frontal närbild på huvudsångarens byst, strikt enligt Bild 2. Stabilisatorn trycker in en kort sträcka längs den främre axeln och stannar naturligt, med stadsljus som bildar en suddig bokeh i bakgrunden. Huvudsångaren håller mikrofonen i ena handen, och med den andra handen pekar hon mot kameran i takt med musiken, nickar kraftfullt med huvudet. Huvudsångaren sjunger: ”同一个节拍.” Det sista ordet landar på takten, direkt hårt klipp till nästa bildstorlek. Tagning 3 | 6-9 sekunder Makrobild av DJ:n som hanterar skivspelaren, faders och glödande knappar, sedan snabbt panorerar upp för att avslöja DJ:n i bakgrunden och huvudsångaren som uppträder i profil i förgrunden. Utrustningen och karaktärsuppställningen förblir stabil. Huvudsångaren sjunger: ”ひとつのリズム.” Hårt klipp i samma ögonblick som DJ:n trycker på en knapp. Tagning 4 | 9-12 sekunder 3/4 sidomedelbild av huvudsångaren, med kameran som smidigt panorerar en kort sträcka från vänster till höger, alltid bibehållande en horisontell horisont och den etablerade rumsliga axeln. De två artisterna rör sig i bakgrunden på vardera sidan, med olika rörelser men enhetlig rytm. Huvudsångaren följer kameran med blicken och små huvudvridningar. Huvudsångaren sjunger: ”하나의 리듬.” På det sista slaget lyfter huvudsångaren handen och sveper förbi kameran, vilket skapar en "wipe"-övergång. Tagning 5 | 12-15 sekunder Lågvinkel vidvinkelpanorering. Huvudsångaren går mot kameran längs takets uppträdandeområde, hennes silverjacka blåser lätt i nattvinden, med stadsljus i bakgrunden som skapar tydlig rörelseparallax, och den våta marken reflekterar varmt gyllene ljus. Huvudsångaren sjunger: ”Um só ritmo.” Fotsteg landar på det tunga slaget, hårt klipp. Tagning 6 | 15-18 sekunder Medelnärbild av huvudsångaren och den kvinnliga artisten till höger. De två står först rygg mot rygg, sedan vänder de sig samtidigt mot kameran. Huvudsångaren avslutar sången, och artisten svarar på rytmen med axel- och armrörelser, utan att stjäla fokus. Huvudsångaren sjunger: ”จังหวะเดียวกัน.” Det sista slaget "wipas" naturligt av den högra artistens axel som passerar kameran, vilket fullbordar en täckande övergång. Tagning 7 | 18-21 sekunder En kort, kraftfull men stadig framåtdrivning, som rör sig från en medelbild till en närbild av huvudsångaren och omedelbart stannar. Huvudsångaren går in i ett "flow"-klimax, med bestämda ögon och kraftfulla gester. DJ:n och de två artisterna höjer samtidigt händerna i bakgrunden, och takbelysningen intensifieras med takten. Huvudsångaren sjunger: ”Un mismo ritmo.” Det sista ordet avslutas, hårt klipp direkt i den stabila kompositionen. Tagning 8 | 21-24 sekunder Sidobelyst närbild av huvudsångaren, med ena sidan av hennes ansikte upplyst av varmt gyllene kantljus, och den andra sidan behåller en djupblå skugga. Huvudsångaren sjunger först: ”إيقاع واحد.” Sedan kommer beat-droppet, och kameran drar sig smidigt tillbaka längs den främre axeln till en heroisk vidvinkelbild, med horisonten kvar horisontell. De fyra personerna bildar en stabil triangulär ställning, med huvudsångaren framför, DJ:n i mitten bak, och de två artisterna på vardera sidan. Alla tar ett steg framåt mot kameran i takt med musiken. Huvudsångaren sjunger: ”Different voices, one beat.” Alla svarar unisont på det sista slaget: ”One beat.” Alla fryser sina rörelser, huvudsångaren tittar rakt in i kameran, och scenen avslutas. [Prestationskrav] Alla huvudsångarens texter måste läppsynkroniseras exakt, med naturligt uttal, accenter och talhastighet bibehållna över alla åtta språk, men huvudsångarens sånglinje, identitet och övergripande "flow" förblir konsekventa. Huvud, axlar, gester och kroppsvikt rör sig naturligt med takten. Ingen mekanisk recitation, inga ändringar av karaktär, kläder, ålder eller sånglinje vid språkbyte. [Visuella krav] Stadstak vid blå timmen till natt, med en färgpalett av djupt blått, silvergrått, varmt guld och en liten mängd magenta neon. En blandning av 24mm, 35mm, 50mm filmobjektiv, verkligt grunt skärpedjup, delikat filmkorn, lätt atmosfärisk dis och realistisk hudtextur. Redigeringen skapar en känsla av hastighet genom tydliga förändringar i långa, medelstora och närbilder, men intilliggande tagningar ändrar inte ofta rörelseriktning. Använder huvudsakligen hårda klipp, matchklipp och en naturlig "wipe"; undviker storskalig cirkulering, kontinuerliga "whip pans", holländska vinklar och inkonsekventa "push-ins". Inga undertexter, ingen text med sångtexter, inga varumärkeslogotyper, inget UI, inga vattenstämplar. Tydliga ansiktsdrag, naturliga fingrar, stabil mikrofon och DJ-utrustning, ingen flytande eller förvrängning. Identiteterna, kläderna, frisyrerna, accessoarerna och miljön för alla fyra personer förblir konsekventa genom hela videon.”

Ta in ljud i scenen

Wan videogenerering kan inkludera dialog, musik och omgivande ljud tillsammans med bilden. Beskriv det ljud du vill ha och aktivera ljud i generatorn, eller lämna det avstängt för ett tyst klipp som du kan tonsätta senare. Detta passar för prestationsvideor, atmosfäriska scener och korta berättelser.

Utforska andra modeller

Växla mellan topp videomodeller i en generator.

NEW

Wan 3.0 Prime

Gemini Omni Flash

MiniMax H3

Seedance 2.5

Seedance 2.0

Seedance 2.0 Mini

Jämförelse mellan Wan 3.0 och Wan 3.0 Prime

Båda modellerna stöder samma genereringslägen och referenstyper. Välj Wan 3.0 för en lägre kreditkostnad, eller Prime när snabbare generering är viktigare.

Funktion	Wan 3.0	Wan 3.0 Prime
Genereringslägen	Text, första/sista bildrutor, referenser	Text, första/sista bildrutor, referenser
Upplösning	480P / 720P / 1080P	480P / 720P / 1080P
Utdata varaktighet	2–30 sekunder	2–30 sekunder
Referensinmatningar	Bild, video, ljud, dokument eller webbsida	Bild, video, ljud, dokument eller webbsida
Genererat ljud	Valfritt; avstängt som standard	Valfritt; avstängt som standard
Startkostnad · 480P, 2 sekunder	28 krediter	42 krediter
Huvudfördel	Lägre kreditkostnad	Snabbare generering

Använd samma kreativa tillvägagångssätt med båda modellerna. Din upplösning, utdata varaktighet och referensvideo varaktighet bestämmer det totala kreditbeloppet som visas i generatorn.

Wan 3.0 Prime

Välj Din Plan

Gratisbilder inkluderar en vattenstämpel. Uppgradera för rena utdata, snabbare generering och kommersiellt bruk.

Professionell

-50%

$20$10/månad

Faktureras Årligen ·$240$120/år

Förmåner med obegränsad modell

Seedream 3.5Obegränsat
Seedream 3.5 ProEj obegränsat
MiniMax H3 TurboEj obegränsat
MiniMax H3Ej obegränsat

Uppgradera för att låsa upp alla avancerade modeller och få tillgång till exklusiva rabatter
MiniMax H3-70%GeminiNano BananaGPT-50%Seedream-40%VeoSeedance 2.5Kling
2,000 krediter per månad
Upp till 2,000 snabba bilder
Upp till 200 grundvideor
Prioriterad kö
Inga vattenstämplar
Massbearbetning med AI-verktyg
Fullständig integritet

Rekommenderad

Ultimat

-50%

$40$20/månad

Faktureras Årligen ·$480$240/år

Förmåner med obegränsad modell

Seedream 3.5Obegränsat
Seedream 3.5 ProObegränsat
MiniMax H3 TurboEj obegränsat
MiniMax H3Ej obegränsat

Uppgradera för att låsa upp alla avancerade modeller och få tillgång till exklusiva rabatter
MiniMax H3-70%GeminiNano BananaGPT-50%Seedream-40%VeoSeedance 2.5Kling
5,000 krediter per månad
Upp till 5,000 snabba bilder
Upp till 500 grundvideor
Högsta prioriterade kö
Inga vattenstämplar
Massbearbetning med AI-verktyg
Fullständig integritet

Maximum

-50%

$80$40/månad

Faktureras Årligen ·$960$480/år

Förmåner med obegränsad modell

Seedream 3.5Obegränsat
Seedream 3.5 ProObegränsat
MiniMax H3 TurboObegränsat
MiniMax H3Obegränsat

Uppgradera för att låsa upp alla avancerade modeller och få tillgång till exklusiva rabatter
MiniMax H3-70%GeminiNano BananaGPT-50%Seedream-40%VeoSeedance 2.5Kling
10,000 krediter per månad
Upp till 10,000 snabba bilder
Upp till 1,000 grundvideor
Högsta prioriterade kö
Inga vattenstämplar
Massbearbetning med AI-verktyg
Fullständig integritet

Wan 3.0 Vanliga frågor

Lär dig hur du använder Wan AI online, animerar bilder, lägger till referenser och planerar dina videokrediter.

Vad är Wan AI, och var passar Wan 3.0 in?

Wan AI är Alibabas familj av generativa modeller. Wan 3.0 är en videomodell i den familjen, som stöder text-till-video, första bildrutan och första/sista bildrutan animering, samt multimodal referensgenerering. Du kan använda den online i Raphael utan att installera en modell lokalt.

Hur använder jag Wan 3.0 online?

Skriv din scenbeskrivning i generatorn ovan. Lägg till en bild för bild-till-video, eller växla till referensläge för att använda andra källmaterial. Välj varaktighet, upplösning, bildförhållande och ljudinställning, granska det totala kreditbeloppet och generera sedan din video.

Hur fungerar Wan bild till video?

Ladda upp en bild som den första bildrutan och beskriv rörelsen eller kamerariktningen. En valfri slutbild kan vägleda hur klippet avslutas. För flera bilder som vägleder motiv eller stil snarare än de första och sista bildrutorna, använd referensläge istället.

Vilka referensmaterial kan jag använda?

Referensläget accepterar upp till 10 bilder, 5 videor och 5 ljudklipp, plus ett dokument eller en offentlig webbsida. Dokument och webbsidelänkar kan inte användas tillsammans. Lägg till filer via samma materialinmatning och klistra in en komplett offentlig webbsidelänk i promptrutan för att skapa ett referenskort.

Vilka videolängder och upplösningar finns tillgängliga?

Välj en helsekunds varaktighet från 2 till 30 sekunder och en upplösning på 480P, 720P eller 1080P. Referensvideor kan totalt vara upp till 15 sekunder, och deras kombinerade varaktighet plus utdata måste hålla sig inom 30 sekunder. En 10-sekunders videoreferens lämnar därför upp till 20 sekunder för utdata.

Kan Wan 3.0 generera video med ljud?

Ja. Aktivera ljud för att generera ljud med videon och beskriv dialogen, musiken eller atmosfären i din prompt. Ljud är avstängt som standard i Raphael, och att slå på det ändrar inte kreditpriset.

Är Wan AI videogenerering gratis på Raphael?

Wan 3.0 använder krediter snarare än gratis generering. Utdata kostar 14 krediter per sekund vid 480P, 27 vid 720P och 53 vid 1080P. Referensvideo varaktighet debiteras med samma hastighet; bilder, ljud, dokument och webbsidesreferenser lägger inte till en separat inmatningsavgift. Kontrollera det totala beloppet som visas innan du genererar.

Vad är skillnaden mellan Wan 3.0 och Prime?

Båda stöder samma lägen, upplösningar, varaktigheter och referenstyper. Wan 3.0 kostar färre krediter; Prime är det snabbare genereringsalternativet. Välj baserat på din budget och dina tidsbehov, utan att behandla Prime som en separat uppsättning kreativa funktioner.

Wan 3.0 AI Videogenerator

Wan 3.0 Videoexempel

Från en idé till en Wan AI-video

Förvandla en produkt-PPT till en Wan-videoannons

Rita en bana för att styra kameran

Bygg en scen från dina ord

Vägled rörelse med multimodala referenser

Ta in ljud i scenen

Utforska andra modeller

Wan 3.0 Prime

Gemini Omni Flash

MiniMax H3

Seedance 2.5

Seedance 2.0

Seedance 2.0 Mini

Jämförelse mellan Wan 3.0 och Wan 3.0 Prime

Välj Din Plan

Professionell

Förmåner med obegränsad modell

Ultimat

Förmåner med obegränsad modell

Maximum

Förmåner med obegränsad modell

Wan 3.0 Vanliga frågor

Vad är Wan AI, och var passar Wan 3.0 in?

Hur använder jag Wan 3.0 online?

Hur fungerar Wan bild till video?

Vilka referensmaterial kan jag använda?

Vilka videolängder och upplösningar finns tillgängliga?

Kan Wan 3.0 generera video med ljud?

Är Wan AI videogenerering gratis på Raphael?

Vad är skillnaden mellan Wan 3.0 och Prime?

Förvandla din nästa idé till en Wan 3.0-video