คู่มือวิดีโอ Wan 3.0 ฉบับสมบูรณ์: อินพุต เสียง ราคา และ API

Wan 3.0 คือเส้นทางสร้างวิดีโอหลายรูปแบบบน PixMind สำหรับคลิป 2 ถึง 30 วินาทีจากข้อความ ภาพ เฟรมแรกและสุดท้าย สื่ออ้างอิง ไฟล์ หรือเว็บเพจ ID โมเดลคือ wan3.0-video รองรับ 480p, 720p และ 1080p พร้อมเสียงซิงโครไนซ์

สิ่งสำคัญคือเลือกโหมดอินพุตให้ตรงกับการควบคุม เฟรมแรกยึดจุดเริ่ม สองเฟรมกำหนดต้นและจบ สื่ออ้างอิงสื่ออัตลักษณ์หรือสไตล์ ส่วนไฟล์หรือเว็บให้ข้อมูลต้นทาง แต่ละโหมดมีกฎต่างกัน

คู่มือนี้ตรวจสอบเมื่อ 5 กันยายน 2026 กับตัวสร้างและหน้า API จริง การพัฒนา PixMind เอกสาร API ของ Alibaba คลังทางการ และ รายการโมเดลปัจจุบัน โดยยืนยันอินเทอร์เฟซและขีดจำกัด ไม่ได้ทดสอบความเร็ว คุณภาพ หรือความน่าเชื่อถือแบบมีค่าใช้จ่าย

เกี่ยวกับคู่มือนี้: PixMind Editorial Team ตรวจพฤติกรรมผลิตภัณฑ์จากหน้าใช้งานจริง โค้ด และแหล่งข้อมูลหลัก โดยไม่มีการทดสอบเอาต์พุตแบบมีค่าใช้จ่าย

ประเด็นสำคัญ

• ใช้ wan3.0-video ไม่ใช้ ID ต้นทางหรือรุ่นเก่า
• เลือกกลยุทธ์เดียวก่อนเพิ่มสื่อ: เฟรมปลายทางสำหรับต้นและจบ สื่ออ้างอิงสำหรับอัตลักษณ์/สไตล์ ไฟล์หรือลิงก์สำหรับข้อมูลต้นทาง
• เอาต์พุต 2 ถึง 30 วินาทีที่ 480p, 720p หรือ 1080p พร้อมอัตราส่วนแบบปรับหรือคงที่และเสียงซิงโครไนซ์
• จำกัด 10 ภาพ 5 วิดีโอ และ 5 ไฟล์เสียง โดยวิดีโออ้างอิงรวมและเสียงอ้างอิงรวมจำกัดอย่างละ 15 วินาที
• เมื่อมีวิดีโออินพุต ระยะอินพุตบวกระยะเอาต์พุตต้องไม่เกิน 30 วินาที
• ราคา API แยกจากเครดิต Studio และราคาตอนรับงานคือราคาสุดท้ายเฉพาะงาน

เนื้อหา

• Wan 3.0 บน PixMind
• ข้อมูลจำเพาะ
• เลือกโหมดอินพุต
• ขีดจำกัดสื่ออ้างอิง
• เสียงซิงโครไนซ์
• ระยะเวลา ความละเอียด อัตราส่วน และราคา
• แม่แบบพรอมต์
• Wan 3.0 เทียบ Wan 2.7
• Studio เทียบ API
• ข้อจำกัดและสิทธิ์
• คำถามที่พบบ่อย

Wan 3.0 บน PixMind วันนี้

เส้นทางที่เสถียรคือ wan3.0-video รวมข้อความ ภาพ เฟรมปลายทาง สื่ออ้างอิง ไฟล์ และเว็บไว้ในตัวสร้างเดียว Alibaba ระบุทั้ง wan3.0-video และ wan3.0-video-prime แต่ PixMind ระบุเพียง wan3.0-video; เอกสารต้นทางไม่ได้ยืนยันว่า Prime ใช้ผ่าน PixMind ได้

• ข้อความเป็นวิดีโอ: เริ่มจากคำบรรยาย
• เฟรมแรกเป็นวิดีโอ: เคลื่อนไหวต่อจากภาพ
• เฟรมแรกและสุดท้าย: ยึดทั้งสองปลาย
• สื่ออ้างอิง: ใช้ภาพ วิดีโอ เสียง หรือชุดที่เข้ากัน
• ไฟล์หรือเว็บ: ให้ข้อมูลต้นทาง

ดูเส้นทางอื่นที่ ศูนย์รวมโมเดล Wan และตรวจตัวควบคุมจากตัวสร้างจริง

ข้อมูลจำเพาะ Wan 3.0

PixMind กล่าวถึงวิดีโอหนึ่งไฟล์ยาว 15 วินาที ส่วน Alibaba จำกัดหลายไฟล์รวม 15 วินาที จึงควรยึดขีดจำกัดรวม ทั้งเสียงก็เช่นกัน และอินพุตวิดีโอบวกเอาต์พุตต้องไม่เกิน 30 วินาที

เลือกโหมดอินพุต

เลือกตามข้อกำหนดที่เสียไม่ได้ อินพุตมากไม่ได้แปลว่าควบคุมได้มาก

ใช้ข้อความสำหรับองค์ประกอบอิสระ

ระบุวัตถุ การกระทำ สถานที่ กล้อง แสง เวลา และเสียงรอบเหตุการณ์หลักหนึ่งอย่าง

ใช้เฟรมแรกเมื่อภาพเปิดสำคัญ

ระบุสิ่งที่เคลื่อน สิ่งที่คงที่ และการทำงานของกล้อง

ใช้เฟรมแรกและสุดท้ายควบคุมปลายทาง

ห้ามรวมโหมดแยกนี้กับสื่ออ้างอิง ไฟล์ ลิงก์ หรือเสียงอินพุต

ใช้สื่ออ้างอิงเพื่อความต่อเนื่องหรือเสียง

ภาพกำหนดรูปลักษณ์ วิดีโอกำหนดการเคลื่อนไหว เสียงกำหนดจังหวะ AI Video Agent ช่วยเลือกโมเดลได้

ขีดจำกัดและชุดอินพุตที่ใช้ได้

กำหนดหน้าที่ให้สื่อแต่ละชิ้น และอย่าคิดว่าประโยค ราคา หรือข้อสงวนสิทธิ์จะปรากฏถูกต้องเสมอ

เสียงซิงโครไนซ์ในเวิร์กโฟลว์

วางแผนบรรยากาศ เอฟเฟกต์ บทสนทนา และจังหวะร่วมกับภาพ:

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.

โครงสร้างนี้ไม่รับประกันการซิงก์ทุกเฟรม ตรวจบทสนทนา เสียงไม่ตั้งใจ เพลง และความเหมือนของเสียง โหมดปลายทางไม่รับเสียงอินพุต หากเสียงต้องควบคุม ให้ใช้ภาพและเสียงอ้างอิง ห้ามใช้เสียงบุคคลโดยไม่มีสิทธิ์

ระยะเวลา ความละเอียด อัตราส่วน และราคา API

ราคาที่ตรวจเมื่อ 5 กันยายน 2026 คือ $0.050 ต่อวินาทีที่ 480p, $0.090 ที่ 720p และ $0.18 ที่ 1080p

เป็นค่าประมาณตามวันที่ ไม่ใช่ราคาเสนอในอนาคต คำตอบรับงานให้ราคาสุดท้ายเฉพาะงาน หากมีวิดีโออินพุต ให้หักระยะอินพุตออกจาก 30 วินาที API และเครดิต Studio แยกบัญชีกัน ห้ามแปลงเทียบกัน 16:9 เหมาะแนวนอน 9:16 แนวตั้ง 1:1 สี่เหลี่ยม และ 480p เหมาะทดสอบโครงสร้างราคาต่ำ

แม่แบบพรอมต์ตามเป้าหมาย

พรอมต์ที่ดีระบุสิ่งคงที่ สิ่งเปลี่ยน และวิธีเปลี่ยน แต่ไม่รับประกันผล

แม่แบบ 1: สร้างช็อตจากข้อความ

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].

แม่แบบ 2: ทำให้เฟรมแรกเคลื่อนไหว

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].

แม่แบบ 3: กำหนดบทบาทสื่ออ้างอิง

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].

แม่แบบ 4: เปลี่ยนไฟล์หรือเว็บเป็นบรีฟ

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].

ทดสอบแบบถูกที่สุดก่อน หากองค์ประกอบผิดให้ลดพรอมต์ หากความต่อเนื่องผิดให้ลดและติดป้ายสื่อ หากจังหวะผิดให้ลดเหตุการณ์และระบุเวลา

Wan 3.0 เทียบ Wan 2.7

Wan 3.0 เป็นเป้าหมายเชื่อมต่อใหม่ ใช้ wan3.0-video รองรับ 30 วินาทีและอินพุตกว้างขึ้น ต้องตรวจพารามิเตอร์ ชุดอินพุต อัตราส่วน เสียง การตอบกลับ และราคาใหม่ ไม่ใช่ข้ออ้างว่า 3.0 คุณภาพดีกว่า เพราะไม่มีการทดสอบเทียบ

อย่าเปลี่ยนชื่อ คู่มือ Wan 2.7 ต้องเปรียบเทียบแบบควบคุมก่อนสรุปการเคลื่อนไหว ความสม่ำเสมอ การทำตามพรอมต์ เสียง หรือความคุ้มค่า

เวิร์กโฟลว์ Studio และ API

Studio เหมาะทำงานโต้ตอบ ส่วน API เหมาะส่งงานซ้ำและติดตามงาน โดยแยกการเรียกเก็บเงิน

เวิร์กโฟลว์ Studio

เลือกโหมดและแหล่งที่เข้ากัน ตรวจระยะ ความละเอียด อัตราส่วน เครดิต และตรวจวิดีโอพร้อมเสียงก่อนส่งออก

เวิร์กโฟลว์ API

1. ยืนยัน wan3.0-video และราคา
2. ส่งชุดที่ถูกต้องหนึ่งชุดไป POST /v1/generations
3. บันทึก ID งานและราคา แล้วตรวจงานเดิม
4. ตรวจผล พารามิเตอร์ ที่มา และสิทธิ์

อย่านำอายุงานของ Alibaba มาใช้กับ PixMind โดยไม่มีเอกสาร คู่มือเริ่มต้น PixMind API อธิบายว่าการเก็บ ID ปลอดภัยกว่าส่งซ้ำหลังหมดเวลา

ข้อจำกัด สิทธิ์ และการตรวจเผยแพร่

ต้องมีมนุษย์ตรวจ เพราะอินเทอร์เฟซไม่ได้รับประกันความถูกต้อง ความเสถียร สิทธิ์ทางกฎหมาย หรือความเหมาะสม

• ภาพและเวลา: ตรวจทั้งคลิปเทียบสื่ออ้างอิง
• เสียง: ตรวจบทสนทนา เสียงบุคคล จังหวะ เพลง และเอฟเฟกต์
• ข้อเท็จจริง: ตรวจคำกล่าวกับแหล่งต้นทาง
• สิทธิ์: ยืนยันสิทธิ์ในพรอมต์ ภาพ วิดีโอ เสียง บุคคล เครื่องหมาย โลโก้ และสื่อบุคคลที่สาม
• การส่งมอบ: ตรวจระยะ ขนาด อัตราส่วน การเข้ารหัส และการเล่น
• บันทึก: เก็บข้อมูลงาน ที่มา ความยินยอม ใบอนุญาต ผู้ตรวจ และผลอนุมัติ

การใช้เชิงพาณิชย์ขึ้นกับแผนชำระเงิน เงื่อนไขโมเดล/ผู้ให้บริการ และสิทธิ์ของผู้ใช้ การสร้างไม่ได้ให้สิทธิ์อัตโนมัติ ตรวจ ราคา และ ข้อกำหนดบริการ และขอคำปรึกษาเมื่อมีความเสี่ยงกฎหมาย

คำถามที่พบบ่อย

ใช้เสียงกับเฟรมแรกและสุดท้ายได้หรือไม่

ใช้เป็นเสียงอินพุตไม่ได้ตามโหมด Alibaba ให้ใช้ภาพกับเสียงอ้างอิง หรือจัดการเสียงที่มีใบอนุญาตแยกต่างหาก

API Wan 3.0 ราคาเท่าไร

ณ 5 กันยายน 2026: $0.050 ต่อวินาทีที่ 480p, $0.090 ที่ 720p และ $0.18 ที่ 1080p เป็นข้อมูลตามวันที่ คำตอบรับงานให้ราคาสุดท้าย และ API แยกจาก Studio

wan3.0-video-prime ใช้ผ่าน PixMind ได้หรือไม่

PixMind ระบุ wan3.0-video ไม่ใช่ wan3.0-video-prime; เอกสาร Prime ของ Alibaba ไม่ยืนยันการเชื่อมต่อ

ใช้ผลงานเชิงพาณิชย์ได้หรือไม่

ขึ้นกับแผนชำระเงิน เงื่อนไข และสิทธิ์ในพรอมต์ สื่อ บุคคล เสียง โลโก้ และเนื้อหาบุคคลที่สาม ไม่ได้อนุญาตอัตโนมัติ

เลือกข้อจำกัดหนึ่งอย่างและทดสอบงานแรก

เลือกข้อความ เฟรมแรก สองปลาย สื่ออ้างอิง หรือไฟล์/ลิงก์ตามเป้าหมาย รักษางานแรกให้สั้น ตรวจ ID สื่อ อัตราส่วน ความละเอียด ระยะ เสียง ราคา และสิทธิ์ แล้วดูผลทั้งหมด

เปิด ตัวสร้าง Wan 3.0 หรือ หน้า Wan 3.0 API และตรวจตัวควบคุมกับราคาตอนสร้างอีกครั้ง

---

Wan 3.0 เทียบกับ Wan 2.7: การย้ายระบบและการเลือกโมเดล