Wan 3.0 AI 视频生成器
用文字描述场景，或让一张静态图片动起来。通过 Wan 3.0 在线制作产品广告、电影感镜头和社交短片，最长可生成 30 秒视频，并按需开启声音。
Wan 3.0 属于阿里巴巴的万相 Wan AI 模型家族。Raphael 将文生视频、图生视频和多模态参考生成放在同一个在线工作区：从提示词开始，让图片变成视频，或加入图片、视频、音频、文档和网页参考，引导下一段创作。
AI 加强
0 / 3,000
参考图（可选）
0 / 3,000
AI 加强
模型
宽高比
输出数量
分辨率
画质
快速
正在加载视频模型...
Wan 3.0 视频案例
从奇幻场景、武术动作、音乐表演到产品故事，看看 Wan 3.0 的创作表现。
官方 Wan 3.0 案例
云海赴宴，仙山入画
提示词
“这是一支9个镜头、30秒的东方仙山秘境类奇幻短片，渲染路线为风格化路线，美学参照新国潮月份牌插画风格——粗细均匀的传统工笔描线勾勒人物、建筑与云纹轮廓，云朵与浪花呈现层叠图案化的装饰性造型而非写实雾气水体，色彩为做旧宣纸质感的水彩渗染，青绿与粉橙做旧配色，画面整体呈现复古怀旧的装饰美感，明确避免照片级写实材质与3D引擎渲染感。
巨鳌浮游于苍茫云海之上，背驮层叠仙山与殿阁，图案化云雾如层叠棉团漫过山腰，一位仙子跨骑鎏金瑞麟破云而降，御风疾驰穿行于极乐盛宴之上，俯览满台乐舞百戏，最终降临广场高台，与乐师舞者共同将全场推至欢腾顶点，动势汇聚后众人归于静谧，仙山浮于云海尽头。全局采用第三人称旁观式叙事，混合运镜风格贯穿全片仅使用FPV极速穿梭、主观视角疾驰跟随、match cut接力、升格延展这四种核心技法，凡FPV与主观穿梭类镜头须以高速运镜凸显场景壮观，图案化云朵与浪花在高速运镜中保持轮廓完整不产生崩散变形。剪辑节奏为混合节奏型，开篇高速长镜头建立巨物尺度，中段核心动作详尽展开并保留呼吸停顿，高潮快切汇聚，收尾长镜头缓收。音乐为古风雅乐与现代氛围电子融合，古筝箜篌琵琶主奏、编钟点睛，情绪由悠远渐入转明快推进，高潮鼓点密集炽烈，收尾复归悠远。
镜头1（0-4秒·氛围过渡）
远景FPV穿梭，以极速俯冲之势自云海高空直坠而下，图案化云朵在高速下坠中保持棉团状轮廓完整、以整体色块位移的方式表现速度感而非碎裂变形，贴地般擦过巨鳌若隐若现的头颅轮廓，镜头呼啸穿行数层山峰与悬浮殿阁，每一层景物因速度过快只余装饰性图案的色块轮廓一闪而过，山间白鹤振翅的身影以工笔线条简化表现速度残影，最终镜头急速下沉制动，贴近广场高台方向骤然稳定，揭示灯火与人潮涌动的盛会轮廓。环境音为云海翻涌的低频氛围声叠疾风呼啸声；音乐以古筝与电子长音快速铺陈，音量渐强。
镜头2（4-11秒·核心炫技·Tier-A）
主观视角跟随，模拟仙子骑乘瑞麟以极高速度贴地飞驰俯览盛会的第一人称长镜头，画面因高速运动产生整体色块位移的速度感，瑞麟颈羽以工笔线条与色块表现随气流翻卷，羽饰边缘泛着金红渗染层次，视角贴着广场上方以近乎失控的速度低空掠行，两侧景物——舞者广袖翻涌如图案化云浪、乐师方阵持琵琶古筝箜篌合奏、灯彩纱幔层叠垂挂——因速度过快只呈现装饰性色块的一闪而过，画面纵深处的人潮灯火因高速略过来不及聚焦形成朦胧的暖橙光斑带，图案化云朵在画面周围保持棉团轮廓完整地随视角流转。核心动作为瑞麟持续高速滑翔穿行的完整弧线：起势阶段瑞麟展翼贴地疾驰，视角剧烈震荡带出强烈速度感；发展阶段瑞麟腾身而起掠过人群头顶，视角大幅起伏，广场全景在剧烈晃动中依次显形又被速度甩出画面；顶点阶段瑞麟在灵树光晕正下方振翅悬停片刻，画面速度骤然归零形成强烈对比，光晕以做旧金色渗染铺满画面，工笔线条在静止瞬间恢复清晰完整；随后瑞麟再以更猛烈的加速冲刺俯身向广场高台疾驰而去，速度感贯穿始终不松懈。动态现象：灯彩随气流剧烈甩荡，图案化纱幔层层扬起又落下不产生轮廓崩散。分镜头音频：环境音为人潮欢腾的嘈杂氛围声叠疾驰气流的呼啸声；关键音效为掠过乐师方阵时短暂放大的琵琶碎音；音乐鼓点开始加密，编钟点缀其间。
镜头3（11-19秒·核心炫技·Tier-A）
中景转特写，工笔描线勾勒轮廓，暖色渗染表现光影层次。乐师端坐高台一侧，怀抱琵琶斜倚身前，肌肤以水彩渗染表现柔和红润质感，眉间一点朱砂细腻晕染，发间垂缀数枚珠串以工笔线条表现随低头动作轻轻摆荡，身着月白暗纹广袖长衫外罩烈焰橙描金半臂，衣料以水彩渗染表现深浅层次与自然褶皱阴影，轮廓线保持均匀连续。核心动作为弹挑起势转轮指过渡再至扫弦收势的完整乐段：起势阶段右手拇指食指交替轻弹轻挑，弦体以简练线条表现轻颤；发展阶段转入轮指，此处不锁定手指精度，镜头转为特写聚焦弦体本身——弦线因高速拨动呈现工笔线条的模糊震颤残影，手部动作以流畅的整体轮廓律动表现而非逐指线条细节；顶点阶段乐师手臂猛然扬起，手掌大幅度一记扫弦划过全弦，琶音以色块渗染表现炸开的视觉效果，琴身轮廓随力道明显震颤，广袖轮廓随手臂动作大幅甩起又回落，运镜在此处转为升格延展这一挥扫瞬间的绸缎摆动与弦体震颤细节，慢镜头下水彩渗染的层次变化清晰可见；最终乐师手掌停留在琴弦上方，气息微喘，眼神骤然抬起望向广场中央，神情投入忘我。其他主体反应：远处百人乐舞方阵以简化的图案化群像随扫弦炸响同步扬袖呼应。分镜头音频：关键音效为扫弦炸响的琵琶强音与鼓点重拍精确重合；音乐配器在此处达到密度高点，编钟笙箫齐鸣。
镜头4（19-21秒·氛围过渡，呼吸停顿）
中景俯拍，扫弦余音未散，广场全景短暂定格般的慢镜头，百人乐舞方阵广袖轮廓静止悬于半空的瞬间，图案化灯彩摆荡渐缓，画面速度骤然放缓制造强烈的呼吸对比感，做旧宣纸质感的渗染在光束中呈现柔和层次。分镜头音频：鼓点短暂稀疏，编钟余音悠长。
镜头5（21-27秒·核心炫技·Tier-A）
中景转特写，工笔描线勾勒轮廓，逆光以渗染表现发丝与绸缎边缘的柔和光晕。广场中央一舞者独立于百人方阵之前，肌肤以水彩渗染表现柔和质感，双眉以工笔细线上扬晕染，黑发高束发顶一支火焰纹金饰以线条与色块表现折射流光，身着烈焰橙渐变纱质长绸广袖礼服，绸料以水彩渗染表现轻薄透光边缘泛起层次，双臂缠绕数丈长绸随身侧垂落。核心动作为长绸甩转的完整弧线：起势阶段舞者双臂内收，长绸松垂盘绕身侧，眼神微闭蓄势；发展阶段腰身猛然旋转带动双臂大幅度甩出，长绸如图案化火焰般在空中划出巨大螺旋轨迹，身体随甩动惯性大幅度侧倾又扶正，长绸尾端以工笔线条拖出简化的运动残影轨迹，轮廓保持连续不崩散；顶点阶段舞者旋转至最高速时定住重心，双臂骤然展开，长绸在身周完全铺展成一个巨大的图案化火焰光环，轮廓线在展开瞬间保持均匀清晰不产生断裂扭曲；最终长绸缓缓收拢下落，舞者气息微喘，眼神睁开望向广场高台方向，神情舒展忘我。其他主体反应：百人方阵随长绸展开的瞬间同步扬袖呼应，灵树光晕大片增亮，图案化云朵随之泛起暖色渗染。分镜头音频：环境音短暂退让；关键音效为长绸甩开的破风声与编钟强音叠合；音乐五层配器齐鸣，全片音量峰值。
镜头6（27-30秒·氛围过渡，长镜头收束）
远景，缓慢拉高的俯瞰视角，长绸的余光与广场的欢腾渐次沉入图案化云雾，瑞麟身影已隐入灯火深处，百人方阵与乐师身形渐小融入仙山尺度，灵树光晕转为柔和的余温渗染色泽，图案化云朵重新弥合覆盖山腰，画面定格于云雾缭绕、仙山浮于苍茫云海尽头的全景，工笔线条在远景中简化为柔和的山形轮廓，做旧宣纸质感的渗染归于寂静。分镜头音频：环境音归于悠远的云海低频氛围声；音乐仅存古筝尾音与电子长音渐弱至无，收束全片。”
用 Wan AI 把创意变成视频
从一段场景描述、一张产品图或一组参考素材出发，选择适合项目的生成方式，并在生成前设置时长和分辨率。
官方 Wan 3.0 案例
处理后
把产品 PPT 变成 Wan 视频广告
将产品介绍 PPT 作为参考，告诉 Wan 3.0 你想要的广告风格、产品镜头和使用场景。这个智能眼镜案例展示了从产品资料到科技风广告的创作方式，也可以结合图片、视频或音频参考来引导成片。
官方 Wan 3.0 案例
处理前处理后
“【基础画面硬性要求】
成片完整清除所有红线、数字标号、箭头、辅助标记，画面无文字、无水印；超现实写实 8K 古典油画质感，厚涂笔触与颜料肌理清晰可辨，UE5 电影级光影渲染，古希腊午后的暖调侧逆光，金褐色尘土在光柱中翻腾弥漫；巨型白色木马、木质拖车与滚轮、绷紧的粗麻绳索、左侧特洛伊石砌城墙与圆形箭塔、远景山城建筑群全部保持原图形制、比例与位置不变；人体比例自然无畸变，只保留原生拉绳的众人与城墙上的守军，不新增多余人物，衣袍为原图的赭红、靛蓝、土黄与米白。
【核心运镜规则】
第一人称 FPV 穿越机视角，一镜到底，全程不间断单次连续运动，贴合图1红线 1→2→3→4→5 的完整路径飞行，不跳段、不简化轨迹、不改变先后顺序；起手段不是直线平飞，而是先向左上方扬起越过牵引绳区、再俯冲下压的一道大波浪弧线；点位 2 必须真实从木马腹部下方的空间穿过，不可绕开马身、不可从马侧掠过；整段速度分层节奏为 快 → 慢 → 快。
【按点位分段】
第 1 段（点位 1 → 点位 2）：高速切入突进，先扬后压的俯冲。
镜头自画面右侧边缘、举矛欢呼者的矛尖旁低空起飞，以极高速度向左上方猛然扬起，越过一排排绷紧的牵引麻绳，拉高到远景山城建筑群的上方掠过，随后在木马前胸右侧的位置急转向下压机头，贴着人群头顶与高举的矛尖一路俯冲下坠，人群的手臂与旗帜在两侧飞速刷过，扬起的尘土被气流撕成长条，机头直取木马腹下的阴影。
第 2 段（点位 2，穿腹而过）：钻入马腹下方，速度骤然收慢。
镜头压到极低，从木马四条巨柱般的腿之间钻入，穿过马腹正下方的阴影空间——头顶是木马腹部的木纹拼板与凿痕，两侧是粗大的绳索、拖车的木板与铁箍滚轮，下方是被无数只脚踩踏的尘土地面，光线骤暗只剩缝隙间漏下的金色光条，尺度压迫感拉到最大。
第 3 段（点位 2 → 点位 3）：升格慢动作，仰头急转。
镜头从马腹另一侧钻出，在木马后方、临近左侧城墙的位置以升格慢速拉出一道大 U 形上扬弧线，掠过马尾与后腿的雕刻纹理，机身缓缓仰起，背景中石砌城墙与圆形箭塔的巨大体量随镜头抬升逐渐充满画面。
第 4 段（点位 3 → 点位 4）：维持升格慢速，沿背脊爬升环绕。
镜头贴着木马的背脊线由后向前缓慢爬升，逐一掠过马背的木缝、卷曲的鬃毛雕刻与颈部肌肉的起伏，天空中盘旋的飞鸟在镜头前散开，城墙上密布的守军与远景山城在下方缓慢平移退去。
第 5 段（点位 4 → 点位 5）：骤然加速，绕头回旋收尾。
镜头越过马鬃顶端后猛然提速，向右甩出一个绕过马头的完整闭合回旋——先冲到马头右前方的开阔天空，再急转回身反向压回，最后正对着木马的头部急速逼近，速度在最后一瞬骤停。
【最终定格画面】
镜头最终定格在木马头部正前方的近距离特写机位，马的眼睛、鼻孔与凿刻的鬃毛占据画面主体，逆光勾出头部轮廓的金边，背景是被虚化的蓝天、流云与远处山城。
【光影画质补充】
全程无剪辑、无镜头拆分、无转场断点，保持单条连续镜头的原生 FPV 广角轻微畸变质感；午后金光始终来自画面右侧偏上方，穿腹而过时经历一次由明到暗再回明的自然曝光过渡；尘土颗粒与空气中的微尘密度随速度变化而增强，油画笔触与颜料肌理在全片保持一致，不出现照片写实化的塑料质感。”
画出路径，引导 Wan 镜头运动
在参考图上标出路线和经过点，再用提示词说明镜头如何移动。这个 Wan 3.0 案例通过一镜到底穿越木马场景，展示画线路径对转向、升降和速度节奏的引导。生成画面会去掉参考图中的标线与编号。
官方 Wan 3.0 案例
“这是一支9个镜头、30秒的东方仙山秘境类奇幻短片，渲染路线为风格化路线，美学参照新国潮月份牌插画风格——粗细均匀的传统工笔描线勾勒人物、建筑与云纹轮廓，云朵与浪花呈现层叠图案化的装饰性造型而非写实雾气水体，色彩为做旧宣纸质感的水彩渗染，青绿与粉橙做旧配色，画面整体呈现复古怀旧的装饰美感，明确避免照片级写实材质与3D引擎渲染感。
巨鳌浮游于苍茫云海之上，背驮层叠仙山与殿阁，图案化云雾如层叠棉团漫过山腰，一位仙子跨骑鎏金瑞麟破云而降，御风疾驰穿行于极乐盛宴之上，俯览满台乐舞百戏，最终降临广场高台，与乐师舞者共同将全场推至欢腾顶点，动势汇聚后众人归于静谧，仙山浮于云海尽头。全局采用第三人称旁观式叙事，混合运镜风格贯穿全片仅使用FPV极速穿梭、主观视角疾驰跟随、match cut接力、升格延展这四种核心技法，凡FPV与主观穿梭类镜头须以高速运镜凸显场景壮观，图案化云朵与浪花在高速运镜中保持轮廓完整不产生崩散变形。剪辑节奏为混合节奏型，开篇高速长镜头建立巨物尺度，中段核心动作详尽展开并保留呼吸停顿，高潮快切汇聚，收尾长镜头缓收。音乐为古风雅乐与现代氛围电子融合，古筝箜篌琵琶主奏、编钟点睛，情绪由悠远渐入转明快推进，高潮鼓点密集炽烈，收尾复归悠远。
镜头1（0-4秒·氛围过渡）
远景FPV穿梭，以极速俯冲之势自云海高空直坠而下，图案化云朵在高速下坠中保持棉团状轮廓完整、以整体色块位移的方式表现速度感而非碎裂变形，贴地般擦过巨鳌若隐若现的头颅轮廓，镜头呼啸穿行数层山峰与悬浮殿阁，每一层景物因速度过快只余装饰性图案的色块轮廓一闪而过，山间白鹤振翅的身影以工笔线条简化表现速度残影，最终镜头急速下沉制动，贴近广场高台方向骤然稳定，揭示灯火与人潮涌动的盛会轮廓。环境音为云海翻涌的低频氛围声叠疾风呼啸声；音乐以古筝与电子长音快速铺陈，音量渐强。
镜头2（4-11秒·核心炫技·Tier-A）
主观视角跟随，模拟仙子骑乘瑞麟以极高速度贴地飞驰俯览盛会的第一人称长镜头，画面因高速运动产生整体色块位移的速度感，瑞麟颈羽以工笔线条与色块表现随气流翻卷，羽饰边缘泛着金红渗染层次，视角贴着广场上方以近乎失控的速度低空掠行，两侧景物——舞者广袖翻涌如图案化云浪、乐师方阵持琵琶古筝箜篌合奏、灯彩纱幔层叠垂挂——因速度过快只呈现装饰性色块的一闪而过，画面纵深处的人潮灯火因高速略过来不及聚焦形成朦胧的暖橙光斑带，图案化云朵在画面周围保持棉团轮廓完整地随视角流转。核心动作为瑞麟持续高速滑翔穿行的完整弧线：起势阶段瑞麟展翼贴地疾驰，视角剧烈震荡带出强烈速度感；发展阶段瑞麟腾身而起掠过人群头顶，视角大幅起伏，广场全景在剧烈晃动中依次显形又被速度甩出画面；顶点阶段瑞麟在灵树光晕正下方振翅悬停片刻，画面速度骤然归零形成强烈对比，光晕以做旧金色渗染铺满画面，工笔线条在静止瞬间恢复清晰完整；随后瑞麟再以更猛烈的加速冲刺俯身向广场高台疾驰而去，速度感贯穿始终不松懈。动态现象：灯彩随气流剧烈甩荡，图案化纱幔层层扬起又落下不产生轮廓崩散。分镜头音频：环境音为人潮欢腾的嘈杂氛围声叠疾驰气流的呼啸声；关键音效为掠过乐师方阵时短暂放大的琵琶碎音；音乐鼓点开始加密，编钟点缀其间。
镜头3（11-19秒·核心炫技·Tier-A）
中景转特写，工笔描线勾勒轮廓，暖色渗染表现光影层次。乐师端坐高台一侧，怀抱琵琶斜倚身前，肌肤以水彩渗染表现柔和红润质感，眉间一点朱砂细腻晕染，发间垂缀数枚珠串以工笔线条表现随低头动作轻轻摆荡，身着月白暗纹广袖长衫外罩烈焰橙描金半臂，衣料以水彩渗染表现深浅层次与自然褶皱阴影，轮廓线保持均匀连续。核心动作为弹挑起势转轮指过渡再至扫弦收势的完整乐段：起势阶段右手拇指食指交替轻弹轻挑，弦体以简练线条表现轻颤；发展阶段转入轮指，此处不锁定手指精度，镜头转为特写聚焦弦体本身——弦线因高速拨动呈现工笔线条的模糊震颤残影，手部动作以流畅的整体轮廓律动表现而非逐指线条细节；顶点阶段乐师手臂猛然扬起，手掌大幅度一记扫弦划过全弦，琶音以色块渗染表现炸开的视觉效果，琴身轮廓随力道明显震颤，广袖轮廓随手臂动作大幅甩起又回落，运镜在此处转为升格延展这一挥扫瞬间的绸缎摆动与弦体震颤细节，慢镜头下水彩渗染的层次变化清晰可见；最终乐师手掌停留在琴弦上方，气息微喘，眼神骤然抬起望向广场中央，神情投入忘我。其他主体反应：远处百人乐舞方阵以简化的图案化群像随扫弦炸响同步扬袖呼应。分镜头音频：关键音效为扫弦炸响的琵琶强音与鼓点重拍精确重合；音乐配器在此处达到密度高点，编钟笙箫齐鸣。
镜头4（19-21秒·氛围过渡，呼吸停顿）
中景俯拍，扫弦余音未散，广场全景短暂定格般的慢镜头，百人乐舞方阵广袖轮廓静止悬于半空的瞬间，图案化灯彩摆荡渐缓，画面速度骤然放缓制造强烈的呼吸对比感，做旧宣纸质感的渗染在光束中呈现柔和层次。分镜头音频：鼓点短暂稀疏，编钟余音悠长。
镜头5（21-27秒·核心炫技·Tier-A）
中景转特写，工笔描线勾勒轮廓，逆光以渗染表现发丝与绸缎边缘的柔和光晕。广场中央一舞者独立于百人方阵之前，肌肤以水彩渗染表现柔和质感，双眉以工笔细线上扬晕染，黑发高束发顶一支火焰纹金饰以线条与色块表现折射流光，身着烈焰橙渐变纱质长绸广袖礼服，绸料以水彩渗染表现轻薄透光边缘泛起层次，双臂缠绕数丈长绸随身侧垂落。核心动作为长绸甩转的完整弧线：起势阶段舞者双臂内收，长绸松垂盘绕身侧，眼神微闭蓄势；发展阶段腰身猛然旋转带动双臂大幅度甩出，长绸如图案化火焰般在空中划出巨大螺旋轨迹，身体随甩动惯性大幅度侧倾又扶正，长绸尾端以工笔线条拖出简化的运动残影轨迹，轮廓保持连续不崩散；顶点阶段舞者旋转至最高速时定住重心，双臂骤然展开，长绸在身周完全铺展成一个巨大的图案化火焰光环，轮廓线在展开瞬间保持均匀清晰不产生断裂扭曲；最终长绸缓缓收拢下落，舞者气息微喘，眼神睁开望向广场高台方向，神情舒展忘我。其他主体反应：百人方阵随长绸展开的瞬间同步扬袖呼应，灵树光晕大片增亮，图案化云朵随之泛起暖色渗染。分镜头音频：环境音短暂退让；关键音效为长绸甩开的破风声与编钟强音叠合；音乐五层配器齐鸣，全片音量峰值。
镜头6（27-30秒·氛围过渡，长镜头收束）
远景，缓慢拉高的俯瞰视角，长绸的余光与广场的欢腾渐次沉入图案化云雾，瑞麟身影已隐入灯火深处，百人方阵与乐师身形渐小融入仙山尺度，灵树光晕转为柔和的余温渗染色泽，图案化云朵重新弥合覆盖山腰，画面定格于云雾缭绕、仙山浮于苍茫云海尽头的全景，工笔线条在远景中简化为柔和的山形轮廓，做旧宣纸质感的渗染归于寂静。分镜头音频：环境音归于悠远的云海低频氛围声；音乐仅存古筝尾音与电子长音渐弱至无，收束全片。”
用文字构建一段场景
描述主体、环境、动作和镜头运动，即可从文字生成视频。无论是想象一个超现实世界，还是制作电影感社交短片，Wan 3.0 都能为一段视觉故事提供发挥空间。可选择 2～30 秒时长，最高输出 1080P。
官方 Wan 3.0 案例
“根据三张参考图生成一段约 24 秒的电影级日系科幻游戏开场 CG。
[Image 1] 是男性角色唯一外观参考。
[Image 2] 是女性角色唯一外观参考。
[Image 3] 是传统木质道场的空间、建筑材质和光影参考。
全片严格保持两名角色的面部、发型、服装、身材比例和机械配饰一致。禁止改变男性的护目镜、银灰发型和深灰长外套；禁止改变女性的双发髻、红色机械面罩和白色战斗服。
【整体风格】
高预算日系动作角色扮演游戏开场 CG，成熟科幻动画美术，精致赛璐璐渲染结合电影级三维空间。
画面氛围类似玩家进入隐藏训练关卡：冷白色数字虚拟空间逐渐加载成暖棕色传统道场，科技感与东方武术空间融合。镜头克制、有压迫感，不进行正式战斗，只表现关卡开启前的对峙。
【镜头与对白】
[0–3 秒]
纯白、没有边界的虚拟空间。男性角色背对女性站在画面前方，女性角色出现在远处。空间中只有微弱电子底噪和低沉脉冲声。镜头从超远景快速平稳推进，绕至男性正面，形成上半身近景。男性神情冷静，像是早已在这里等待。男性不说话。
[3–8 秒]
镜头高速升至垂直俯视视角。两人脚下依次亮起浅灰色数字坐标线和建筑网格，网格沿地面向四周扩散，如同隐藏关卡正在加载。伴随低沉系统启动音，木质地板从两人脚下向四周逐块生成；木柱依次垂直升起；横梁在空中自动连接；墙体、障子门和屋顶结构逐层构筑。建筑生成过程连续、准确，具有高级游戏引擎实时加载场景的视觉效果。
[8–11.5 秒]
镜头从高空快速下降，转为贴近木地板的低机位，在两名角色之间向前滑动。道场完整生成。暖色阳光穿过障子窗，在木地板上投射出规整的长条光影。空气中漂浮少量尘埃，建筑生成声逐渐停止，空间陷入短暂寂静。女性先环顾刚刚生成的道场，停顿半秒，然后压低声音，用警觉而冷静的日语问：
「ここは……何のステージ？」
发音节奏自然，约为：
Ko-ko wa……nan-no su-tē-ji?
含义：这里……是什么关卡？
[11.5–14.5 秒]
切至女性角色中近景。她不再说话。她迅速调整重心，身体轻微下沉，抬起右手，掌心朝向男性，摆出精准克制的武术防御起手式。红色机械面罩发出短暂微光，耳部机械装置完成一次扫描。她的眼神保持警惕，没有夸张表情。
[14.5–19 秒]
切至男性角色中景。男性从容转身，长外套下摆轻微摆动。他缓慢抬起右手，掌心朝向女性，以平静姿态回应她的起手式。镜头缓慢向男性推进。男性完整地、从容地说完台词，中间保留自然停顿，用低沉、冷静、像关卡管理者一样的日语回答：
「お前の適性を測る、最初の試練だ。」
发音节奏自然，约为：
O-ma-e no te-ki-sei o ha-ka-ru、sai-sho no shi-ren da.
含义：这是测试你适性的第一场试炼。
男性说话时不露出明显笑容，声音沉稳，没有愤怒或喊叫感。
[19–24 秒]
切至男性正面特写。道场背景逐渐出现轻微数字化消散效果，暖色环境被强烈冷白光覆盖，重新淡化为最初的纯白虚拟空间。男性护目镜表面掠过一道冷白扫描光。画面停顿半秒后，远处传来低沉的系统女声，不展示字幕：
「適性試験、開始。」
发音：
Te-ki-sei shi-ken、kai-shi.
含义：适性测试，开始。
最后伴随短促有力的系统确认音，画面定格结束。
【声音设计】
开场使用低沉电子氛围音、微弱空间脉冲和远距离机械共鸣。
场景生成时加入数字网格启动声、木质模块展开声、木柱升起声和低频结构闭合声。声音具有重量感，但不过度嘈杂。
道场完整生成后，环境音突然降低，只保留木质空间回响、衣料轻微摩擦和人物呼吸声。
角色使用自然日语配音：
女性声音年轻、冷静、警觉，避免可爱或夸张的动漫腔。
男性声音低沉、成熟、从容，像导师、关卡守卫或任务引导者。
系统女声清晰、冰冷、没有感情，像游戏系统提示音。
【生成控制】
角色说话时日语口型准确同步。只让当前镜头中的角色说话，避免错配声音。每一句日语台词都要完整说完，不要抢拍，不要压缩语速；台词前后保留自然停顿和呼吸。
重点表现道场的加载顺序：
数字坐标激活 → 网格向外扩散 → 木地板逐块铺开 → 木柱依次升起 → 横梁自动连接 → 墙体和障子门生成 → 完整道场闭合。
两名角色不进行快速打斗，不奔跑，不跳跃。只完成观察环境、调整站姿、抬掌起势和相互对峙。
人物手掌和手指结构自然；面部、发型、面罩、护目镜和服装全程稳定；建筑透视准确；镜头运动连贯。
画面中不出现任何字幕、标题、UI 界面、游戏菜单、数值、标识、分镜边框或水印。”
用多模态参考引导动作与风格
结合人物图片和视频参考，描述希望沿用的动作或运镜；加入音频引导氛围，或用文档、公开网页提供创作简报。说明各份素材在场景中的作用，让人物形象、动作和环境共同服务于一段新视频。
官方 Wan 3.0 案例
“生成一支24秒电影级国际化hip-hop音乐视频，真实照片级质感，高端街头时尚MV调性，节奏明快、自信、有力量。
【参考图】
图1：四人团体阵容、人物身份、服装与整体造型参考。全片固定为四人：一名女性主唱、一名男性DJ、左右各一名hype performer。不得新增、复制或互换人物。
图2：女性主唱的面部、发型、妆容、银黑机能风服装与手持麦克风参考。所有近景保持同一张脸、同一套造型。
图3：屋顶舞台、DJ台、湿润反光地面、灯光、玻璃护栏与城市天际线参考。全片始终发生在同一屋顶。
【核心概念】
Different voices, one beat。
同一位主唱在同一首原创、抓耳的国际化hip-hop anthem中自然切换八种语言。音乐约106 BPM，开场第一秒立即进入强烈groove，不做缓慢氛围铺垫；使用厚重有冲击力的kick、干脆清晰的snare、富有弹性和切分感的bassline，以及一个清晰易记、能够哼唱的两小节电子合成器与短促铜管hook。这个核心hook从开场建立，在每次语言切换之间以简短变奏持续回归，并在21秒的beat drop完整爆发。八种语言像同一首歌中的连续rap flow，始终自然落在鼓点上，不是逐句机械报词；伴奏始终保持旋律性、律动和向前推进感，不因口型同步而弱化。
【镜头序列】
全片保持清晰稳定的空间轴线：主唱始终位于前方中央，DJ始终位于后方设备台，两位performers始终分列左右。摄影机主要沿正面轴线推进、后拉或平稳横移，每个镜头只执行一种主要运动；节奏主要来自表演、景别变化和硬切，不依赖连续环绕、频繁甩镜或突然反向。
镜头1｜0-3秒
低空航拍越过城市楼群，快速下降至图3的屋顶舞台。主唱位于前方中央，DJ在后方设备台，两位performers分列左右。镜头接近主唱时转为低角度广角推进。
主唱抬头直视镜头，唱：
“One beat.”
最后一个重音落下，硬切。
镜头2｜3-6秒
主唱正面胸像近景，严格参考图2。稳定器沿正面轴线短距离推进并自然停稳，城市灯光在背景形成虚化散景。主唱一手握麦克风，另一只手随节拍指向镜头，头部有力点动。
主唱唱：
“同一个节拍。”
最后一个字落拍，直接硬切至下一景别。
镜头3｜6-9秒
微距拍摄DJ操作打碟盘、推子和发光按钮，随后快速上摇，露出后方DJ与前景侧身表演的主唱。设备与人物布局保持稳定。
主唱唱：
“ひとつのリズム。”
DJ按下按钮的瞬间硬切。
镜头4｜9-12秒
主唱3/4侧面中景，镜头从左向右平稳短距离横移，始终保持水平地平线与既定空间轴线。两位performers在背景左右律动，动作不同但节奏统一。主唱以眼神和轻微转头追随镜头。
主唱唱：
“하나의 리듬.”
最后一拍，主唱抬手掠过镜头，形成擦镜切换。
镜头5｜12-15秒
低机位广角横移。主唱沿屋顶表演区域向镜头走近，银色外套被夜风轻微吹动，背景城市灯光形成明显运动视差，湿润地面反射暖金灯光。
主唱唱：
“Um só ritmo.”
脚步踩中重拍，硬切。
镜头6｜15-18秒
主唱与右侧女性performer双人中近景。两人先背对背站立，随后同时转向镜头。主唱完成演唱，performer以肩部和手臂动作回应节奏，不抢主体。
主唱唱：
“จังหวะเดียวกัน.”
最后一拍由右侧performer的肩部自然擦过镜头，完成遮挡切换。
镜头7｜18-21秒
短促有力但平稳的正向推进，从中景推进至主唱近景并立即停稳。主唱进入flow高潮，眼神坚定，手势有力量。DJ和两位performers在后方同步抬手，屋顶灯光随节拍增强。
主唱唱：
“Un mismo ritmo.”
最后一个词结束，在稳定构图中直接硬切。
镜头8｜21-24秒
主唱侧逆光近景，面部一侧被暖金轮廓光照亮，另一侧保留深蓝阴影。
主唱先唱：
“إيقاع واحد.”
随后beat drop，镜头沿正面轴线平稳后拉至英雄式全景，地平线保持水平。四人形成稳定三角站位，主唱在前方，DJ在后方中央，两位performers分列左右。全员踩着节拍向镜头迈进一步。
主唱唱：
“Different voices, one beat.”
全员在最后一拍齐声回应：
“One beat.”
全员定住动作，主唱直视镜头，画面结束。
【表演要求】
主唱所有歌词必须精准对口型，八种语言保持自然发音、重音和语速，但主唱声线、身份与整体flow始终统一。头部、肩膀、手势与身体重心跟随beat自然律动。不要机械朗读，不要在语言切换时改变人物、服装、年龄或声线。
【视觉要求】
蓝调时刻至夜晚的城市屋顶，深蓝、银灰、暖金与少量洋红霓虹配色。24mm、35mm、50mm电影镜头混用，真实浅景深、细腻胶片颗粒、轻微空气雾气、真实皮肤纹理。
剪辑通过远景、中景、近景的明确变化制造速度感，但相邻镜头不频繁反转运动方向。主要使用硬切、动作匹配和一次自然擦镜；避免大幅环绕、连续甩镜、荷兰角与忽快忽慢的推进。
无字幕、无歌词文字、无品牌标志、无UI、无水印。人物五官清晰，手指自然，麦克风与DJ设备稳定，不漂浮、不变形。全片四人身份、服装、发型、配饰和场景保持一致。”
让声音参与场景表达
Wan 视频生成可以同时加入对白、音乐和环境音。描述想要的声音并开启生成器的声音开关，或保持关闭，生成后再自行配乐。适合音乐表演、氛围镜头和有声短故事等创作。
探索更多模型
同一个生成器内一键切换主流视频模型。
Wan 3.0 与 Wan 3.0 Prime 对比
两个型号支持相同的生成方式和参考类型。希望节省积分时选择 Wan 3.0，更看重生成速度时选择 Prime。
| 功能 | Wan 3.0 | Wan 3.0 Prime |
|---|---|---|
| 生成方式 | 文生视频、首尾帧、参考生成 | 文生视频、首尾帧、参考生成 |
| 分辨率 | 480P / 720P / 1080P | 480P / 720P / 1080P |
| 输出时长 | 2～30 秒 | 2～30 秒 |
| 参考素材 | 图片、视频、音频、文档或网页 | 图片、视频、音频、文档或网页 |
| 生成声音 | 可选，默认关闭 | 可选，默认关闭 |
| 起步价格 · 480P、2 秒 | 28 积分 | 42 积分 |
| 主要优势 | 积分成本更低 | 生成速度更快 |
两个型号可以采用相同的创作思路。生成器会根据分辨率、输出时长和参考视频时长显示所需积分。
选择您的套餐
免费图像包含水印。升级以获得干净的输出、更快的生成和商业用途。
专业版
-50%$20$10/月
按年计费 ·$240$120/年
无限模型权益
Seedream 3.5无限- Seedream 3.5 Pro不含无限
MiniMax H3 Turbo不含无限- MiniMax H3不含无限
- 升级后可解锁全部高级模型，并享受专属折扣MiniMax H3-70%
Gemini
Nano Banana
GPT-50%Seedream-40%Veo
Seedance 2.5
Kling - 每月 2,000 积分
- 最多 2,000 张快速图片
- 最多 200 条基础视频
- 优先队列
- 无水印
- AI 工具批量使用
- 完全隐私
推荐
旗舰版
-50%$40$20/月
按年计费 ·$480$240/年
无限模型权益
- Seedream 3.5无限
- Seedream 3.5 Pro无限
- MiniMax H3 Turbo不含无限
- MiniMax H3不含无限
- 升级后可解锁全部高级模型，并享受专属折扣MiniMax H3-70%GeminiNano BananaGPT-50%Seedream-40%VeoSeedance 2.5Kling
- 每月 5,000 积分
- 最多 5,000 张快速图片
- 最多 500 条基础视频
- 最高优先级队列
- 无水印
- AI 工具批量使用
- 完全隐私
至尊版
-50%$80$40/月
按年计费 ·$960$480/年
无限模型权益
- Seedream 3.5无限
- Seedream 3.5 Pro无限
- MiniMax H3 Turbo无限
- MiniMax H3无限
- 升级后可解锁全部高级模型，并享受专属折扣MiniMax H3-70%GeminiNano BananaGPT-50%Seedream-40%VeoSeedance 2.5Kling
- 每月 10,000 积分
- 最多 10,000 张快速图片
- 最多 1,000 条基础视频
- 最高优先级队列
- 无水印
- AI 工具批量使用
- 完全隐私
Wan 3.0 常见问题
了解 Wan AI 在线使用方法、图生视频、参考素材和积分计算方式。
1
Wan AI 是什么？Wan 3.0 属于哪个模型？
Wan AI 是阿里巴巴的万相生成模型家族。Wan 3.0 是其中的视频模型，支持文生视频、首帧或首尾帧图生视频，以及多模态参考生成。在 Raphael 中可以直接在线使用，无需在本地安装模型。
2
如何在线使用 Wan 3.0？
在上方生成器中输入场景描述。上传图片可进行图生视频，使用其他素材时可切换到参考模式。选择时长、分辨率、画幅和声音设置，确认显示的积分后开始生成。
3
Wan 图生视频怎么使用？
上传一张图片作为首帧，并描述希望出现的动作或运镜。可以额外添加尾帧，引导视频的结尾画面。如果希望多张图片参考人物或风格，而不是指定首尾画面，请使用参考模式。
4
可以使用哪些参考素材？
参考模式最多支持 10 张图片、5 段视频、5 段音频，以及 1 份文档或 1 个公开网页。文档和网页不能同时使用。文件都从同一个素材入口添加；将完整的公开网页链接粘贴到提示词框，可转换为网页参考卡片。
5
支持哪些时长和分辨率？
可选择 2～30 秒的整数时长，以及 480P、720P 或 1080P 分辨率。参考视频累计最长 15 秒，且参考视频总时长加输出时长不能超过 30 秒。例如上传 10 秒参考视频，输出最多选择 20 秒。
6
Wan 3.0 可以生成有声视频吗？
可以。开启声音开关，并在提示词中描述对白、音乐或环境音，即可让模型同时生成声音。Raphael 默认关闭声音，开启后每秒积分单价不变。
7
在 Raphael 使用 Wan AI 视频生成是免费的吗？
Wan 3.0 使用积分生成，不属于免费生成。480P 每秒 14 积分，720P 每秒 27 积分，1080P 每秒 53 积分。参考视频时长按相同单价计费；图片、音频、文档和网页参考不另收输入费用。生成前请查看生成器显示的积分总额。
8
Wan 3.0 和 Prime 有什么区别？
两者支持相同的生成方式、分辨率、时长和参考类型。Wan 3.0 所需积分更少，Prime 是生成速度更快的版本，可以根据预算和等待时间选择，不需要按两套不同的创作能力来区分。
