Wan 3.0 影片完整指南：輸入、音訊、價格與 API

PixMind 上的 Wan 3.0 是一條多模態影片生成路線，可透過文字、圖片、首尾幀、參考媒體、檔案或網頁建立 2 至 30 秒的影片。現行穩定模型 ID 為 wan3.0-video，可輸出 480p、720p 和 1080p，並生成同步音訊。

主要決策並不是提示詞要寫得多長，而是應選擇哪一種輸入模式，讓模型取得正確的控制方式。首幀決定鏡頭從哪裡開始，首尾幀共同定義兩端，參考素材用來傳達角色特徵或風格，檔案或網頁則提供模型需要解讀的源材料。這些模式各有不同的相容規則。

本指南於 2026 年 9 月 5 日完成事實查核，依據包括 Wan 3.0 線上生成器與 API 頁面、PixMind 實作、Alibaba API 參考文件、官方程式碼儲存庫，以及 Alibaba Cloud 的現行模型發布清單。本文核實的是介面與限制，並未透過付費基準測試驗證速度、品質或可靠性。

關於本指南： PixMind 編輯團隊透過線上頁面檢查、實作審查及模型一手資料，記錄目前的產品行為。本文未委託付費輸出基準測試。

重點摘要

• 請使用 PixMind 現行模型 ID wan3.0-video，不要替換成上游版本或舊版識別碼。
• 新增媒體前先決定一種控制策略：需要精確開場和收尾時使用首尾幀，需要重複使用角色特徵或風格時使用參考素材，需要依據源材料規劃時使用檔案或連結。
• 現行路線支援 2 至 30 秒輸出，可選 480p、720p 或 1080p，並支援自適應或固定長寬比及同步音訊。
• 最多可使用 10 張參考圖片、5 個參考影片及 5 個參考音訊檔。Alibaba 上游參考文件另規定，參考影片與參考音訊各自的合計時長不得超過 15 秒。
• 當請求包含影片輸入時，Alibaba 上游規則要求輸入影片時長加上要求的輸出時長不得超過 30 秒。
• API 計費與 Studio 點數彼此獨立。API 任務被接受時回傳的價格，就是該任務最終採用的價格快照。

本文內容

• PixMind 目前接入的 Wan 3.0 是什麼
• Wan 3.0 規格速覽
• 如何選擇輸入模式
• 參考素材限制與有效組合
• 如何在工作流程中使用同步音訊
• 時長、解析度、長寬比與 API 價格
• 依控制目標整理的提示詞範本
• Wan 3.0 與 Wan 2.7 比較
• Studio 與 API 工作流程比較
• 限制、權利與發布檢查
• 常見問題

PixMind 目前接入的 Wan 3.0 是什麼

Wan 3.0 是 PixMind 目前接入的 Wan 影片模型系列多模態生成路線。線上產品頁面將穩定路線標示為 wan3.0-video，並在同一個生成器中提供文字、圖片、首尾幀、參考素材、檔案與網頁輸入。

這項說明很重要，因為上游模型系列可能包含已接入平台尚未開放的產品。Alibaba 文件同時列出 wan3.0-video 與 wan3.0-video-prime，但 PixMind 現行 API 頁面只列出 wan3.0-video。上游文件可以說明技術如何運作，卻不能證明每個上游版本都能透過 PixMind 使用。

可以將該模型理解為一組控制模式：

• 文字生成影片從場景描述開始，不必提供視覺源素材。
• 首幀圖片生成影片從一張指定圖片開始，讓模型以此為起點向後生成動畫。
• 首尾幀生成同時固定鏡頭的起點與終點。
• 參考素材生成透過圖片、影片、音訊或相容組合來約束結果。
• 檔案或網頁輸入提供可用於理解任務的源材料。

可在 Wan 模型系列中心查看相關 Wan 路線；針對特定任務可用的控制項，仍應以線上生成器為準。

Wan 3.0 規格速覽

PixMind 現行路線兼具較長的影片時長、多類參考素材與三種解析度。不過，下表每一列都應視為特定日期查核的介面事實，而非永久不變的服務承諾。

不同來源也可能從不同層級描述同一項限制。PixMind 產品頁指出單一參考影片最長可為 15 秒，而 Alibaba 上游 API 參考文件則將參考影片的合計時長上限設為 15 秒。提供多個片段時，更穩妥的規劃方式是把總時長控制在 15 秒以內。多個參考音訊檔也應採用相同的合計時長限制。含有影片輸入的請求還受另一項上游上限約束：輸入影片總時長加上要求的輸出時長不得超過 30 秒。

如何選擇輸入模式

選擇與最不能失去的限制相對應的模式。輸入更多素材不一定能提高控制力，不相容的模式還可能使請求無效。

開放式構圖使用文字生成影片

當新鏡頭不必保留既有圖片或指定首尾畫面時，適合使用純文字生成。圍繞一個主要事件，說明主體、動作、地點、鏡頭、光線、節奏與聲音。

開場畫面很重要時使用首幀

首幀圖片生成影片從已核准的構圖開始。請寫清楚哪些元素會移動、哪些元素保持穩定，以及攝影機如何移動。

需要控制起點與終點時使用首尾幀

首尾幀適合開場和結束畫面都已確定的轉場。Alibaba 將其視為獨立模式：不要與參考媒體、檔案、連結或音訊輸入組合使用。

連貫性或聲音優先時使用參考素材

參考模式透過相關素材約束鏡頭。圖片可以說明外觀，影片可以傳達動作，音訊可以提供節奏或聲音方向。這些類型可在各自限制內組合使用。

如果最大的障礙是選擇模型與模式，可以透過 AI Video Agent將場景需求轉化為目前可用的模型選項。已清楚掌握輸入模式與設定的使用者，則更適合直接使用 Wan 3.0 生成器。

參考素材限制與有效組合

Wan 3.0 支援同時使用多種參考素材，但首尾幀、檔案與連結模式都有明確界線。開始精簡提示詞之前，應先圍繞一種有效組合建立請求。

Alibaba 上游規則可概括如下：

應為每項素材指定一個明確用途，例如定義產品、背景或鏡頭運動。使用檔案或網頁時，請說明要擷取哪些資訊。不要假設每一句話、每個價格或每則免責聲明都能準確出現在成品中。

如何在工作流程中使用同步音訊

同步音訊是現行路線的一部分，因此需要配合畫面動作規劃環境音、音效、對白意圖與時間點。

對於簡單場景，可以將聲音指示與畫面指示分開：

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.

這種結構無法保證逐幀精準同步。發布前應檢查對白時機、非預期語音、音樂與聲音相似度。

Alibaba 上游的首尾幀模式不接受音訊輸入。如果必須由音訊驅動生成，請使用參考圖片加參考音訊。如果首尾幀控制更重要，則在後續流程中加入已取得適當授權的聲音。

聲音權利尤其需要審慎處理。未取得必要許可且不符合適用條款時，請勿上傳聲音參考，也不要發布可辨識的聲音仿製內容。

時長、解析度、長寬比與 API 價格

生成前應先決定交付格式，因為時長和解析度會直接改變 API 成本，長寬比則影響構圖是否適合最終管道。2026 年 9 月 5 日查核的線上 API 價格快照為：480p 每秒 $0.050、720p 每秒 $0.090、1080p 每秒 $0.18。

以下估算只是用時長乘以當日每秒價格：

這些數字是規劃估算，並非未來請求的報價。價格和帳戶規則可能變更。目前的公開參考應以線上 Wan 3.0 API 頁面為準，任務被接受時回傳的價格則是該任務最終採用的價格快照。

並非每一個含影片條件的請求都能使用表中的 30 秒輸出。依據 Alibaba 上游文件規則，當任務包含影片輸入時，應從 30 秒中扣除輸入影片總時長，得出可要求的最長輸出時長，並在送出前確認 PixMind 線上控制項。

API 計費與 Studio 點數彼此獨立。不要把 Studio 點數預覽換算成 API 美元價格，也不要假設 API 餘額包含 Studio 權益。可先在目前的定價頁面查看方案背景，再核對實際準備使用的產品介面。

發布管道規劃方面，16:9 適合橫向內容，9:16 適合直式影片，1:1 適合方形版位。自適應比例可以跟隨源素材，但預先設定發布比例可減少後續裁切。可先用 480p 低成本測試結構，等模式、節奏與構圖穩定後再提高解析度。

依控制目標整理的提示詞範本

有效的提示詞應說明哪些內容保持穩定、哪些內容可以改變，以及變化如何發生。以下結構不保證特定結果。

範本 1：透過文字建立一個可控鏡頭

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].

範本 2：讓已核准的首幀動起來

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].

範本 3：為多模態參考素材分配用途

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].

範本 4：將檔案或網頁轉化為聚焦的影片需求

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].

先執行足以驗證結構的最低成本測試，再進行較長的最終生成。如果構圖有問題，應精簡提示詞，而不是繼續堆疊形容詞。如果連貫性有問題，應減少參考素材並標示各自用途。如果節奏有問題，應減少事件數量並提供更清楚的時間點。

Wan 3.0 與 Wan 2.7 比較

Wan 3.0 是新的整合目標，不是替 Wan 2.7 請求換上新名稱。現行路線使用 wan3.0-video，文件所示輸出時長延伸至 30 秒，輸入規劃也擴展到首尾幀、參考素材、檔案和網頁。遷移前應重新確認參數名稱、有效組合、長寬比、時長、音訊、回應處理與價格。

以上只是介面遷移摘要，並非主張 3.0 在所有品質比較中都勝出。本文沒有進行受控的並排生成測試。輸出偏好可能取決於主體、參考素材、鏡頭設計與審查標準。

應保留各版本文章的明確識別，不要直接將 Wan 2.7 完整指南悄悄改名。在對動態表現、連貫性、提示詞遵循度、聲音或性價比下結論之前，仍需進行受控比較。

Studio 與 API 工作流程比較

Studio 與 API 適用於不同的操作需求，並採用彼此獨立的計費系統。Studio 適合互動式設定與視覺化反覆調整；API 則適合需要重複提交、任務追蹤及程式化處理結果的應用程式。

Studio 工作流程

開啟 Wan 3.0 生成器，選擇模式，只附加相容的源素材，並確認時長、解析度、長寬比及線上點數預覽。檢查設定後再生成，匯出前查看完整影片與音訊。

API 工作流程

1. 確認 wan3.0-video 可用並查看目前的 API 價格。
2. 向 POST /v1/generations 傳送一種有效的模式組合。
3. 儲存任務 ID 與已接受的價格資料，然後輪詢同一任務。
4. 驗證結果，並記錄參數、源素材來源及權利核准資訊。

Alibaba 上游文件採用非同步建立與輪詢模式。除非 PixMind 明確說明，否則不要將上游任務有效期規則直接套用到 PixMind。PixMind API 快速入門說明了為什麼在用戶端逾時後儲存任務 ID，比重新提交更安全。

限制、權利與發布檢查

Wan 3.0 的輸出需要人工審查，因為多模態控制不等同於合規保證。文件化介面只能說明接受哪些輸入與設定，不能證明結果準確、可靠、已取得法律授權，或適合特定發布用途。

發布前請完成以下檢查：

• 畫面與時間準確性： 將完整影片與已核准的參考素材比較，檢查漂移、物件變化、錯誤文字或非預期剪接。
• 音訊審查： 檢查對白、聲音相似度、時機、背景語音、音樂與音效。
• 事實審查： 對照源檔案或網頁，驗證由其衍生的陳述。
• 權利審查： 確認已取得提示詞、圖片、影片素材、音訊、人物、聲音、商標、標誌及其他第三方材料的必要許可。
• 交付審查： 檢查匯出檔案的時長、尺寸、比例、編碼，以及在目標平台上的播放狀況。
• 紀錄保存： 保存任務被接受時的詳細資料、輸入來源、同意或授權紀錄、審查人及核准決定。

商業使用取決於付費方案資格、適用的模型與供應商條款，以及使用者是否擁有提示詞、參考素材、人物、聲音、標誌及其他第三方材料的相應權利。生成內容並不會自動排除這些權利風險。請依帳戶與使用情境查看現行定價條款與服務條款；法律風險較高時，請尋求專業意見。

常見問題

首尾幀生成可以使用音訊嗎？

依據 Alibaba 上游文件，首尾幀模式不能使用音訊輸入。如果需要由音訊驅動結果，請採用官方的參考圖片加參考音訊組合。如果首尾幀是必要條件，請保留首尾幀模式，並在另一個工作流程中處理已取得授權的音訊。

Wan 3.0 API 生成需要多少費用？

2026 年 9 月 5 日的價格快照為：480p 每秒 $0.050、720p 每秒 $0.090、1080p 每秒 $0.18。請將這些數字視為附帶日期的規劃依據。任務被接受時的回應會提供該任務最終採用的價格快照，API 計費與 Studio 點數彼此獨立。

PixMind 可以使用 wan3.0-video-prime 嗎？

PixMind 現行模型頁面列出的是 wan3.0-video，而非 wan3.0-video-prime。Alibaba 將 Prime 記錄為上游版本，但這並不能證明它已透過 PixMind 開放。

Wan 3.0 輸出可以商用嗎？

商業使用有其前提，並非自動取得授權。它取決於付費方案資格、適用的模型與供應商條款，以及您是否擁有任務與結果中所有提示詞、參考素材、人物、聲音、標誌與第三方材料的相應權利。

選定一項限制，先執行受控任務

開始使用 Wan 3.0 最清楚的方法，是先決定最重要的一項限制，再選擇對應的輸入模式。開放式構圖用文字，固定開場用首幀，明確收尾用首尾幀，重複使用角色特徵或確定聲音方向用參考素材，根據源材料規劃則用檔案或連結。

第一次任務應該足夠短，以便儘早發現結構問題。提交前確認模型 ID、參考素材、長寬比、解析度、時長、音訊、價格與權利。應審查完整結果，不要只憑縮圖判斷。

確認這些決策後，可開啟 Wan 3.0 生成器執行互動式任務，或前往 Wan 3.0 API 頁面建立程式化工作流程。每次生成時，都應重新核對線上控制項與任務被接受時的價格。

---

Wan 3.0 對比 Wan 2.7：遷移與模型選擇