功能
Wan 3.0 视频实战指南
作者:Ofrai Editorial(Use Case Research)
在 Ofrai 的视频工作台里,Wan 3.0 这一支适合这样的镜头:需要可控的运动、主体不走样、时长表现可预期,而不是追求最大化的电影华丽感。同一处还提供 gemini-omni、seedance-2-5 和 sora-2,共用一套积分,所以某条镜头失败时你可以换路走,而不是死磕。这篇指南讲怎么写出不重复参考帧内容的运动提示词、怎么让已确认的静帧动起来,以及这支模型仍然需要人接手的地方。
把这一支放到横向对比里看
判断视频模型要看你的具体镜头,不要看榜单。Wan 3.0 这一支的强项是:主体在一个被描述清楚的动作中保持可辨认,而机位只做简单的事——一个人转身、蒸汽升起、布料飘动、物件在台面上旋转。当你的提示词写的是「一种行为」而不是「一场奇观」,它是很好的默认选择。镜头是穿过复杂几何的大幅移动机位时,seedance-2-5 通常能维持更好的结构。
镜头是强美术方向的电影级写实、带明确镜头语言时,sora-2 更合适。brief 写得松、又把人物动作和环境变化混在一起时,gemini-omni 更宽容。三者共用一套积分,所以换一次路由只花一个任务的成本。
把运动提示词写成增量
带参考帧时最常见的失败,是把参考帧重新描述一遍。你上传了一张已确认的静帧,模型已经拿到了构图、服装和光线,重复这些只会浪费篇幅并引入漂移。只写增量:什么在变、变了多久、朝哪个方向。这一支的写法示例:'蒸汽变浓并向左飘动,杯子保持不动,镜头完全固定'。
由此引出两条规则:每次生成只给一个主体和一个运动,两个运动同时发生通常得到的是一团糊而不是一个场景;即使机位不动也要明确写出来——'镜头固定'本身就是信息,不写就等于放任它漂。
让已确认的静帧动起来
可靠的流程从视频之外开始。先在图片工作室按交付画幅打好关键帧,以静帧形式通过审阅,再把每一张带进视频工作室作为起始帧或参考图。这同时消灭了两种最贵的错误:在错误取景里做运动,以及一个你本来就会否掉的构图。
让静帧动起来时,提示词用现在时,并描述最早和最晚两个可见状态,而不是描述中间的过程——'她的手已经抬到杯口,水还没有动起来'给模型的是目标画面,而 '她慢慢抬起手' 给的是一道需要解释的指令。
能扛住渲染的机位措辞
用具体的、物理性的机位语言,每个镜头一句。可用的说法:'镜头从中景缓慢推进到特写,用时四秒'、'镜头以步行速度向左横移并保持主体居中'、'手持,轻微漂移,不变焦'、'绕主体缓慢环绕约三十度'。要避开几种电影化简写,因为不同模型理解不一致——'动感'、'史诗运镜'、'电影感运动',你听成能量,模型可能听成抖动。
焦距也要选:写 35mm 或 85mm 会改变透视和空间压缩,而指定它不花任何成本。一组镜头里重复同一句机位措辞,运动语法就会保持一致。
时长与成本行为
积分消耗随时长放大,所以纪律就是:用能完成所述动作的最短时长。慢推需要三到四秒才读得出是推进,眨眼一秒就够。两秒的完全静止镜头几乎不花钱,却能撑起剪辑节奏,所以固定机位镜头是延长序列最便宜的手段。第一次生成就按交付画幅来,这样构图判断才诚实。
如果镜头需要声音,先确认所选模型是否原生出声,再决定要不要另做一条音频;在 Ofrai,这一点比图像类工作更需要注意,因为各引擎的音频支持并不一致。
这一支需要人工接手的地方
有四个已知限制。复杂的多物体交互——同时摆弄两件以上的东西——通常会崩,所以简化成一个主体一个动作,或拆成两个镜头。快速复杂运动,比如打斗或手部编排,会变糊,宁可用事后镜头和反应镜头。运动中的密集文字会抖动,所以把招牌从运动量大的镜头里拿掉,后期再加。
长时间连续拍摄在人脸上会漂,所以把镜头控制在四秒左右并用剪辑切分。同一句提示词连着两次失败时,别再改写了,直接换路由:机位移动走 seedance-2-5,美术方向走 sora-2,松散 brief 走 gemini-omni。
谁最能吃到这支模型的红利
它适合产品和美食视频——在可控光线下由一个人或一个物件完成一个明确动作;适合蒸汽、灰尘、布料、雨丝这类氛围插入镜头;适合观众一秒内就读懂动作的社媒短循环;也适合任何基于已确认静帧拼接可编辑序列的人。
相反,它不太适合需要准确口型同步的对白戏、需要机位在复杂几何中穿行的镜头,以及任何要求与音乐剪辑帧级同步的交付物。如果你的成片是需要踩着节拍锁定的成片,请把那部分交给剪辑软件,别指望模型保持同步。
用这支模型搭一个三镜头序列
先从静物开始:「一只密封的柑橘玻璃罐放在有年头的橡木桌上,固定机位,左侧柔和窗光,玻璃上挂着水珠,3 秒。」然后是打开:「同一只罐子,盖子放在旁边,镜头以 180 度慢速绕罐一周,暖侧光,角度转过时内容物出现一次高光,4 秒。」最后是使用:「一把勺子从罐里舀起一片柑橘,糖浆拉丝后落回,微距,逆光让通透感读得出来,浅景深,4 秒。」
三次生成换来十一秒成片。这支模型最强的正是这种形态——一个主体、一个明确动作、受控光线——所以这个序列是照着它的长处搭的,而不是拿去考验它。
这支模型上的参数行为
时长是决定一个镜头能否成立的关键参数,所以要按动作来定,而不是按目标时长:一次慢速环绕需要三到四秒才转得完而不显得赶,一次舀起加落回也差不多;而任何你描述在两秒以内的动作,通常会在中途被截断。
画幅应该就是交付比例,而且因为这支模型对给定首帧响应很好,那个首帧就应该在同一个比例下构图,这样取景不会被它替你临时决定。
维持主体一致的参考帧纪律
这一支上最可靠的做法,是在动起来之前先把首帧审过,并且把它当成一份约定。先在图片工作室里按交付比例把所有关键帧作为静图排出来,以图片的身份通过审核,然后再把每一帧作为参考图带进来。由此得出两条规则。
第一,如果参考帧里已经出现了你想要的结束状态,就去描述两个状态之间的运动,而不是描述目的地——因为被告知要去哪里的模型,往往会提前到位。第二,让主体在画面里占足够大的比例;这一支在主体占据画面相当份额时,远比主体又小又远时更能守住辨识度,而身份漂移最先出现的就是远景小主体。
短商业片段的积分开销
这一支的开销随时长增长得比任何其他因素都更陡,所以纪律就是:按能完成所描述动作的最短时长来拍,并且接受「更长的版本」是剪辑决定而不是生成决定。像上面那样搭一条十秒可用的商业序列,大约需要二十到三十次生成:三四次低分辨率试探来定取景和运镜措辞,每个镜头三次终稿,每个镜头再留一张备用。
每次生成前都会显示消耗的积分。最该避免的浪费,是把同一个镜头用更长的时长再渲一遍、希望多出来的几秒更好看——它们通常更难看,因为长生成的后半段正是漂移累积的地方。
谁该选这支模型,谁不该
当镜头里有一个可辨识的主体、在受控光线下完成一个明确动作时,就选它:产品、食物、美妆,以及蒸汽、尘埃、液体流动这类氛围插入镜头。那正是它被调优的工作负载,也是它能以最少的提示词压过更通用引擎的地方。
反过来,镜头里有好几件物品同时被操作、需要人脸在长运镜里保持身份、文字或招牌必须可读、或者物理动作复杂到你要靠模型去补中间步骤时,请换一支模型。还有一点:如果交付物是一镜到底、中间不切、长度超过大约十秒的成片,这支模型不合适,那个可靠性上限属于另一套工作流。
常见问题
- 什么时候该选这支视频模型,而不是 Seedance 或 Sora?
- 当主体完成一个清晰的、被描述过的动作、而机位保持简单时选它——一个人转身、蒸汽飘动、物件旋转。要做穿过复杂几何的大幅移动机位用 seedance-2-5;要强美术方向的电影级写实用 sora-2;brief 写得松、混合人物动作与环境变化时用 gemini-omni。
- 配合参考帧怎么写运动提示词才有效?
- 只描述会变化的部分,不要复述画面里已有的内容。每次只给一个主体和一个运动,写清时长或结束状态,即使机位不动也要说明,比如 '镜头固定'。用现在时并明确写出结束状态,给模型的是目标画面,而不是一道需要它自己解释的指令。
- 为什么我的视频里人脸或光线会漂?
- 最常见的原因是镜头太长,因为模型没有开场的参照来对齐。把镜头控制在四秒左右并用剪辑切开,同时在每条提示词里重复完全一致的光线和服装措辞。镜头之间复用已确认的静帧作为参考帧,也能让画面观感保持稳定。
- 拼一条更长的序列,最省钱的做法是什么?
- 多用固定机位和很短的时长,两秒的静止画面成本极低,却能给你剪辑余地。只在真正需要运动的地方生成镜头,其余部分用剪切补上。把更长、更贵的时长花在一两处「运动本身就是看点」的镜头上。
- 这些视频能有音频或对白吗?
- 本页列出的视频引擎在音频支持上并不一致,所以请在工作室里先确认所选模型。对白戏或任何帧级准确的口型同步,建议只生成画面、后期再加音频,因为生成式视频无法可靠地保持口型,也无法与音乐剪辑同步。
- 生成的素材能商用吗?
- 能否商用取决于你实际使用的模型及其使用条款。发布前请查看对应模型页面和你所在的 Ofrai 套餐,尤其是广告和客户交付场景。由于一段序列往往来自多个引擎,建议记录每个镜头由哪台引擎生成。
