跳到正文
VibePaper

Wan 3.0带声音的 AI 视频生成

一镜到底最长 30 秒,台词、音效和配乐与画面一次生成。可以从提示词或首尾两帧开始。

无水印,生成前先看价格。

它能做什么

Wan 3.0 的功能:长镜头,自带声音

一个镜头,连续走满 30 秒

多数视频模型只能做 10 或 15 秒。Wan 3.0 一次生成最长 30 秒,足够把一整段行程写进一条提示词:俯冲过梯田、采茶女、一排晾晒的竹匾、茶亭、一只茶杯。时间越短越省积分,先用短镜头定好构图,再拉长。

两个人,两种语言,一条小路

采茶女和旅行者沿石阶并肩走下山,一个说中文,一个说英语。Wan 3.0 把人声、脚步声和山风与画面一起生成。每句台词请写明说话人、语气和语言。

一条提示词,多个镜头

写下镜头 1、镜头 2、镜头 3,并标明各自的秒数,Wan 3.0 就会在它们之间切换。这段 15 秒的视频里,切点正好落在第 5 秒和第 10 秒。每个镜头里对地点和光线用同样的词,一天才会读起来是一个整体。

开始生成
Frame from the clip: 清晨Frame from the clip: 正午Frame from the clip: 黄昏
提示词里的三个镜头

适用场景

用 Wan 3.0 做广告、故事和社媒视频

产品与手艺. 干茶在青瓷杯里舒展,再缓缓拉远到窗外。特写和远景在同一个镜头里完成,注水声已经在音轨里。

模型卡片

Wan 3.0 一览

开始生成
开发方
Alibaba(阿里巴巴)
时长
每次生成 2 到 30 秒
分辨率
480p、720p 或 1080p
起点
文字提示词,或首帧和尾帧
声音
台词、音效和配乐与画面一起生成,可以关闭
画幅
自动、1:1、3:4、4:3、9:16 或 16:9
使用入口
VibePaper 的 Paper Gen 和画布

用 Wan 3.0 制作的视频

开始生成

Wan 3.0 常见问题:时长、声音、镜头和分辨率

Wan 3.0 是什么?

Wan 3.0 是 Alibaba 的视频模型。它可以从文字提示词或首帧和尾帧出发,一次生成 2 到 30 秒、声音同步的视频。在 VibePaper 中,它可用于 Paper Gen 和画布。

视频能有多长,分辨率是多少?

每次生成 2 到 30 秒,分辨率为 480p、720p 或 1080p。想省积分,可以先用 480p 试一个镜头,满意后再用 1080p 生成。30 秒的镜头比 10 秒的更贵,所以先用短镜头把构图定下来。

Wan 3.0 会生成声音吗?

会。台词、环境声、音效和配乐与画面一起生成。声音开关默认打开,也可以关闭。发布前请先听一遍人声,不同次生成的声音质量仍有差异。

可以在多个镜头之间切换吗?

可以。把镜头写成镜头 1、镜头 2、镜头 3,并标明各自的秒数,秒数之和要等于你设定的时长。在我们的 15 秒测试中,切点落在第 5 秒和第 10 秒。不写镜头列表,得到的就是一个连续的镜头。

可以使用首帧和尾帧吗?

可以。添加一张图作为首帧、一张作为尾帧,并在提示词里描述两者之间的运动。Wan 3.0 会从你的图片出发,而不只是凭文字。

可以添加参考图或延长视频吗?

目前 VibePaper 里还不行。这里的 Wan 3.0 从提示词或首帧和尾帧开始。需要用最多 9 张图片、3 段视频和 3 段音频作为参考,请用 Seedance 2.0;想拍更长的故事,可以试试 Seedance 2.5。

支持哪些画幅?

支持自动、1:1、3:4、4:3、9:16 和 16:9,一个模型就能覆盖竖屏社媒、方形帖子和宽银幕。

我的提示词为什么被拒绝了?

提到已有电影、歌曲、艺术作品或真实人物的提示词可能会被拒绝。请改用你自己的话来描述原创角色和场景。

生成的视频可以商用吗?

可以。视频无水印下载,可用于广告、客户项目和社交渠道。你需要确保自己有权使用作为首帧或尾帧上传的图片。

博客:使用指南与模型介绍

实用的上手指南,和这里能用到的模型介绍:每个模型擅长什么、提示词怎么写、怎样在画布上做出更好的结果。

查看更多

探索更多 AI 工具