Wan 3.0 di PixMind adalah jalur video multimodal untuk membuat klip berdurasi 2 hingga 30 detik dari teks, gambar, bingkai awal dan akhir, media referensi, file, atau halaman web. ID model stabilnya saat ini adalah wan3.0-video, dengan pilihan output 480p, 720p, dan 1080p serta audio tersinkron.
Keputusan utamanya bukan apakah Anda perlu menulis prompt yang lebih panjang, melainkan mode input mana yang memberi model jenis kendali yang tepat. Bingkai awal mengunci titik mulai pengambilan gambar, pasangan bingkai menentukan kedua ujungnya, referensi menyampaikan identitas atau gaya, sedangkan file atau halaman web menyediakan materi sumber untuk ditafsirkan. Setiap mode memiliki aturan kompatibilitas yang berbeda.
Panduan ini telah diperiksa faktanya pada 5 September 2026 berdasarkan generator dan halaman API Wan 3.0 yang aktif, implementasi PixMind, referensi API Alibaba, repositori resmi, dan daftar rilis model terkini dari Alibaba Cloud. Pemeriksaan ini memverifikasi antarmuka dan batas, bukan kecepatan, kualitas, atau keandalan melalui tolok ukur berbayar.
Tentang panduan ini: Tim Editorial PixMind mendokumentasikan perilaku produk saat ini melalui pemeriksaan halaman aktif, tinjauan implementasi, dan sumber primer model. Tidak ada tolok ukur output berbayar yang dilakukan untuk artikel ini.
Poin utama
- Gunakan ID model PixMind saat ini, yaitu
wan3.0-video; jangan menggantinya dengan pengenal versi hulu atau versi lama.- Pilih satu strategi kendali sebelum menambahkan media: pasangan bingkai untuk awal dan akhir yang presisi, referensi untuk identitas atau gaya yang dapat digunakan kembali, serta file atau tautan untuk perencanaan berbasis sumber.
- Jalur saat ini mendukung output 2 hingga 30 detik pada 480p, 720p, atau 1080p, dengan rasio aspek adaptif maupun tetap serta audio tersinkron.
- Batasnya adalah 10 gambar referensi, 5 video referensi, dan 5 file audio referensi. Referensi hulu Alibaba juga membatasi total durasi video referensi dan total durasi audio referensi masing-masing hingga 15 detik.
- Jika permintaan memuat input video, aturan hulu Alibaba mewajibkan durasi video input ditambah durasi output yang diminta tidak melebihi 30 detik.
- Penagihan API dan kredit Studio terpisah. Untuk tugas API, harga yang dikembalikan saat tugas diterima merupakan snapshot harga final khusus tugas tersebut.
Isi panduan ini
- Apa itu Wan 3.0 di PixMind saat ini
- Ringkasan spesifikasi Wan 3.0
- Cara memilih mode input
- Batas referensi dan kombinasi yang valid
- Peran audio tersinkron dalam alur kerja
- Durasi, resolusi, rasio aspek, dan harga API
- Template prompt berdasarkan tujuan kendali
- Wan 3.0 dibandingkan dengan Wan 2.7
- Alur kerja Studio dibandingkan dengan API
- Batasan, hak, dan pemeriksaan sebelum terbit
- Pertanyaan umum
Apa itu Wan 3.0 di PixMind saat ini
Wan 3.0 adalah jalur keluarga model video Wan yang saat ini terhubung ke PixMind untuk pembuatan multimodal. Halaman produk aktif menandai jalur stabil sebagai wan3.0-video dan menyediakan input teks, gambar, bingkai awal dan akhir, referensi, file, serta web melalui satu generator.
Penjelasan tersebut penting karena sebuah keluarga model hulu dapat memiliki produk yang tidak disediakan oleh platform terhubung. Dokumentasi Alibaba mencantumkan wan3.0-video dan wan3.0-video-prime, tetapi halaman API PixMind saat ini hanya mencantumkan wan3.0-video. Dokumentasi hulu dapat menjelaskan cara kerja teknologinya, tetapi tidak membuktikan bahwa setiap varian hulu tersedia melalui PixMind.
Model ini paling mudah dipahami sebagai sekumpulan mode kendali:
- Teks ke video dimulai dari deskripsi adegan tanpa mewajibkan materi sumber visual.
- Gambar bingkai awal ke video dimulai dari gambar yang diberikan dan meminta model menganimasikannya ke depan.
- Pembuatan dengan bingkai awal dan akhir mengunci kedua ujung pengambilan gambar.
- Pembuatan berbasis referensi menggunakan gambar, video, audio, atau kombinasi yang kompatibel untuk mengarahkan hasil.
- Input file atau halaman web menyediakan materi sumber yang dapat menjadi dasar permintaan.
Pusat keluarga model Wan adalah tempat untuk memeriksa jalur Wan terkait, sedangkan generator aktif tetap menjadi acuan kontrol yang tersedia untuk tugas tertentu.
Ringkasan spesifikasi Wan 3.0
Jalur PixMind saat ini menggabungkan durasi klip yang panjang, berbagai jenis referensi, dan tiga tingkat resolusi. Namun, setiap baris di bawah ini harus diperlakukan sebagai fakta antarmuka bertanggal, bukan janji layanan permanen.
| Pengaturan | Tampilan PixMind saat ini | Catatan perencanaan |
|---|---|---|
| ID model | wan3.0-video |
Gunakan ID persis ini untuk jalur API saat ini |
| Durasi | 2 hingga 30 detik | Dengan input video, durasi video input ditambah durasi output tidak boleh melebihi 30 detik menurut aturan hulu |
| Resolusi | 480p, 720p, 1080p | Tingkat yang lebih tinggi memiliki harga per detik lebih mahal |
| Rasio aspek | Adaptif, 16:9, 4:3, 1:1, 3:4, 9:16 | Sesuaikan dengan tujuan publikasi sebelum membuat video |
| Audio | Audio tersinkron | Jelaskan suara dan dialog dengan sengaja |
| Gambar referensi | Hingga 10 | Gunakan hanya referensi dengan peran yang jelas |
| Video referensi | Hingga 5 | Batas total durasi hulu adalah 15 detik |
| Audio referensi | Hingga 5 | Batas total durasi hulu adalah 15 detik |
| Sumber lain | File atau halaman web | Mode file dan tautan saling eksklusif di sisi hulu |
| Endpoint API | POST /v1/generations |
Respons saat tugas diterima memberikan penawaran final untuk tugas tersebut |
Dua sumber juga dapat menjelaskan batas pada tingkat yang berbeda. Halaman produk PixMind menyatakan bahwa satu video referensi dapat berdurasi hingga 15 detik, sedangkan referensi API hulu Alibaba menetapkan batas total 15 detik untuk semua video referensi. Jika Anda menyertakan beberapa klip, aturan perencanaan yang lebih aman adalah menjaga durasi gabungannya tetap 15 detik atau kurang. Terapkan batas gabungan yang sama untuk beberapa file audio referensi. Permintaan dengan input video memiliki batas hulu tambahan: total durasi video input ditambah durasi output yang diminta tidak boleh melebihi 30 detik.
Cara memilih mode input
Pilih mode yang sesuai dengan batasan yang sama sekali tidak boleh hilang. Menambahkan input tidak otomatis memberi kendali lebih besar, dan mode yang tidak kompatibel dapat membuat permintaan menjadi tidak valid.
Gunakan teks ke video untuk komposisi terbuka
Pembuatan hanya dari teks cocok untuk pengambilan gambar baru ketika tidak ada gambar atau titik akhir yang harus dipertahankan. Tentukan subjek, aksi, lokasi, kamera, pencahayaan, waktu, dan suara di sekitar satu peristiwa utama.
Gunakan bingkai awal ketika gambar pembuka penting
Pembuatan video dari gambar bingkai awal dimulai dari komposisi yang telah disetujui. Jelaskan apa yang bergerak, apa yang tetap stabil, dan bagaimana kamera bergerak.
Gunakan bingkai awal dan akhir untuk mengendalikan titik akhir
Pasangan bingkai sesuai untuk transisi dengan pembuka dan penutup yang sudah ditentukan. Alibaba memperlakukannya sebagai mode terpisah: jangan menggabungkannya dengan media referensi, file, tautan, atau input audio.
Gunakan referensi ketika kontinuitas atau suara menjadi prioritas
Mode referensi mengarahkan pengambilan gambar dengan materi terkait. Gambar dapat menunjukkan tampilan, video dapat menyampaikan gerakan, dan audio dapat memberi arahan waktu atau suara. Jenis-jenis tersebut dapat digabungkan sesuai batas masing-masing.
Jika pemilihan model dan mode menjadi kendala utama, AI Video Agent menyediakan jalur terpandu dari ringkasan adegan menuju pilihan model saat ini. Pembuatan langsung dengan Wan 3.0 lebih cocok bagi pengguna yang sudah mengetahui mode input dan pengaturan yang ingin dikendalikan.
Batas referensi dan kombinasi yang valid
Wan 3.0 mendukung beberapa jenis referensi sekaligus, tetapi mode pasangan bingkai, file, dan tautan memiliki batas yang jelas. Susun permintaan berdasarkan satu kombinasi yang valid sebelum mulai memangkas prompt.
Aturan hulu Alibaba dapat diringkas sebagai berikut:
| Kombinasi input | Pola yang didukung di sisi hulu | Batasan penting |
|---|---|---|
| Gambar referensi + video referensi | Ya | Total video referensi maksimal 15 detik; durasi video input ditambah durasi output maksimal 30 detik |
| Gambar referensi + audio referensi | Ya | Pola yang disarankan ketika gambar dan audio harus mengarahkan hasil |
| Video referensi + audio referensi | Ya | Pastikan setiap kategori media berada dalam batasnya sendiri |
| File + media referensi | Ya | File dapat disertakan bersama referensi yang kompatibel |
| Tautan web + media referensi | Ya | Tautan dapat disertakan bersama referensi yang kompatibel |
| File + tautan web | Tidak | Pilih satu mode dokumen sumber |
| Bingkai awal/akhir + media referensi | Tidak | Mode pasangan bingkai berdiri sendiri |
| Bingkai awal/akhir + input audio | Tidak | Gunakan gambar referensi + audio referensi sebagai alternatif berbasis audio |
Berikan satu fungsi untuk setiap materi, misalnya menentukan produk, latar belakang, atau gerakan kamera. Untuk file atau halaman, nyatakan informasi yang harus diambil. Jangan menganggap setiap kalimat, harga, atau penafian akan muncul secara akurat.
Peran audio tersinkron dalam alur kerja
Audio tersinkron merupakan bagian dari jalur saat ini. Karena itu, rencanakan suasana, efek, maksud dialog, dan waktunya bersama aksi visual.
Untuk adegan sederhana, pisahkan instruksi suara dari instruksi visual:
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.
Struktur ini tidak menjamin sinkronisasi yang presisi di setiap bingkai. Periksa waktu dialog, ucapan yang tidak diinginkan, musik, dan kemiripan suara sebelum menerbitkan.
Mode pasangan bingkai hulu Alibaba tidak menerima input audio. Jika audio harus mengarahkan pembuatan, gunakan gambar referensi ditambah audio referensi. Jika titik akhir lebih penting, tambahkan suara yang sudah berlisensi dengan benar pada tahap berikutnya.
Hak atas suara memerlukan perhatian khusus. Jangan mengunggah referensi suara atau menerbitkan tiruan suara yang dapat dikenali tanpa izin yang diperlukan dan kepatuhan terhadap ketentuan yang berlaku.
Durasi, resolusi, rasio aspek, dan harga API
Tetapkan format keluaran sebelum membuat video karena durasi dan resolusi secara langsung mengubah biaya API, sedangkan rasio aspek menentukan kecocokan komposisi untuk kanal akhir. Snapshot harga API aktif yang diverifikasi pada 5 September 2026 adalah $0.050 per detik untuk 480p, $0.090 per detik untuk 720p, dan $0.18 per detik untuk 1080p.
Perkiraan berikut hanya merupakan hasil perkalian durasi dengan tarif per detik pada tanggal tersebut:
| Durasi | 480p dengan $0.050/detik | 720p dengan $0.090/detik | 1080p dengan $0.18/detik |
|---|---|---|---|
| 2 detik | $0.10 | $0.18 | $0.36 |
| 5 detik | $0.25 | $0.45 | $0.90 |
| 10 detik | $0.50 | $0.90 | $1.80 |
| 30 detik | $1.50 | $2.70 | $5.40 |
Angka tersebut adalah perkiraan perencanaan, bukan penawaran untuk permintaan mendatang. Harga dan aturan akun dapat berubah. Halaman API Wan 3.0 aktif merupakan referensi publik saat ini, sedangkan respons saat tugas diterima adalah snapshot harga final khusus tugas tersebut.
Baris 30 detik tidak tersedia untuk setiap permintaan yang menggunakan video sebagai kondisi. Berdasarkan aturan hulu yang didokumentasikan Alibaba, kurangi total durasi video input dari 30 detik untuk memperoleh durasi output maksimum yang dapat diminta pada tugas dengan input video, lalu pastikan kembali kontrol PixMind yang aktif sebelum mengirimkannya.
Penagihan API terpisah dari kredit Studio. Jangan mengubah pratinjau kredit Studio menjadi harga API dalam dolar, atau menganggap saldo API mencakup hak Studio. Periksa halaman harga saat ini untuk konteks paket, lalu periksa permukaan produk yang benar-benar akan digunakan.
Untuk perencanaan kanal, 16:9 cocok untuk format horizontal, 9:16 untuk video vertikal, dan 1:1 untuk penempatan persegi. Rasio adaptif dapat mengikuti materi sumber, tetapi rasio tujuan yang tetap mengurangi pemotongan di tahap berikutnya. Gunakan 480p untuk pengujian struktur berbiaya rendah, lalu tingkatkan resolusi setelah mode, waktu, dan komposisi stabil.
Template prompt berdasarkan tujuan kendali
Prompt yang baik menjelaskan apa yang harus tetap stabil, apa yang boleh berubah, dan bagaimana perubahan berlangsung. Struktur berikut tidak menjamin hasil tertentu.
Template 1: Buat satu pengambilan gambar terarah dari teks
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].
Template 2: Animasikan bingkai awal yang telah disetujui
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].
Template 3: Tetapkan peran pada referensi multimodal
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].
Template 4: Ubah file atau halaman web menjadi ringkasan video yang terfokus
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].
Jalankan pengujian berguna dengan biaya terendah sebelum membuat versi akhir yang panjang. Jika komposisinya salah, persingkat prompt alih-alih menambah kata sifat. Jika kontinuitas bermasalah, kurangi referensi dan beri label pada perannya. Jika waktunya bermasalah, jelaskan lebih sedikit peristiwa dengan penanda waktu yang lebih jelas.
Wan 3.0 dibandingkan dengan Wan 2.7
Wan 3.0 adalah target integrasi baru, bukan sekadar nama baru untuk permintaan Wan 2.7. Jalur saat ini menggunakan wan3.0-video, memperpanjang output terdokumentasi hingga 30 detik, dan memperluas perencanaan input ke pasangan bingkai, referensi, file, serta halaman web. Periksa ulang nama parameter, kombinasi yang valid, rasio, durasi, audio, penanganan respons, dan harga sebelum migrasi.
Ini adalah ringkasan migrasi antarmuka, bukan klaim bahwa 3.0 selalu unggul dalam setiap perbandingan kualitas. Tidak ada pembuatan video berdampingan yang terkontrol untuk panduan ini. Hasil yang disukai dapat bergantung pada subjek, referensi, rancangan pengambilan gambar, dan kriteria penilaian.
Pertahankan identitas artikel berdasarkan versinya, alih-alih diam-diam mengganti nama panduan lengkap Wan 2.7. Perbandingan terkontrol masih diperlukan sebelum menyimpulkan gerakan, konsistensi, kepatuhan terhadap prompt, suara, atau nilai.
Alur kerja Studio dibandingkan dengan API
Akses Studio dan API melayani kebutuhan operasional yang berbeda serta menggunakan sistem penagihan terpisah. Studio sesuai untuk pengaturan interaktif dan iterasi visual; API sesuai untuk aplikasi yang memerlukan pengiriman berulang, pelacakan tugas, serta penanganan hasil secara terprogram.
Alur kerja Studio
Buka generator Wan 3.0, pilih mode, lampirkan hanya sumber yang kompatibel, lalu pastikan durasi, resolusi, rasio, dan pratinjau kredit aktif. Buat video setelah meninjau pengaturan, kemudian periksa video dan audio secara lengkap sebelum mengekspor.
Alur kerja API
- Pastikan
wan3.0-videotersedia dan periksa harga API saat ini. - Kirim satu kombinasi mode yang valid ke
POST /v1/generations. - Simpan ID tugas dan data harga yang diterima, lalu lakukan polling terhadap tugas yang sama.
- Validasi hasil dan catat parameter, asal materi sumber, serta persetujuan hak.
Alibaba mendokumentasikan pembuatan dan polling asinkron di sisi hulu. Jangan menerapkan aturan masa berlaku tugasnya ke PixMind kecuali PixMind menyatakannya. Panduan mulai cepat API PixMind menjelaskan mengapa menyimpan ID tugas lebih aman daripada mengirim ulang setelah waktu tunggu klien habis.
Batasan, hak, dan pemeriksaan sebelum terbit
Output Wan 3.0 memerlukan pemeriksaan manusia karena kendali multimodal tidak sama dengan jaminan kepatuhan. Antarmuka terdokumentasi menjelaskan input dan pengaturan yang diterima, tetapi tidak membuktikan akurasi, keandalan, izin hukum, atau kesesuaian untuk publikasi tertentu.
Gunakan daftar periksa prapublikasi berikut:
- Akurasi visual dan waktu: Bandingkan seluruh klip dengan referensi yang disetujui, lalu periksa penyimpangan, perubahan objek, teks yang salah, atau potongan yang tidak diinginkan.
- Pemeriksaan audio: Periksa dialog, kemiripan suara, waktu, ucapan latar, musik, dan efek.
- Pemeriksaan fakta: Verifikasi klaim yang berasal dari dokumen atau halaman terhadap sumbernya.
- Pemeriksaan hak: Pastikan izin untuk prompt, gambar, rekaman, audio, orang, suara, merek dagang, logo, dan materi pihak ketiga lainnya.
- Pemeriksaan keluaran: Periksa durasi, dimensi, rasio, enkode, dan pemutaran file yang diekspor di platform tujuan.
- Pencatatan: Simpan detail tugas yang diterima, asal input, catatan persetujuan atau lisensi, peninjau, dan keputusan persetujuan.
Penggunaan komersial bergantung pada kelayakan paket berbayar, ketentuan model atau penyedia yang berlaku, serta hak pengguna atas prompt, referensi, orang, suara, logo, dan materi pihak ketiga lainnya. Pembuatan konten tidak otomatis menyelesaikan hak-hak tersebut. Tinjau ketentuan harga saat ini dan ketentuan layanan untuk akun serta kasus penggunaan Anda, dan mintalah saran profesional jika risiko hukumnya tinggi.
Pertanyaan umum
Dapatkah saya menggunakan audio dengan pembuatan bingkai awal dan akhir?
Tidak sebagai input audio dalam mode bingkai awal dan akhir hulu yang didokumentasikan Alibaba. Jika audio harus mengarahkan hasil, gunakan pola resmi gambar referensi ditambah audio referensi. Jika titik akhir wajib dipertahankan, gunakan mode pasangan bingkai dan tangani audio berlisensi dalam alur kerja terpisah.
Berapa biaya pembuatan melalui API Wan 3.0?
Snapshot pada 5 September 2026 adalah $0.050 per detik untuk 480p, $0.090 per detik untuk 720p, dan $0.18 per detik untuk 1080p. Perlakukan nilai tersebut sebagai masukan perencanaan bertanggal. Respons saat tugas diterima memberikan snapshot harga final khusus tugas tersebut, dan penagihan API terpisah dari kredit Studio.
Apakah wan3.0-video-prime tersedia melalui PixMind?
Halaman model PixMind saat ini mencantumkan wan3.0-video, bukan wan3.0-video-prime. Alibaba mendokumentasikan Prime sebagai varian hulu, tetapi hal itu tidak membuktikan ketersediaannya melalui PixMind.
Dapatkah output Wan 3.0 digunakan secara komersial?
Penggunaan komersial bersifat bersyarat, bukan otomatis. Hal tersebut bergantung pada kelayakan paket berbayar, ketentuan model dan penyedia yang berlaku, serta hak Anda atas seluruh prompt, referensi, orang, suara, logo, dan materi pihak ketiga dalam tugas maupun hasilnya.
Pilih satu batasan dan jalankan tugas pertama secara terkontrol
Cara paling jelas untuk memulai Wan 3.0 adalah memilih satu batasan yang paling penting, lalu menentukan mode input yang sesuai. Gunakan teks untuk komposisi terbuka, bingkai awal untuk pembuka yang tetap, pasangan bingkai untuk akhir yang ditentukan, referensi untuk identitas yang dapat digunakan kembali atau arahan suara, serta file atau tautan untuk perencanaan berbasis sumber.
Pastikan tugas pertama cukup singkat untuk mengungkap masalah struktur. Konfirmasikan ID model, referensi, rasio, resolusi, durasi, audio, harga, dan hak sebelum mengirimkannya. Tinjau hasil secara lengkap, bukan hanya dari thumbnail.
Setelah keputusan tersebut jelas, buka generator Wan 3.0 untuk tugas interaktif atau halaman API Wan 3.0 untuk alur kerja terprogram. Periksa kembali kontrol aktif dan harga saat tugas diterima setiap kali membuat video.
