Wan 3.0 文生视频 AI 生成器

标准版 Wan 3.0 可以把文字提示生成 2–30 秒视频，支持 480P、720P、1080P，并可同时生成声音。页面默认选择 Wan 3.0，但仍保留模型选择器。文生视频不需要源图片，因此提示词需要负责定义主体、动作、环境、运镜、时间线与声音。

按可见顺序写开场主体与状态、主要动作、环境、一种运镜、发展过程和结束状态。不可妥协的要求放在风格词之前，并把对白、环境声、音乐或音效写到实际发生的画面节点。这样 Wan 3.0 得到的是有时间线的镜头计划，而不是无序形容词。

使用少量互相关联的节点：先建立主体，再发展一个主要动作，最后停留或收束在明确结束状态。说明镜头何时改变距离、声音何时出现。如果 brief 包含多个地点、无关动作或大量切换，应拆成多个独立镜头，分别生成和修改。

选择一种观众能够识别的主要运镜，例如缓慢推进、横向跟拍、固定广角、升降镜头或克制手持。写清主体位置、镜头方向、速度和结束构图。不要在一条短视频里组合多种无关运镜；复杂覆盖应拆成独立镜头分别测试。

让声音与画面共用一条时间线。说明谁在说话、台词何时开始、什么环境声建立地点，以及哪个可见动作需要对应音效。第一次声音测试应足够简单，便于判断同步问题；如果时机偏差，先保持画面指令稳定，只调整声音节点。

写提示词前先确定发布画幅。竖屏需要更紧凑的中心动作，宽屏可以容纳更多环境和横向运动。480P 适合轻量方向测试，720P 便于更清楚评审，1080P 适合对选中结果进行更细致检查；实际可选画幅和积分预估以生成器显示为准。

每个镜头重复相同的身份描述、材质、颜色、服装、比例、模型、画幅和光线规则，并且每次只改变一个动作或运镜变量。身份必须严格保持时，改用图生视频或 Reference to Video，让首帧或专门的图片参考提供比文字更强的视觉约束。

商品角度、角色外观、构图或结束画面必须控制结果时，转到图生视频；图片、动作视频和音频需要分别承担不同任务时，转到 Reference to Video。只有当 Wan 3.0 可以自由提出视觉身份与运动方案时，才继续使用纯文字。

确认提示词只描述一条连贯时间线，并且故事节点数量适合当前 2–30 秒时长。核对所选模型、画幅、分辨率、声音和积分预估，删除互相冲突的运镜或风格指令，再写下本轮唯一的结果判断标准。

先确认不看提示词也能读懂目标动作，再检查身份、空间逻辑、镜头路径、背景稳定、节奏、画面文字、结束状态和声音同步。把有效结果连同提示词与设置保存在“我的作品”，下一版只修改影响最大的偏差。