万相 Wan3.0 上手：PPT 直接生成视频、20 个素材全能参考与编辑延长

Wan3.0 是什么

之前的《国产 AI 视频生成全景》里，Wan3.0 只占了表格里的一行。这篇专门讲它怎么用。

Wan3.0 是阿里通义万相的视频生成模型，8 月 6 日起公测，8 月 24 日正式上线。和前代 Wan2.7（单次最长 15 秒）相比，变化主要有三点：

单次最长 30 秒，输出 30fps，默认带音轨（台词、音效、BGM 一起生成）；
All-in-One：文生视频、图生视频、全模态参考、视频编辑、视频延长，全部是同一个模型；
第一次支持文档和网页输入：docx、pptx、xlsx、pdf、txt、md，或者一个公开网页链接，模型会自动解析内容生成视频。

模型分两个版本：标准版 wan3.0-video 和高速版 wan3.0-video-prime，参数相同，后者出片更快、价格更高。

注意：Wan3.0 没有开源。阿里最后一个开源的万相视频旗舰仍是 Wan2.2，想本地跑请看《在自己的显卡上跑视频生成》。

去哪里用

入口	适合谁
万相官网	普通创作者，网页上传素材、写提示词直接出片
千问 App / 千问创作 PC 端	手机或桌面上顺手用
阿里云百炼、千问 AI 平台	开发者，API 异步调用（提交任务拿 ID，再轮询取片）
万镜一刻、堆友、IF STUDIO 等	已经在用这些阿里系创作工具的人

API 方面有几个容易踩的点：DashScope Python SDK 需要 1.26.2.1 及以上；模型、Endpoint 和 API Key 必须属于同一地域；生成的视频链接只有 24 小时有效，要及时下载；任务执行失败不计费。

关键参数一张表

以下来自千问 AI 平台的 Wan3.0 官方文档：

项目	取值
时长 `duration`	2～30 秒，或 `-1`（智能时长，默认约 5 秒）
分辨率	480P / 720P / 1080P（默认 1080P）
宽高比	21:9、16:9、4:3、1:1、3:4、9:16、adaptive（默认）
帧率	输出 30fps；参考视频需 ≥16fps
参考图片	最多 10 张，单张 ≤20MB
参考视频	最多 5 段，总时长 ≤15 秒，单个 ≤100MB
参考音频	最多 5 段，总时长 ≤15 秒，单个 ≤15MB
文件 / 网页	各 1 个，两者不能同时输入
素材总数	全模态参考最多 20 个
音轨	默认开启，`audio=false` 可关闭，价格相同

两条规则要记住：

首帧 / 首尾帧模式和参考模式互斥。 传了 first_frame（或再加 last_frame），就不能同时传参考图、参考视频、文件或网页。
有视频输入时，输入时长 + 输出时长 ≤ 30 秒。 拿一段 10 秒的视频去延长，最多再续 20 秒。

全能参考：参考、复刻、驱动

Wan3.0 把参考素材按作用分成三类，官方的叫法很好记：

参考（图片）：锁定角色、产品、道具的外观；
复刻（视频）：照着参考视频的运镜或动作编排来拍；
驱动（音频）：让画面跟着音频的节拍或语调动，做舞蹈或口型。

三类可以任意组合。图片、视频、音频分别计数，按上传顺序对应“图1”“图2”“视频1”“音频1”。提示词里一定要写清楚每个素材干什么，否则模型只能猜：

text

图1 是女主角的正面照，图2 是她的侧面照，保持人物外观一致；
图3 是一只橘色帆布双肩包，出现时保持颜色和 Logo 不变。
参照视频1 的运镜：从背后跟拍，穿过人群后绕到正面。
画面节奏卡在音频1 的鼓点上。
傍晚的老城区步行街，暖色路灯，人群熙攘。女主角背着图3 的书包快步穿过人群，
回头笑着说："快点，要赶不上了！"

台词用引号括起来，这是官方示例里的写法。参考图优先用干净背景、光线均匀的照片；人物参考用你自己或已获授权的人，不要用真实明星或知名 IP 角色。

文档 / 网页生视频：PPT 直接变短片

这是 Wan3.0 最特别的地方。把一份产品介绍 PPT、活动方案 PDF，甚至一个公开网页丢进去，模型会读内容、自动组织画面。适合的场景：

产品发布、功能演示的 30 秒介绍片；
课程、汇报的开场动画；
把公众号文章或活动页做成短视频预告。

几条实用建议：

文档越短越好。 30 秒装不下一份 40 页的方案。先自己删成 3～5 页核心内容再上传，比让模型自己挑更可控。
提示词仍然要写。 文档只给“说什么”，提示词决定“怎么拍”：风格、节奏、要不要旁白、画面里出现哪些文字。
网页只认公开页面。 需要登录才能看的页面读不到；文件和网页一次只能二选一。
核对画面文字。 模型生成的数字、产品名、价格要逐帧检查，错一个字就不能用。

text

根据上传的 PPT 生成一支 20 秒的产品介绍短片。
风格：干净的科技感，白色和浅蓝为主色，柔和的棚拍光。
结构：开头 3 秒展示产品外观特写，中段依次展示第 2～4 页的三个核心卖点，
每个卖点配一行简短的画面文字，结尾停在产品 Logo 上。
旁白：沉稳的女声，语速适中，只念每页的标题。

视频编辑与延长

不满意一段已经生成好的视频，不必整段重抽。

视频编辑：上传 reference_video，提示词里写明意图词——“去掉”“替换”“改成”。可以增删画面元素、换风格、改光线，甚至改台词。官方建议编辑时 duration 设为 -1。

text

把视频1 里人物手中的纸杯咖啡替换成一束白色郁金香，其他保持不变。

视频延长：同样上传视频，写“延长”“续写”“向前延长”“向后延长”，支持单向或双向。duration 可以设为 -1，或者“输入时长 + 想延长的时长”。

一个常见用法是：先用 480P 低成本试出满意的前 10 秒，再在这段基础上向后续写，比一次性抽 30 秒更容易控住剧情。

怎么算成本

Wan3.0 按秒计费，开不开音轨价格一样。8 月上线时公布的标准版原价：

分辨率	原价（元/秒）	30 秒一条
480P	0.30	9 元
720P	0.60	18 元
1080P	1.20	36 元

上线时的 7 折活动（8 月 24 日至 9 月 23 日）已经结束，高速版 prime 价格更高；实际价格以阿里云百炼计费页为准。新用户有少量免费秒数（北京地域），可以先拿来试。

省钱的思路：

480P 试错，1080P 定稿。 提示词、参考素材和节奏都在 480P 上调好再升档；
善用智能时长和较短时长。 不是每个镜头都需要 30 秒，开场、转场用 5～8 秒足够；
局部问题用编辑，不要重抽。

发布前的合规提醒

按《人工智能生成合成内容标识办法》（2025 年 9 月 1 日起施行），发布 AI 生成的视频要主动标注 AI 生成，不要去掉平台添加的标识；
参考图、参考视频、参考音频都必须是你有权使用的素材，人物和声音要拿到本人授权；
用公司 PPT 或客户资料生成视频前，确认这些内容可以上传到云端，涉密材料别传；
文档生视频里出现的数据和宣传语，发布前按广告法自查，不要出现夸大或无法证实的表述。

更多细节见《发布 AI 视频、音乐、图片前必看》。

参考来源

AI 生成内容信息整理截至 2026-11-07。本文由 AI 辅助生成，内容依据公开资料整理，仅供学习交流；平台功能与价格变化较快，请以官方最新信息为准。