多模態參考控制
最多使用 10 張圖片、5 個影片、5 個音訊，或 1 個文件或公開網頁來引導生成。
看得懂素材，也讀得懂文件與網頁，讓影片生成擁有更完整的創作脈絡。
Wan 3.0 AI 影片生成器
讓圖片定義畫面、影片提供動作、音訊傳遞節奏，文件與網頁補充背景，共同構成更完整的生成脈絡。
最多使用 10 張圖片、5 個影片、5 個音訊，或 1 個文件或公開網頁來引導生成。
可選 480P、720P 或 1080P，並支援自適應、16:9、4:3、1:1、3:4 和 9:16 畫面比例。
提示詞最長 20,000 字元，可使用首尾影格、開啟同步音訊，並透過隨機種子重用相同設定。
結合產品圖片與介紹文件，將賣點、定位和視覺方向轉化為簡潔的宣傳影片。
使用音訊控制節奏與氛圍，透過圖片或影片定義人物、場景和動作。
透過多種視覺與文字參考建立人物、地點、鏡頭語言和故事節奏。
將支援的檔案或公開網頁轉化為產品解說、內容摘要或展示影片。
定義人物、產品、場景和視覺風格。
參考動作、鏡頭運動和畫面節奏。
提供音樂、聲音、節奏和氛圍。
補充產品資訊、腳本和故事背景。
提供公開頁面的內容與脈絡。
上傳媒體檔案，新增文件或網頁連結，或選擇首尾影格。
寫明希望生成的內容，並用 Image1、Video1 或 Audio1 指向指定素材。
選擇生成模式、時長、解析度、畫面比例與音訊，然後開始生成。
開始 Wan 3.0 文字轉影片專案時，請先確定主體及其主要動作。依序指定場景、構圖、光影與運鏡，接著描述預期的結尾。對於 Wan 3.0 而言，單一且明確的運鏡比多個複雜動作更容易評估。若動作需要明顯的進程，請保留較長的時長。在增加更多場景或次要角色之前，請先審視主體是否已完成要求的動作。
當初始構圖已確認時，請在 Wan 3.0 圖片轉影片中使用「首尾幀」模式。上傳必要的起始畫面，並可選擇提供結束畫面以描述預期的終點。在提示詞中，說明這些位置之間的動態：例如鏡頭靠近展示台、人物轉向門口，或產品移入光影中。Wan 3.0 仍需要合理的過渡；過遠的視角或不相關的主體可能會使動作難以引導。若需要多張圖片來引導主體特徵或風格，而非定義精確的起訖點，請改選「多模態參考」模式。
Wan 3.0 影片參考指令應說明每項上傳素材的用途。請使用 Image1、Video1 與 Audio1 標籤將指令與對應的上傳內容連結。Wan 3.0 可接收多個參考素材，但增加素材數量並不代表指令會更清晰。請確保各參考素材間最重要的身分特徵保持一致。這些準備工作有助於判斷生成的序列是否符合預期的主體、動作與視覺處理。
| 模型 | Wan 3.0 | Wan 2.7 | Seedance 2.5 |
|---|---|---|---|
| 輸入參數 | 文字 · 圖片 · 影片 · 音訊 · 文件 / 網頁連結 | 文字 · 圖片 · 影片 · 音訊 | 文字 · 圖片 · 影片 · 音訊 |
| 輸出格式 | MP4 | MP4 | MP4 |
| 時長（秒） | 2–30 / 自動 | 2–15; 多模態參考: 2–10 | 4–30 / 自動 |
| 原生解析度 | 480P / 720P / 1080P | 720P / 1080P | 480P / 720P / 1080P |
| 畫面比例 | 自適應 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16 | 16:9 / 9:16 / 1:1 / 4:3 / 3:4 | 1:1 / 21:9 / 4:3 / 3:4 / 16:9 / 9:16 / 自適應 |
| 提示詞上限（字元） | 20000 | 5000 | 10000 |
這些 Wan 3.0 原始指令說明了可控的主體、明確的動作以及清晰的結尾。請根據實際專案調整參考內容與設定；範例旨在描述預期效果，而非保證生成結果。
使用 Image1 作為陶瓷燈參考，Image2 作為房間參考。保留圓形燈罩與啞光象牙白飾面。畫面始於胡桃木書桌上檯燈的中景鏡頭。鏡頭緩慢靠近，同時燈罩下方透出暖光。保持周圍物體靜止。結尾需完整呈現檯燈，並在右側留出標題空間。包含安靜的室內環境音，無人聲。
使用 Image1 作為旅行者參考，Image2 作為車站參考。旅行者在腰部高度手持藍色筆記本，並走向時刻表。使用柔和晨光下的穩定側面追蹤鏡頭。在整個動作過程中保持外套顏色與筆記本一致。結尾為旅行者停下腳步並抬頭仰望。保持背景活動細微。包含遠處的車站環境音；無對話或額外配樂。
使用上傳的產品簡報作為事實背景。針對文件中描述的便攜式閱讀燈創作一段短片視覺介紹。展示黃昏時的書桌，閱讀燈被放置在打開的書本上方，最後呈現被照亮的頁面。保持內斂的剪輯風格並使用固定鏡頭。請勿虛構數值性能聲明。詳細規格與字幕請留待最終剪輯階段處理。