只支持图片参考
这里的参考模式只接受图片。声音、音乐和动作请在提示词文字里规划，因为这个生成器不包含视频和音频上传。
128积分
剩余积分：
公开
BestAIVideo
用 Wan 3.0 把一整个场景拍完整
阿里的 Wan 3.0 把单次生成拉长到 30 秒，并为每段视频加上声音。在这个页面上，你可以用文字写一个场景，从一两个帧开始，或者用最多十张参考图锁定角色和产品，提交之前就能看到积分消耗。
Wan 3.0 为视频需求增加了什么
更长的视频和参考图改变了你的规划方式：你可以直接追求一个连续的场景，而不必把短镜头拼在一起。下面是生成器里提供的控制。
一次生成 2 到 30 秒
可以设置 2 到 30 之间任意整数秒的时长。默认是 5 秒，足够判断动作，又不必为一个未经验证的想法就花一次完整时长的积分。
最多十张参考图
在全能参考模式下，可以上传一到十张图片，让角色、产品和场地保持可辨认。这个模式至少需要一张图片。
开头或结尾由帧来定
用首帧锚定开场，或者当视频必须落在某个特定画面上时，再加一个尾帧。使用帧时，输出的画幅跟随你的图片。
声音始终开启
它会随画面生成对白、音效和背景音乐。这里没有开关，所以请在提示词里描述你想要的声音。
花积分之前，先规划好场景
30 秒的视频有更多出错的空间，所以事先做好几个决定，比多试几次更省钱。请按这个顺序来梳理。
按故事选时长
先数清楚有几个节拍。一个动作用 5 到 8 秒，两个人之间的一小段交流需要 12 到 15 秒，而 30 秒的上限，是留给有铺垫和有收尾的场景的。
选一组少而一致的参考图
十张是上限，不是目标。选择在人物特征和风格上相互一致的参考图，并在提示词里写明每一张的用途。
把时间写进提示词
按顺序标出节拍，比如开头几秒发生什么，中段镜头做什么，视频怎么收尾。台词要加引号，音效要直接点名。
最后再选分辨率
先用 480p 出草稿，检查动作和声音，再用 1080p 渲染认可的版本。按每秒计算，480p 的成本是 1080p 的四分之一，所以草稿只占成片的一小部分。
制作视频的三轮方法
01
锁定参考图，写好节拍
挑出几张能定义你的角色、产品和场景的图片，然后用句子写出时间线：开场状态、主要动作、运镜、结尾。上面的视频展示了长画布所能容纳的那种前后连贯、多场景的影片。
02
用短而便宜的草稿
先跑一遍 5 秒、480p 的版本，花 32 积分，看看动作和声音的方向对不对。一次只改一个变量，才能知道是哪一处改动起了作用。
03
用完整时长和分辨率收尾
草稿对了之后，把同一份需求拉到真正的时长，并切换到 1080p。一段 30 秒的 1080p 视频要花 768 积分，所以它应该是最后一步，而不是第一步。
制作笔记
让画幅跟随任务
当你的帧或参考图本身已经有合适的形状时，选自适应；只用文字创作时，则设置明确的画幅比例。
记录下行之有效的做法
把任何好结果的提示词、参考图组合、时长和分辨率保存下来。30 秒的渲染，如果靠偶然再碰一次，代价很高。
适合哪些项目
以故事为主的品牌短片
给一次推广活动一个连续的场景，包含角色、产品和结尾的高潮，而不是把六个短镜头剪在一起。
产品演示
从一张干净的产品画面开始，让视频逐一演示某个功能，每一步都配一句台词或一个音效。
以角色为主的短片
上传同一个角色的十张静态图，在更长的片段里保持脸、服装和场景稳定。
音乐与氛围短片
按功能来描述背景音乐，比如稳定而轻快的节奏，让画面和声音一起展开。
多种画幅的社交媒体短版
把同一个创意渲染成 16:9、9:16、1:1、4:3 或 3:4，一份需求就能覆盖每个平台。
培训与讲解短片
一镜到底地展示一个流程，并给每个阶段加上一句旁白。
Wan 3.0 常见问题解答
Wan 3.0 是阿里推出的视频模型，面向更长、前后连贯的场景。它在早期 Wan 版本的基础上，支持最长 30 秒的生成、以参考图驱动的创作，以及与画面一同生成的声音。
2 到 30 秒，按整数秒计。默认是 5 秒，积分消耗随每一秒增长，所以较短的试跑是检验提示词最便宜的办法。
有文生视频、帧生成（一个首帧加一个可选的尾帧），以及接受一到十张参考图的全能参考。参考模式至少需要一张图片。
分辨率可选 480p、720p 或 1080p，默认预选 1080p。画幅比例有 16:9、4:3、1:1、3:4、9:16 和自适应，帧模式则跟随上传的图片。
价格按每秒计算，并取决于分辨率。一段 5 秒的视频，480p 是 32 积分，720p 是 64 积分，1080p 是 128 积分，生成器会在提交之前显示准确的金额。
是的。每段视频生成时都带有音频，包括语音、音效和背景音乐，而且音频无法关闭。在提示词里描述声音，就能对它加以引导。
把台词放进引号，音效直接点名，比如呼啸声或敲键盘的声音。背景音乐按它的作用来描述，比如商务场景里轻快而稳定的音乐。
最多上传十张图片，并在提示词里说明每一张的贡献。请选择相互一致的参考图，因为相互冲突的人脸或风格会把结果往不同的方向拉扯。
同样的时长下，480p 的草稿只要 1080p 渲染四分之一的积分。这足够判断节奏、镜头和声音，所以你只需要为已经跑通的需求支付全分辨率的费用。
Wan 2.7 最长 15 秒，而 Wan 3.0 能到 30 秒，并且在这个生成器里最多提供十张参考图。如果你需要 Wan 2.7 的视频编辑模式，它仍然可以使用。
先看人物特征和空间逻辑，再对照你的时间线看事件的顺序。这些都没问题之后，再看台词的时机、音效和结尾那一帧。