Wan 3.0 文本生成视频：从文字到片段
手上只有一个想法也能开始。写清场景里有谁、发生了什么，加一个镜头动作，然后一次只改一句，直到镜头感觉对了。你可以生成最高 4K 的画面和最长 30 秒的片段。
根据文本描述生成带音频的高质量视频
提示：越详细具体效果越好。描述主体、风格、光线、氛围和构图。
示例图库
看看你能用 text to-video 创作什么
作品集
滑动浏览示例片段。点按任意视频即可全屏播放。
案例展示
浏览 AI 视频示例片段。点击任意方块即可播放完整片段。
页面中展示的所有视频和图片均为 AI 生成的合成内容，除另有明确说明外，不代表真实人物或真实事件。
Wan 3.0 有哪些新变化
更长的片段、更清晰的画面，起点也更明确
Wan 3.0 让日常的 AI 视频创作更好用。你可以生成最高 4K、最长 30 秒的片段，并且从手头已有的素材出发——文字、一张照片或一段视频。这意味着后期要拼接的碎片更少，也更适合社交广告、产品演示和早期的场景试拍。
最高 4K 输出
当细节重要时，为产品页、广告和客户评审拿到更清晰的画面。
片段最长 30 秒
把一个钩子、一段演示或一个小故事更完整地放进一条片段，不用再拼很多短镜头。
从文字、照片或视频开始
写一个场景、让一张照片动起来，或者在节奏已经合适时给一段视频换个风格。
创作者为什么用 Wan 3.0
对真实项目有实际帮助
在约拍或正式剪辑之前，先做出最长 30 秒的概念片
把产品图和角色图变成动态画面，不用从零重建外观
在手头已有的素材上试试新风格
在浏览器里创作，队友能更快看到样片并给出反馈
怎样让文字生成的结果更好
从一个写好的场景开始时，值得养成的小习惯
写一段为运动服务的提示词
先写画面里有谁、在哪里、在做什么，风格词留到最后。当动作足够清楚时，生成器更有机会一次就给你可用的画面。
指挥镜头运动
每一轮只挑一个镜头动作：推进、横摇、环绕，或者干脆固定不动。把这个动作单独写一行，和主体在做什么分开。一个明确的指令，比一堆专业术语更容易判断好坏。
一次只打磨一个场景
两次生成之间只改一样东西——动作、构图或氛围。这样你能看出到底是什么起了作用。每次都把提示词整段重写，通常会掩盖真正的经验，也浪费了你已经写对的好句子。
动作优先，氛围其次
先写动词，再用一小段话补上光线、天气或氛围。如果氛围的描述比动作还长，就删短一点。清晰的运动看起来比一段漂亮但节奏很弱的文字更好。
每段提示词只对准一个瞬间
要一个开场、一次揭示或一个反应，而不是一整段连续戏。一次只干一件事，后期剪辑才简单。想讲更长的故事，就把每个瞬间分开生成，最后再剪在一起。
文字不够用时就换工具
已经有一张静态图、一段素材或多种文件？那就去对应的工具页面，别硬撑着只用文字开始。文字最适合从零想象一个外观；当外观或节奏已经存在时，其他工作流更合适。
这个工作流怎么用
在浏览器里，从文字到片段的一个简单循环
描述场景
打开生成器，写清谁出现、在哪里、发生了什么。第一版写短一点，方便修改。开头写太长，就很难看出下一步该改哪一句。
加一条镜头指令
点明构图和一个移动方式。别把所有影像术语都堆进同一次请求里。一个明确的动作更容易评估，氛围可以留到下一轮再调。
生成并修改
看完片段，再一条一条地改指令。留下起了作用的句子，删掉和节奏冲突的那些。这就是不用每轮从头开始、结果却越来越准的方法。
为什么从文字开始
从文字出发能得到什么
不需要任何素材
只有一份简报时就能开始。这个工作流不必等静态图或参考素材。等选出满意的节奏，你依然可以把它挪到另一条输入路径上。
更快地比较想法
换一句话就能比较不同氛围，不用重做上传文件。只改一句时，并排比较才是诚实的，团队也能在更重的工作开始前先对方向达成一致。把已经写对的句子记在共享文档里，下一个人就不必从空白页重新开始。
指挥内容始终以文字形式可编辑
构图移动和主体动作都写在句子里，团队里任何人都能读、都能改。当指令块看得见、而不是埋在时间线里时，给出精确反馈会容易得多。
一个清晰的修改循环
每次生成都能对回到一条写下来的指令，反馈因此保持具体。“把动词换掉”比“做得更好一点”更容易执行，也让你更快拿到可用的画面。
一份大纲派生多个版本
沿用同一个场景骨架，只改风格或动作，就能得到不同版本。共用结构能让整个活动保持一致，同时又能为每个渠道试不同的氛围。
轻松交接到其他输入方式
外观定下来之后，把同一个想法带到图片生成视频或视频转视频页面。用文字探索，之后用其他工具配合真实素材锁定外观和节奏。
这条路径最能帮上忙的时候
从语言出发、而不是从现成素材出发的工作
从简报到概念广告
在任何产品照片就位之前，先把一句营销文案变成第一段视觉画面。团队可以早早对调性和动作达成一致，之后再决定是否用实拍来锁定外观。
从脚本到社交钩子
根据文案或脚本写出短钩子，再按竖屏或横屏调整构图。从文字开始，能让你在约拍或定稿设计文件之前先摸索节奏。
分镜节奏测试
不用上传分镜图，就能为同一个场景试几种不同的动作。只有笔记的时候，早期的节奏检查特别有用，而且能在制作真正花钱之前发现节奏薄弱的地方。
从大纲到讲解片
在开拍前需要动态草稿时，把大纲要点变成简单的教学画面。把书面大纲当作唯一依据，反复生成，直到画面上能把要点讲清楚。
开拍前的镜头试验
把写下的场景笔记变成画面，在确定拍摄方案之前比较不同构图。协作者可以直接对动作和氛围提意见，不用等还不存在的上传文件。
没有照片也能做产品创意
在摄影还没准备好时，用文字描述一个产品瞬间。一旦拿到静态图或素材，就转到对应的工作流，让外观由真实素材锁定，而不是靠形容词。
常见问题
写第一段提示词之前的简短解答
Wan 3.0 文字转视频是做什么的？
用 Wan 3.0 文字转视频，你在浏览器里用平常的话写一个场景，就能得到一段短视频。生成、观看结果，再改提示词。这里不需要上传素材。
用 Wan 3.0 文字转视频需要图片吗？
不需要。Wan 3.0 文字转视频面向纯提示词开场。如果你已有照片，用图片转视频；如果有成片，用视频转视频。输入匹配任务通常能少走弯路。
Wan 3.0 的视频提示词怎么写？
先写主体、场景和动作，再加一句构图方向和简短风格。不要把互相冲突的动作塞进同一次请求。短句比长段更容易改。
为什么要把镜头运动和主体动作分开？
模型常常混淆是谁在动、以及镜头怎么移动。分开写通常能得到更清晰的结果，也让你下一步该改什么变得很明显。如果两边都不对，先修动作，再修构图。
能用一段提示词做出完整的多场景故事吗？
尽量做到一次生成只对应一个瞬间。一次打磨一个场景，更多镜头就拆成单独的请求。把整段连续戏塞进一个输入框，通常会让节奏变糊。
这和多模态生成是一回事吗？
不是。多种输入的页面会把静态图、素材和声音组合在一起。这个页面以文字为主导。只有当多个素材需要在同一次请求里配合时，才去打开那个页面。
片段效果不好该怎么改？
只改一条指令——动作、构图或氛围——然后重新生成。大范围重写会让你搞不清到底是什么起了作用。把有效的句子简单记下来，别把它们弄丢。
可以生成多大的画面？
Wan 3.0 支持 4K 视频输出和最长 30 秒的片段。先把一个节奏摸清楚，等动作和构图都对了，再提高时长或分辨率。
Wan 3.0 文字稿满意后下一步做什么？
先锁定你喜欢的节奏，若之后有了静帧、成片或混合参考，再切到对应的 Wan 3.0 工具。把已经有效的指令带走，后面页面会更稳。