wan 3.0 使用指南：从文字或首帧图片生成视频

wan 3.0 可以把文字描述或一张首帧图片生成视频。在 Yix 中，时长可选 2–30 秒，分辨率有 480p、720p 和 1080p。当前生成的是无声片段，需要旁白或音乐时，可在剪辑软件里补上。

打开 wan 3.0 视频生成器 即可选中模型。本文用咖啡杯镜头说明参数怎么选、提示词怎么改。封面为 AI 生成的教程示意图，不是该模型的视频输出截图。

wan 3.0 支持哪些设置

阿里巴巴的模型介绍列出了文字、图片输入、最高 1080p 和三十秒输出上限。本文只讲 Yix 当前的文字和单图工作流，以下设置于 2026 年 9 月 10 日核对。

时长应该由动作决定。咖啡杯上方飘一点蒸汽，五秒就能表达；直接拉到三十秒，会增加积分消耗，也需要检查更长的画面。

先用文字做一个短镜头

选择 wan 3.0，暂时不上传图片，设为五秒、480p、16:9。可以从这段原创练习提示词开始：

一只象牙白陶瓷咖啡杯放在木质咖啡桌上，旁边是有雨痕的窗户。细薄蒸汽缓慢升起，杯子保持不动。镜头缓慢向前推进，全程保留完整杯身。室内暖光，窗外冷色天光。单个连续镜头，不切换场景，不增加物品或文字。

这里把杯子的动作和镜头的动作分开了。如果推进太明显，下次只把镜头那句改成“固定机位，不推拉、不摇移”，其他描述保持一致，更容易看出改动的影响。这些是练习建议，不代表每次都能得到相同结果。

用首帧图片控制起始画面

上传小于 10 MB 的 JPG、PNG 或 WebP 图片。先把图片裁成最终想要的比例：竖图生成时沿用竖图比例，不能靠选择横屏选项把它变宽。

已有咖啡杯照片时，wan 3.0 提示词应着重写运动：

以这张图片为起始画面。杯子和桌面保持静止，只有少量蒸汽缓慢升起。镜头轻微推进，全程保留完整杯身。保持原有光线和背景布局，不切镜，不出现手，不增加物品。

首帧不等于后续每帧都被锁定。检查杯柄、杯口和印花有没有变化。商品素材可先在 Product Studio 整理静态画面；商品摄影提示词指南介绍了如何让包装文字保持可读。

wan 3.0 需要多少积分

按当前 Yix 计费规则，同样生成五秒视频，480p 为 180 积分，720p 为 380 积分，1080p 为 760 积分；两秒 480p 为 80 积分。文字和首帧图片输入使用相同费率。

模型配置默认为五秒、1080p，但从其他模型切换时，兼容的参数可能保留。每次以生成按钮附近的报价为准，积分套餐可在价格页查看。用低分辨率确认运动，再生成高分辨率版本，会产生新的视频和新的一次扣费，并非给原片无损提高清晰度。

看完整段，再决定下载

用 wan 3.0 做复杂场景时，先让一个镜头完成一个动作。人物走进房间、拿起商品、转身并展示标签，适合拆成几个片段后剪辑。提高分辨率不能替代明确的动作描述。

成片后检查开头、中间和结尾，留意主体变形、背景跳动、意外切镜或出框。满意后下载，并保留原图和提示词，方便之后修改。如果需要同步对白，可以参考 Seedance 使用指南。回到 wan 3.0 生成器，从一个短而明确的动作开始即可。