Wan 3.0 Video: Kompletter Leitfaden zu Eingaben, Audio, Preisen und API

Wan 3.0 ist auf PixMind ein multimodaler Videoweg, mit dem sich 2 bis 30 Sekunden lange Clips aus Text, Bildern, Anfangs- und Endframes, Referenzmedien, Dateien oder Webseiten erstellen lassen. Die aktuelle stabile Modell-ID lautet wan3.0-video. Als Ausgabe stehen 480p, 720p und 1080p mit synchronisiertem Audio zur Verfügung.

Die wichtigste Entscheidung ist nicht, ob der Prompt länger sein sollte, sondern welcher Eingabemodus dem Modell die richtige Art der Kontrolle gibt. Ein erster Frame legt den Beginn einer Einstellung fest, zwei Endpunkte definieren Anfang und Ende, Referenzen vermitteln Identität oder Stil und eine Datei oder Webseite liefert zu interpretierendes Ausgangsmaterial. Für diese Modi gelten unterschiedliche Kompatibilitätsregeln.

Dieser Leitfaden wurde am 5. September 2026 anhand des live verfügbaren Wan-3.0-Generators und der API-Seite, der PixMind-Implementierung, der API-Referenz von Alibaba, des offiziellen Repositorys und der aktuellen Modellveröffentlichungsliste von Alibaba Cloud geprüft. Er bestätigt Schnittstellen und Grenzen, nicht Geschwindigkeit, Qualität oder Zuverlässigkeit durch einen kostenpflichtigen Benchmark.

Über diesen Leitfaden: Das PixMind Editorial Team dokumentiert das aktuelle Produktverhalten anhand von Prüfungen der Live-Seiten, einer Implementierungsanalyse und primären Modellquellen. Für diesen Artikel wurde kein kostenpflichtiger Ausgabe-Benchmark beauftragt.

Das Wichtigste in Kürze

• Verwenden Sie die aktuelle PixMind-Modell-ID wan3.0-video; ersetzen Sie sie nicht durch eine vorgelagerte oder veraltete Kennung.
• Wählen Sie eine Steuerungsstrategie, bevor Sie Medien hinzufügen: Endpunkte für einen genauen Anfang und Abschluss, Referenzen für wiederverwendbare Identität oder Stil sowie eine Datei oder einen Link für quellengestützte Planung.
• Der aktuelle Weg unterstützt Ausgaben von 2 bis 30 Sekunden in 480p, 720p oder 1080p, mit adaptiven oder festen Seitenverhältnissen und synchronisiertem Audio.
• Die Referenzlimits betragen 10 Bilder, 5 Videos und 5 Audiodateien. Die vorgelagerte Referenz von Alibaba begrenzt außerdem die Gesamtdauer der Referenzvideos und der Referenzaudios auf jeweils 15 Sekunden.
• Enthält eine Anfrage ein Eingabevideo, darf nach der vorgelagerten Regel von Alibaba die Dauer des Eingabevideos plus die angeforderte Ausgabedauer 30 Sekunden nicht überschreiten.
• API-Preise und Studio-Guthaben sind getrennt. Bei einem API-Auftrag ist der bei Annahme zurückgegebene Preis der endgültige, auftragsspezifische Stand.

Inhalt dieses Leitfadens

• Was Wan 3.0 heute auf PixMind ist
• Wan 3.0: Spezifikationen im Überblick
• So wählen Sie einen Eingabemodus
• Referenzlimits und gültige Kombinationen
• Synchronisiertes Audio im Workflow
• Dauer, Auflösung, Seitenverhältnis und API-Preis
• Prompt-Vorlagen nach Steuerungsziel
• Wan 3.0 im Vergleich zu Wan 2.7
• Studio- und API-Workflows
• Einschränkungen, Rechte und Veröffentlichungsprüfung
• Häufig gestellte Fragen

Was Wan 3.0 heute auf PixMind ist

Wan 3.0 ist der aktuell angebundene Weg der Wan-Videomodellfamilie für die multimodale Generierung auf PixMind. Die Live-Produktoberfläche bezeichnet wan3.0-video als stabilen Weg und bietet Text-, Bild-, Endpunkt-, Referenz-, Datei- und Webeingaben in einem Generator an.

Diese Formulierung ist wichtig, denn eine vorgelagerte Modellfamilie kann Produkte enthalten, die eine angebundene Plattform nicht bereitstellt. In der Dokumentation von Alibaba stehen sowohl wan3.0-video als auch wan3.0-video-prime; auf der aktuellen API-Seite von PixMind wird jedoch nur wan3.0-video aufgeführt. Vorgelagerte Dokumentation kann die Funktionsweise der Technologie erklären, belegt aber nicht, dass jede vorgelagerte Variante über PixMind verfügbar ist.

Das Modell lässt sich am besten als Gruppe von Steuerungsmodi verstehen:

• Text-zu-Video beginnt mit einer Szenenbeschreibung, ohne visuelles Ausgangsmedium vorauszusetzen.
• Bild-zu-Video mit erstem Frame beginnt mit einem bereitgestellten Bild und animiert von diesem aus weiter.
• Generierung mit erstem und letztem Frame verankert beide Endpunkte einer Einstellung.
• Referenzbasierte Generierung konditioniert das Ergebnis mit Bildern, Video, Audio oder einer kompatiblen Kombination.
• Datei- oder Webseiten-Eingabe stellt Ausgangsmaterial bereit, das in die Anfrage einfließen kann.

Im Hub der Wan-Modellfamilie können Sie verwandte Wan-Wege prüfen. Welche Steuerelemente für einen bestimmten Auftrag verfügbar sind, zeigt weiterhin der Live-Generator.

Wan 3.0: Spezifikationen im Überblick

Der aktuelle PixMind-Weg kombiniert lange Clipdauern, mehrere Referenztypen und drei Auflösungsstufen. Jede Zeile der folgenden Tabelle beschreibt jedoch eine Oberfläche zu einem bestimmten Zeitpunkt und ist kein dauerhaftes Leistungsversprechen.

Zwei Quellen können dieselbe Grenze auf unterschiedlichen Ebenen beschreiben. Die PixMind-Produktseite nennt für ein Referenzvideo bis zu 15 Sekunden, während Alibabas vorgelagerte API-Referenz die Gesamtdauer aller Referenzvideos auf 15 Sekunden begrenzt. Bei mehreren Clips ist es daher sicherer, ihre Gesamtdauer auf höchstens 15 Sekunden zu begrenzen. Wenden Sie dasselbe Gesamtdauerlimit auf mehrere Referenz-Audiodateien an. Für Anfragen mit Videoeingabe gilt eine weitere vorgelagerte Obergrenze: Eingabevideodauer plus angeforderte Ausgabedauer darf 30 Sekunden nicht überschreiten.

So wählen Sie einen Eingabemodus

Wählen Sie den Modus für die Vorgabe, die keinesfalls verloren gehen darf. Mehr Eingaben sorgen nicht automatisch für mehr Kontrolle; inkompatible Modi können eine Anfrage ungültig machen.

Text-zu-Video für eine freie Bildgestaltung

Reine Textgenerierung eignet sich für eine neue Einstellung, wenn kein vorhandenes Bild und kein Endpunkt erhalten bleiben muss. Definieren Sie Motiv, Handlung, Ort, Kamera, Licht, Timing und Ton rund um ein Hauptereignis.

Einen ersten Frame verwenden, wenn das Anfangsbild zählt

Bild-zu-Video mit erstem Frame beginnt mit einer freigegebenen Komposition. Geben Sie an, was sich bewegt, was stabil bleibt und wie sich die Kamera verhält.

Ersten und letzten Frame zur Endpunktsteuerung verwenden

Zwei Endpunkte eignen sich für Übergänge, deren Anfang und Ende vorgegeben sind. Alibaba behandelt dies als eigenen Modus: Kombinieren Sie ihn nicht mit Referenzmedien, Dateien, Links oder Audioeingaben.

Referenzen verwenden, wenn Kontinuität oder Ton Vorrang haben

Der Referenzmodus konditioniert eine Einstellung mit verwandten Assets. Bilder können das Aussehen vorgeben, Video die Bewegung und Audio das Timing oder die Tonrichtung. Innerhalb der jeweiligen Limits lassen sich diese Typen kombinieren.

Falls die Wahl von Modell und Modus die größte Hürde ist, bietet der AI Video Agent einen geführten Weg vom Szenenbriefing zu aktuellen Modelloptionen. Die direkte Wan-3.0-Generierung eignet sich besser für Nutzende, die Eingabemodus und Einstellungen bereits kennen.

Referenzlimits und gültige Kombinationen

Wan 3.0 unterstützt mehrere Referenztypen gemeinsam, doch Endpunkt-, Datei- und Linkmodus setzen klare Grenzen. Bauen Sie die Anfrage zunächst um eine gültige Kombination auf, bevor Sie Prompts kürzen.

Die vorgelagerten Regeln von Alibaba lassen sich so zusammenfassen:

Geben Sie jedem Asset genau eine Aufgabe, etwa Produkt, Hintergrund oder Kamerabewegung zu definieren. Legen Sie bei Dateien oder Seiten fest, was extrahiert werden soll. Gehen Sie nie davon aus, dass jeder Satz, Preis oder Haftungshinweis korrekt erscheint.

Synchronisiertes Audio im Workflow

Synchronisiertes Audio gehört zum aktuellen Weg. Planen Sie daher Atmosphäre, Effekte, Dialogabsicht und Timing zusammen mit der visuellen Handlung.

Trennen Sie bei einer einfachen Szene die Tonanweisungen von den visuellen Anweisungen:

Visual: A barista places a ceramic cup on a walnut counter as the camera makes a slow 20-degree arc.
Timing: The cup lands at 00:03 and steam becomes visible immediately after.
Audio: Quiet cafe room tone, one soft ceramic tap at 00:03, no music, no spoken dialogue.

Diese Struktur garantiert keine bildgenaue Synchronisierung. Prüfen Sie vor der Veröffentlichung Dialog-Timing, unbeabsichtigte Sprache, Musik und Stimmähnlichkeit.

Der vorgelagerte Endpunktmodus von Alibaba akzeptiert keine Audioeingabe. Soll Audio die Generierung steuern, verwenden Sie Referenzbild plus Referenzaudio. Sind die Endpunkte wichtiger, fügen Sie später ordnungsgemäß lizenzierten Ton hinzu.

Stimmrechte verlangen besondere Sorgfalt. Laden Sie keine Stimmreferenz hoch und veröffentlichen Sie keine erkennbare Stimmähnlichkeit ohne die nötige Erlaubnis und Einhaltung der geltenden Bedingungen.

Dauer, Auflösung, Seitenverhältnis und API-Preis

Legen Sie das Ausgabeformat vor der Generierung fest: Dauer und Auflösung verändern direkt die API-Kosten, während das Seitenverhältnis darüber entscheidet, ob die Komposition in den Zielkanal passt. Der am 5. September 2026 geprüfte Live-API-Preis beträgt $0.050 pro Sekunde bei 480p, $0.090 pro Sekunde bei 720p und $0.18 pro Sekunde bei 1080p.

Die folgenden Schätzungen sind einfache Multiplikationen der Dauer mit dem datierten Sekundenpreis:

Dies sind Planungsschätzungen, kein Angebot für eine künftige Anfrage. Preise und Kontoregeln können sich ändern. Die Live-API-Seite zu Wan 3.0 ist die aktuelle öffentliche Referenz; die Antwort auf den angenommenen Auftrag ist der endgültige, auftragsspezifische Preisstand.

Die Zeile mit 30 Sekunden ist nicht für jede videokonditionierte Anfrage verfügbar. Ziehen Sie nach Alibabas dokumentierter vorgelagerter Regel die gesamte Eingabevideodauer von 30 Sekunden ab, um die maximal anforderbare Ausgabedauer zu ermitteln, und prüfen Sie vor dem Absenden die Live-Steuerelemente von PixMind.

API-Abrechnung und Studio-Guthaben sind getrennt. Rechnen Sie eine Studio-Guthabenvorschau nicht in einen API-Dollarpreis um und nehmen Sie nicht an, dass ein API-Guthaben eine Studio-Berechtigung darstellt. Prüfen Sie die aktuelle Preisseite für den Tarifkontext und anschließend die tatsächlich verwendete Oberfläche.

Für die Kanalplanung eignet sich 16:9 für horizontale, 9:16 für vertikale Videos und 1:1 für quadratische Platzierungen. Ein adaptives Verhältnis kann dem Ausgangsmaterial folgen, doch ein festes Zielformat verringert späteres Zuschneiden. Verwenden Sie 480p für kostengünstige Strukturtests und erhöhen Sie die Auflösung erst, wenn Modus, Timing und Komposition stabil sind.

Prompt-Vorlagen nach Steuerungsziel

Ein guter Prompt legt fest, was stabil bleibt, was sich ändern darf und wie die Änderung abläuft. Diese Strukturen garantieren kein bestimmtes Ergebnis.

Vorlage 1: Eine kontrollierte Einstellung aus Text erstellen

Create a [duration]-second [aspect ratio] shot.
Subject and action: [one subject performing one clear action].
Setting: [location, time, background activity].
Camera and light: [framing, movement, light direction, palette].
Timing: [start], [midpoint], [final state].
Audio: [ambience, effects, dialogue, music].
Preserve or avoid: [essential constraints].

Vorlage 2: Einen freigegebenen ersten Frame animieren

Use the image as the opening composition.
Keep stable: [identity, product, logo, or geometry].
Animate: [motion and final action by time].
Camera: [locked, pan, dolly, or orbit].
Audio: [sound tied to visible events].
Do not introduce: [unwanted additions].

Vorlage 3: Multimodalen Referenzen Rollen zuweisen

Image 1 defines [subject]. Image 2 defines [setting or palette].
Video 1 defines [camera or action], not identity.
Audio 1 defines [tempo, timing, ambience, or dialogue cue].
Create a [duration]-second [ratio] scene with [one narrative beat].
Prioritize: [two constraints]. Allow variation in: [nonessential details].

Vorlage 4: Eine Datei oder Webseite in ein fokussiertes Video-Briefing umwandeln

Use the [file or web page] as source material.
Extract only: [approved facts or section].
Audience and goal: [viewer], [explain, introduce, or summarize].
Structure: [opening], [two beats], [final message].
Do not invent: [prices, claims, quotations, or features].
Audio: [narration, ambience, effects, music].

Führen Sie vor einem langen finalen Rendering den günstigsten nützlichen Test aus. Stimmt die Komposition nicht, kürzen Sie den Prompt, statt Adjektive hinzuzufügen. Stimmt die Kontinuität nicht, reduzieren Sie die Referenzen und benennen Sie ihre Rollen. Stimmt das Timing nicht, beschreiben Sie weniger Ereignisse mit klareren Zeitangaben.

Wan 3.0 im Vergleich zu Wan 2.7

Wan 3.0 ist ein neues Integrationsziel, kein neues Etikett für eine Wan-2.7-Anfrage. Der aktuelle Weg verwendet wan3.0-video, erweitert die dokumentierte Ausgabe auf 30 Sekunden und erweitert die Eingabeplanung auf Endpunkte, Referenzen, Dateien und Webseiten. Prüfen Sie vor der Migration Parameternamen, gültige Kombinationen, Seitenverhältnis, Dauer, Audio, Antwortverarbeitung und Preise erneut.

Dies ist eine Zusammenfassung der Schnittstellenmigration, keine Behauptung, dass 3.0 jeden Qualitätsvergleich gewinnt. Für diesen Leitfaden wurde keine kontrollierte direkte Vergleichsgenerierung durchgeführt. Die bevorzugte Ausgabe kann von Motiv, Referenzen, Einstellungsdesign und Prüfkriterien abhängen.

Halten Sie versionsspezifische Artikel eindeutig, statt den kompletten Leitfaden zu Wan 2.7 stillschweigend umzubenennen. Bevor Aussagen über Bewegung, Konsistenz, Prompttreue, Ton oder Wert getroffen werden, ist weiterhin ein kontrollierter Vergleich nötig.

Studio- und API-Workflows

Studio und API-Zugriff bedienen unterschiedliche Betriebsanforderungen und verwenden getrennte Abrechnungssysteme. Studio eignet sich für interaktive Einrichtung und visuelle Iteration; die API für Anwendungen, die wiederholbare Übermittlung, Auftragsverfolgung und programmatische Ergebnisverarbeitung benötigen.

Studio-Workflow

Öffnen Sie den Wan-3.0-Generator, wählen Sie den Modus, hängen Sie nur kompatible Quellen an und bestätigen Sie Dauer, Auflösung, Verhältnis und Live-Guthabenvorschau. Generieren Sie nach Prüfung der Einstellungen und kontrollieren Sie vor dem Export das vollständige Video samt Audio.

API-Workflow

1. Bestätigen Sie die Verfügbarkeit von wan3.0-video und den aktuellen API-Preis.
2. Senden Sie eine gültige Moduskombination an POST /v1/generations.
3. Speichern Sie Auftrags-ID und angenommene Preisdaten und fragen Sie danach denselben Auftrag ab.
4. Prüfen Sie das Ergebnis und protokollieren Sie Parameter, Herkunft der Quellen und Rechtefreigaben.

Alibaba dokumentiert vorgelagert eine asynchrone Erstellung und Abfrage. Übertragen Sie dessen Regeln zur Auftragslebensdauer nicht auf PixMind, sofern PixMind sie nicht selbst nennt. Der PixMind API-Schnellstart erklärt, warum das Speichern einer Auftrags-ID sicherer ist als das erneute Absenden nach einem clientseitigen Timeout.

Einschränkungen, Rechte und Veröffentlichungsprüfung

Ausgaben von Wan 3.0 müssen von Menschen geprüft werden, denn multimodale Steuerung ist keine garantierte Compliance. Die dokumentierte Schnittstelle zeigt akzeptierte Eingaben und Einstellungen; sie belegt weder Richtigkeit und Zuverlässigkeit noch rechtliche Freigabe oder Eignung für eine bestimmte Veröffentlichung.

Nutzen Sie diese Checkliste vor der Veröffentlichung:

• Visuelle und zeitliche Genauigkeit: Vergleichen Sie den gesamten Clip mit freigegebenen Referenzen und prüfen Sie Drift, Objektänderungen, fehlerhaften Text oder unbeabsichtigte Schnitte.
• Audioprüfung: Prüfen Sie Dialog, Stimmähnlichkeit, Timing, Hintergrundsprache, Musik und Effekte.
• Faktenprüfung: Gleichen Sie Aussagen aus Dokumenten oder Seiten mit der Quelle ab.
• Rechteprüfung: Klären Sie die Erlaubnis für Prompts, Bilder, Filmmaterial, Audio, Personen, Stimmen, Marken, Logos und sonstiges Material Dritter.
• Ausgabeprüfung: Kontrollieren Sie Dauer, Abmessungen, Verhältnis, Codierung und Wiedergabe der exportierten Datei auf der Zielplattform.
• Dokumentation: Speichern Sie angenommene Auftragsdetails, Herkunft der Eingaben, Einwilligungs- oder Lizenznachweise, prüfende Person und Freigabeentscheidung.

Die kommerzielle Nutzung hängt von der Berechtigung im kostenpflichtigen Tarif, den geltenden Modell- und Anbieterbedingungen sowie den Rechten des Nutzers an Prompts, Referenzen, Personen, Stimmen, Logos und anderem Material Dritter ab. Durch die Generierung werden diese Rechte nicht automatisch geklärt. Prüfen Sie die aktuellen Preisbedingungen und Nutzungsbedingungen für Konto und Anwendungsfall und holen Sie bei rechtlich bedeutsamen Fällen professionellen Rat ein.

Häufig gestellte Fragen

Kann ich bei der Generierung mit erstem und letztem Frame Audio verwenden?

Nach Alibabas dokumentiertem vorgelagertem Modus für ersten und letzten Frame nicht als Audioeingabe. Soll Audio das Ergebnis steuern, nutzen Sie das offizielle Muster aus Referenzbild und Referenzaudio. Sind Endpunkte zwingend, behalten Sie den Endpunktmodus bei und bearbeiten Sie lizenziertes Audio in einem getrennten Workflow.

Wie viel kostet die Wan-3.0-Generierung per API?

Der Stand vom 5. September 2026 beträgt $0.050 pro Sekunde bei 480p, $0.090 pro Sekunde bei 720p und $0.18 pro Sekunde bei 1080p. Behandeln Sie diese Werte als datierte Planungsgrundlage. Die Antwort auf den angenommenen Auftrag liefert den endgültigen, auftragsspezifischen Preisstand; die API-Abrechnung ist vom Studio-Guthaben getrennt.

Ist wan3.0-video-prime über PixMind verfügbar?

Auf der aktuellen PixMind-Modellseite steht wan3.0-video, nicht wan3.0-video-prime. Alibaba dokumentiert Prime als vorgelagerte Variante, doch das belegt keine Verfügbarkeit über PixMind.

Kann ich Ausgaben von Wan 3.0 kommerziell nutzen?

Die kommerzielle Nutzung ist an Bedingungen geknüpft und nicht automatisch erlaubt. Sie hängt von der Berechtigung im kostenpflichtigen Tarif, den geltenden Modell- und Anbieterbedingungen sowie Ihren Rechten an allen Prompts, Referenzen, Personen, Stimmen, Logos und Materialien Dritter in Auftrag und Ergebnis ab.

Wählen Sie eine Vorgabe und führen Sie einen kontrollierten ersten Auftrag aus

Der klarste Einstieg in Wan 3.0 besteht darin, die wichtigste Vorgabe zu wählen und danach den passenden Eingabemodus. Nutzen Sie Text für eine offene Komposition, einen ersten Frame für einen festen Anfang, zwei Endpunkte für ein festgelegtes Ende, Referenzen für wiederverwendbare Identität oder Tonrichtung und eine Datei oder einen Link für quellengestützte Planung.

Halten Sie den ersten Auftrag kurz genug, um strukturelle Probleme sichtbar zu machen. Prüfen Sie vor dem Absenden Modell-ID, Referenzen, Verhältnis, Auflösung, Dauer, Audio, Preis und Rechte. Beurteilen Sie das vollständige Ergebnis statt nur eines Vorschaubilds.

Wenn diese Entscheidungen feststehen, öffnen Sie den Wan-3.0-Generator für einen interaktiven Auftrag oder die Wan-3.0-API-Seite für einen programmatischen Workflow. Prüfen Sie die Live-Steuerelemente und die bei Annahme genannten Auftragspreise zum Zeitpunkt der Generierung erneut.

---

Wan 3.0 vs. Wan 2.7: Migration und Modellauswahl