3 张图安排夜城追逐
一张城市图加两张人物图,为 30 秒追逐提供场景和角色参考。完成后仍需检查服装和面部。
万相 3.0 可以用文字、首尾帧,或图片、视频和音频参考,生成最长 30 秒的单段视频。最高 1080p,声音可开关;想做有对白、音乐和动作音效的场景,可以把它们和画面要求一起写进提示词。
Generate a 30-second, 16:9 urban chase short in a stylish motion-graphics illustration style: flat graphic shapes, refined 2.5D layering, restrained 3D volume, not live action. Image1 is the reference for the neon city, roads, and overall texture; Image2 is the only reference for the man; Image3 is the only reference for the woman. Keep both faces, hairstyles, outfits, and colors consistent. Both are martial artists fighting over one glowing ball with a white core and a purple-pink-blue halo. 0–4 s: the camera dives from the neon skyline to street level as the woman sprints into frame clutching the ball. 4–8 s: the man cuts in from a side street to intercept her; she redirects his grab and slips past. 8–24 s: the chase runs through crowds and alleys, then both grab bicycles and race through night traffic, with handheld tracking, whip pans, snap zooms, and low angles. 24–30 s: she cuts between a braking car and a bus, escapes, and glances back with a proud smile as the camera rises over the city. Only one glowing ball, always the same size.
这是参考示例。
万相 3.0 是阿里万相团队的视频模型,2026 年 8 月开始公开测试并上线。它把文字、首尾帧和参考素材 3 种方式放在同一模型里,最长单次 30 秒,适合安排一个有铺垫、变化和收尾的小场景。
本页可选万相 Wan 3.0 和万相 Wan 3.0 Prime。Prime 更侧重生成速度,每秒消耗的积分更多,输入方式和设置相同。和 2.2 的约 5 秒草稿相比,3.0 提供更长片段、原生声音和多类参考素材,人物、商品或地点是否保持一致仍需完成后检查。
表中分别列出模型上限和本页实际可上传的数量,上传时以操作区为准。
| 项目 | 万相 Wan 3.0 | 万相 Wan 3.0 Prime |
|---|---|---|
| 适合用途 | 日常任务,积分消耗较低 | 更看重速度的任务 |
| 文生视频 | 支持 | 支持 |
| 图生视频 | 首帧,尾帧选填 | 首帧,尾帧选填 |
| 模型参考素材上限 | 10 张图、5 段视频、5 段音频 | 10 张图、5 段视频、5 段音频 |
| 片长 | 2–30 秒 | 2–30 秒 |
| 分辨率 | 480p、720p、1080p | 480p、720p、1080p |
| 比例 | 自动、16:9、9:16、1:1、4:3、3:4 | 自动、16:9、9:16、1:1、4:3、3:4 |
| 声音 | 可开关 | 可开关 |
| 提示词 | 中英文,最多 20,000 字符 | 中英文,最多 20,000 字符 |
本页实际可上传 3 张参考图、1 段视频和 1 段音频。图生视频(首尾帧)和参考素材生视频不能混用。参考视频每段 1–15 秒,总长不超过 15 秒,参考视频时长加输出时长不能超过 30 秒;参考音频建议搭配图片或视频。
短动作草稿和较长有声片段有不同要求。
| 项目 | 万相 Wan 3.0 | 万相 Wan 2.2 A14B Turbo |
|---|---|---|
| 用途 | 较长有声场景、参考素材 | 约 5 秒、省积分的草稿、人像口型 |
| 片长 | 2–30 秒可选 | 约 5 秒固定 |
| 分辨率 | 480p、720p、1080p | 480p、720p;语音驱动视频另有 580p |
| 比例 | “自动”及 5 种固定比例 | 16:9、9:16 |
| 原生声音 | 支持 | 不生成声音;语音驱动视频的口型跟随录音 |
| 图片输入 | 首帧,尾帧选填 | 一张起始图片 |
| 参考素材 | 图片、视频、音频 | 不支持 |
| 开放权重 | 没有 | Apache 2.0 开源 |
2.2 的独立页面提供文字、图片和语音驱动模式;本页使用 3.0。
示例片段都剪到了 8 秒。点卡片会把对应设置填进上方操作区,示例图仅供参考。
一张城市图加两张人物图,为 30 秒追逐提供场景和角色参考。完成后仍需检查服装和面部。
用时间段写出铺垫、笑点和结尾,并说明风声、马蹄声和停顿。
原示例用 5 张图按顺序做翻卡片展示。本页最多可上传 3 张参考图,可按实际数量调整构思。
一张角色图变成带爵士鼓和结尾反转的 25 秒 2D 动画。
雨、火、机器人和一朵小花构成虚构短片,搭配环境声表达氛围。
在同一提示词里安排影棚特写、湿润街道和赛道动作,先检查车辆外观。
在浏览器中完成,不需要安装模型或准备显卡。
“文生视频”直接构思场景;“图生视频”上传首帧和可选尾帧;“参考素材生视频”加入图片、视频、音频,用 Image1、Video1、Audio1 指代。
选“万相 Wan 3.0”或“万相 Wan 3.0 Prime”,再选分辨率、2–30 秒、比例和声音开关。有参考视频时注意总时长限制。
确认积分后生成,检查动作、时间和主体连续性。下载保存,或只修改一段动作再尝试。
每种素材只承担一件事,下面分别说明。
2–30 秒可容纳不同长度的场景。长片可按 0–8 秒、8–16 秒等时间段安排动作,先用 480p 检查,再决定是否提高分辨率。
Image1 提供人物或商品,Video1 提供运镜或动作,Audio1 提供人声或音乐。不要让同一份素材承担互相冲突的要求。
用商品图、分镜图或照片确定开始,确定结尾画面时再上传尾帧。自动比例跟随图片,文字说明中间怎样变化。
开启“生成声音”后,写清谁说什么、使用哪种语言,以及环境声和音效。准备后期配音时可以关闭。
阿里介绍的应用方向包括短剧、广告、文旅和音乐内容,具体效果仍需结合素材测试。
安排重复出现的角色、对白和运镜,检查较长场景是否连贯。
用参考图明确商品、标签和 logo,完成后逐镜头核对,模型不保证每个镜头都完全一致。
尝试航拍、城市漫步和目的地预告,配上环境声,并明确 AI 生成来源。
用参考歌曲或人声安排表演和舞蹈,确保拥有相关音频使用权。
主体、地点、动作顺序、镜头、画风、声音和保留内容逐项交代。
15–30 秒片段可分为 0–8 秒、8–16 秒、16–30 秒,每段只安排一个主要变化。
例如 Image1 提供外观,Video1 只参考镜头,Audio1 是歌曲,避免混淆。
每句写说话人和语言,再列环境声、音乐和重要音效。
例如保持瓶身形状、标签和颜色,或只出现一个发光球体,完成后检查。
了解片长限制、参考素材、版本和所需积分。
它是阿里视频模型,2026 年 8 月上线。支持文字、首尾帧和参考素材,生成 2–30 秒、最高 1080p 的有声视频。
输入和设置相同。Prime 更侧重速度,每秒积分更高;不赶时间时可以先用标准版检查构思。
文字;首帧和可选尾帧;或最多 3 张参考图、1 段视频和 1 段音频。参考素材生视频用 Image1、Video1、Audio1 等名称说明素材用途。
不能。参考视频时长加输出时长不能超过 30 秒,例如上传 10 秒参考视频,输出最长 20 秒;没有参考视频时可选 2–30 秒。
不能,它们属于不同模式。开场必须对应指定图片时用图生视频;需要多个人物、商品或参考视频时用参考素材生视频。
需要较长片段、1080p、原生声音、首尾帧或参考素材时选 3.0;约 5 秒、省积分的草稿或人像语音驱动可查看 2.2。
需要。按模型版本、片长和分辨率等设置计费,有参考视频时,参考片长也计入所需积分。开始前“用万相 3.0 生成视频”按钮上会显示具体数量。注册即送 100 积分;首次购买任意套餐或积分包后,这些积分会解锁并永久有效。
没有开源。2.2 采用开源许可,3.0 没有开放权重。本页提供在线调用,直接上传素材或填写提示词即可。
EzImgMaker 是独立服务,通过第三方 API 服务商提供万相 3.0 和 Prime,和阿里巴巴、阿里云或万相团队没有关联,也没有获得其背书或赞助。
请使用自己拥有或已获授权的图片、视频和音频,涉及他人肖像或声音先取得同意,不要制作误导、侵权或伤害他人的内容。
写下一个 30 秒以内的情节,或上传参考素材,再说明动作和声音。
Wan 和通义万相是阿里巴巴集团或其关联公司的商标。EzImgMaker 是独立服务,和上述公司没有关联,也没有获得其背书或赞助。