视频
WAN 3.0
适合短视频快速迭代。
可在 Ofrai 使用 — 对话、图片与视频同一处,共用积分。
示例提示词
选择一个案例,即可把提示词和推荐参数载入上方的 WAN 3.0 创作器。
使用方法
三步使用 WAN 3.0 完成创作
- 01
准备输入内容
保持选中 WAN 3.0,填写提示词,并按模型支持情况添加参考素材。
- 02
设置输出参数
生成前选择画幅、分辨率和可用的视频参数。
- 03
生成并继续调整
查看结果,调整提示词或设置,再在同一处生成新版本。
Wan 3.0 是这一组里的全能型入口:一份需求可以以四种形态到达——纯文字、单张首帧、首帧加尾帧,或者图片、视频、音频三类参考素材一次性联合提交——而这个接口四种都收,并不靠请求体去路由。正是这种广度,让它在交付物还没定下来的时候成为合理选择。
输出时长窗口从 2 秒到 30 秒,并且提供 -1 的智能时长;分辨率有 480p、720p、1080p 三档,文档默认是 1080p;音频生成默认开启,除非你显式关掉。
这个接口有两件事比能力清单本身更值得注意:提示词字段本来就是要写声音的,而文档里根本没有画幅比例参数——也就是说一条 Wan 3.0 任务的画框由你的素材决定,而不是由某个你能填的字段决定。
四种需求形态,一个接口
接口说明列出四种进入方式,它们不是同一种事情的四种变体,而是以不同方式约束交付物。文生视频是起点情形,主体、环境和运动都由模型自己创造。首帧控制把构图交给你美术定过的静帧,让模型把力气花在这张画面之后发生什么上。
首尾帧控制把这条片子的两端都钉住,这是这里唯一有文档保证「落在某个特定收尾画面上」的方式,也是决定转场的那一种:如果你给的尾帧是货架上的产品,那么两帧之间的一切都是被写成「为了到达那里」而生成的。第四种是参考图片、参考视频、参考音频联合生成,也就是多种素材同时作用于同一个镜头,而不是其中一种充当锚点。
清单里还有对文件或公开网页内容的参考。把这份清单当成对需求的分诊:给四张图意味着到达点被定义,给一包参考素材意味着观感被定义,给一张静帧意味着开场被定义,只给文字意味着主体被定义。
提示词要写声音,不只是画面
把 prompt 参数的说明逐字读一遍,它要的是四样东西:视频内容、主体动作、镜头,以及声音。最后一项是多数调用方会漏掉的,而它之所以重要,是因为这个接口上的声音生成是另一个默认开启的布尔值。也就是说,你在两个不同的地方做了两次声音决定,而这两个决定可以互相矛盾:布尔值决定是否渲染出音轨,提示词里的那句话决定音轨上是什么。
布尔值开着而提示词对声音一字未提,你得到的就是一段没人写过的生成音轨——这是这个接口能给出的最难控制的结果。把「房间听起来是什么样」和「镜头怎么动」写在同一口气里,然后让布尔值去匹配你的剪辑:自带环境声的片段开着,要垫在台词下面的底板关掉。
提示词本身可选,但不是单独可选:文档给的前置条件是提示词与媒体素材之间至少提供一项,所以以素材为主的任务是合法的,什么都不带的任务不是。
一个字段,同时服务两秒的字卡和三十秒的场景
时长接受 2 到 30 秒之间的任意值,默认 5,另外还接受 -1,也就是把长度决定权交给模型,由它读提示词和素材自行选择。这个跨度宽到值得提前规划,因为同一个参数要同时覆盖剪辑的两端。
在短的那一端,两秒输出是真实存在的请求,不是一个取整的副产品,而它正是片头字卡、两次剪切之间的过渡拍、循环底板这类东西该用的长度——它们都不想被人从尾部剪掉三秒。
在长的那一端,三十秒长到足以让一次生成承载一个短场景而不只是一个镜头,这也正是序列最诱人、也最脆弱的地方:一个连续镜头要在半分钟里稳住主体、背景和运镜,已经超出单条镜头能可靠管理的范围,所以切点要在请求之前定,而不是渲完再定。
两秒和三十秒的请求共用同一个字段,所以先判断你处在哪一种工作里;-1 是第三个选项而不是第四个,把它留给那些长度确实无法预判的素材。
提交之前先把参考视频数组搭好
参考视频走 video_list,而条目的结构是第一件要弄对的事:每一项都是一个带 video_url 字段的对象,所以在数组里直接放裸 URL 字符串是结构错误的请求,不是某种简写。有两个上限,性质不同。五项是数组上的数量限制,15 秒是所有项加起来的总量限制。
五段五秒的素材刚好用完预算,而单独一段二十秒的素材无论数组里只有几项都放不进去。请在提交前核对总量,而不是把它变成一次拒绝才发现——精简参考素材集是一个「哪段动作重要」的判断,从失败调用里再推一次只会白白多花一轮往返。
这份参考预算与输出时长也是互相独立的,第二件常被混为一谈的事就是这个:15 秒参考素材和 30 秒输出是两个独立限制,而要求模型把拉满的参考列表拉到三十秒,是对它的判断力提要求,不是对它的算力提要求。
这一组里的每个素材都必须在调用前就已经是可访问的 URL,所以托管是管线里的一步,而不是事后补课。
这个接口没有写下来的部分
有两个缺口值得直说,因为照着一个参考文档没有做的假设去写集成,正是集成坏掉的原因。第一,Wan 3.0 有文档的参数集包括 duration、resolution、prompt、video_list 和 audio,其中没有画幅比例参数。所以一条 Wan 3.0 成片的画框来自你提供的素材,而不是由你事先挑选;凡是几何形状本身就是需求的任务,都得通过源帧、参考片段或者本身比例正确的源视频把它带进来。
不要出于习惯发送一个比例字段然后默认它生效了。第二,能力清单里包含了对文件或公开网页内容的参考,但它只以一行写在清单里,既没有自己的参数,紧邻的 video_list 也没有同样的问题——那个是给了结构的。在依赖它之前,请对着最新的接口文档确认确切的请求结构,在看到形状之前,把它当成「有承诺」而不是「有规格」。
这两个缺口设计时绕开很便宜,在生产环境里发现却很贵。
Wan 3.0 什么时候是错的工具
广度不是免费的,这个接口的三个代价都很具体。第一,你无法指定画框,所以凡是几何是需求本身而不是副产物的任务,都属于别的地方。第二,默认 1080p 意味着草稿默认就是顶档草稿,除非你覆盖它——在提示词和构图还在动的时候显式写 480p,定下来之后再升一次。
第三,参考预算是紧的:五段、总计 15 秒,这适合你能指给模型看的一种观感,而不是你想让它通读的素材库。放到旁边的几个模型上看:Wan2.6 是相反的形状,它按请求体路由,时长只有 5、10、15 秒,分辨率只有 720p 和 1080p,图片输入只收一个 URL。Seedance 2 在它的基础款上够得着 4k。
Seedance 2.5 增加了编辑和延长任务,而 Wan 3.0 的参考里没有描述这些。如果需求是修改一条已有片子而不是新做一条,那是 Seedance 2.5 的活;如果需要 4k 母版,那是 Seedance 2 的活;如果需要的是 2 到 30 秒的灵活长度加上首尾帧控制和参考视频,那才轮到它。
常见问题
- duration 传 -1 会发生什么?
- 这是智能时长的请求:模型会读提示词和你提供的素材,自行决定输出长度。它是一个需要传进去的值,而不是「没传」——文档标注的默认时长是 5 秒,所以要拿到模型的判断,就必须显式传 -1,否则拿到的就是默认的五秒。
- Wan 3.0 的提示词是必填的吗?
- 不是单独必填。文档给的前置条件是提示词与媒体素材之间至少提供一项,所以只带一张图、或者只带参考视频的请求都合法,只带提示词的请求也合法;什么都不带的请求不合法。请校验这个并集,而不是无条件要求提示词,否则你会把接口本来愿意接受的素材驱动型任务判为非法。
- 参考视频最多几段,单条的载荷是什么?
- video_list 最多五项,总时长不超过 15 秒。每一项是一个带 video_url 字段的对象,指向那一段视频,而不是一个裸 URL 字符串。五项的数量上限和 15 秒的总量上限是两个独立限制,而且都与 2 到 30 秒的输出时长无关。
- 可以设置画幅比例吗?
- 不可以。这个接口有文档的参数集是 duration、resolution、prompt、video_list 和 audio,其中不包含画幅比例参数。画框来自你提供的素材,所以需要特定几何形状的镜头必须自己把形状带进来——通过源帧、参考片段,或者比例正确的源视频。
常见问题
- 可以直接在本页使用 WAN 3.0 吗?
- 可以。上方就是 Ofrai 的真实创作工作室,并已默认选中 WAN 3.0。
- 生成结果保存在哪里?
- 登录后的生成结果会保存在 Ofrai 作品库中,方便下载或再次打开。
- 什么样的提示词更适合 WAN 3.0?
- 清楚描述主体、环境、视觉风格、光线,以及镜头或运动方式。上方案例可以直接作为实用起点。
- 生成前可以修改案例提示词吗?
- 可以。载入任意案例后,可继续修改文字、画幅、参考素材以及创作器支持的其他参数。
相关模型
对比其他能够完成类似创作任务的视频模型,找到适合替代 WAN 3.0 的方案。
相关指南
工具
商用权限取决于所选模型及其使用条款。





