Wan 3.0
通义万相新一代全能视频生成模型，已接入 a2e。单段原生 30 秒直出， 文生、图生、首尾帧、参考生四种模式一站搞定，最高支持 20 个素材参考， 文档与网页也能直接变成视频。
用这个模型做出来的东西
以下片段全部出自万相官方演示，用来判断画面能到什么水准。
核心能力
以下五条与其中的数字均取自万相官方说明，配图片段也出自官方演示；在 a2e 上的实际表现以你生成的结果为准。
全能创作：一次最多喂 20 个素材
最高支持 20 个素材参考生成，并且支持复杂文档和网页解析——doc、xls、ppt、pdf、md 都能直接作为参考输入。这意味着一份产品文档、一页竞品网页，可以不经改写就变成视频的内容来源。
原生 30 秒，不是拼出来的
单段原生 30 秒直出，叙事能力更完整、创作自由度更大，另有智能时长功能可按提示词自动推荐合适长度。一条里就装得下完整的情绪起伏与剧情推进，连续运镜、一镜到底这类镜头语言才有空间展开。
像素级一致性，面向交付而不是试玩
精准还原和复刻参考细节，面向生产力场景提升交付确定性。角色、道具、声音、空间关系、风格这些细粒度维度都能稳定保持——同一个人物跨镜头不会走样，这正是能不能拿去交付的分水岭。
画面与声音一起做
真实感、画面质感、音效全面提升，创造更强的视听冲击力。生成时可以直接开启「生成音频」，画面与声音一次出——不用先出片再配音，也就少一道对轨的活。
精准视频编辑，改一处不重出整段
视频编辑更加精准，支持指令编辑与参考编辑两种方式，提升创作效率。想改画面、剧情还是台词，说清楚要改哪里即可，不必把整段重新生成一遍。
先选模式，再谈参数
a2e 上的 Wan 3.0 开放了四种模式。选哪种，决定了你要准备什么素材、以及哪些参数会被素材锁死。
文生视频
只写提示词，不上传任何素材。描述场景、人物动作、镜头运动与氛围，模型直接出片。适合从零起稿、快速试路子。
图生视频（首帧生成）
上传一张图片作为视频首帧，AI 根据提示词生成后续画面。支持上传音频以生成带声音的视频。手上已有一张定妆图、一张产品图时，这是最省事的一条路。
首尾帧生视频
分别上传首帧和尾帧图片，AI 会自动补全从首帧到尾帧的过渡动画，可通过交换按钮快速切换首尾帧。表情变化、姿态变换、场景转换这类需要精确控制起止画面的镜头，用它最稳。
参考生视频
可上传多张参考图片、视频或音频，也可提供文档／网页参考，Wan 3.0 会结合这些素材引导生成。参考视频总时长需控制在 15 秒内，系统会调整输出时长，使输入与输出合计不超过 30 秒。
三步就能出第一条
下面是 a2e 上的实际操作顺序，不需要额外开通任何东西。
选择任务类型
用单张图片、首尾帧，还是多模态参考素材来引导视频生成，先定下来。四种模式的差别见上一节。
上传素材与编写提示词
根据所选模式上传对应素材，包括图片、视频、音频，或文档／网页参考，并描述想要的动作、镜头运动和氛围。提示词上限 5000 字符，写得越具体越好。
配置参数并生成
选择视频时长、分辨率等参数，点击「生成视频」开始创作。结果会进「我的结果」，可以继续拿去做超分辨、去字幕等后处理。
能调什么
以下是 a2e 上 Wan 3.0 实际开放的参数，用来判断它够不够你的交付要求。
时长与分辨率
时长：3 秒 / 5 秒 / 10 秒 / 15 秒 / 30 秒，默认 5 秒。参考生视频模式会根据上传的参考视频时长动态调整可选范围。
分辨率：480P / 720P / 1080P。分辨率越高画质越清晰，所需点数也越多——先用低分辨率试路子、定稿再出高清，是最省的用法。
输入素材的限制
图片：jpg / png，单张不超过 20MB，宽度和高度均需在 240–7680 像素之间。
提示词：上限 5000 字符。另有负面提示词用来排除不想要的东西（如「模糊、低质量、畸形」），以及提示词扩展——开启后 AI 会自动扩展和丰富你的描述。
其他开关
生成音频：默认开启，可关。生成数量：一次可出多条。随机种子：仅限 Ultra 用户，用来复现同一个结果。
四条能少走弯路的经验
选择高质量素材
使用高清、构图清晰的图片或视频能获得更好的效果，避免模糊或低分辨率的素材。输入的质量上限就是输出的质量上限，这一条比调参数管用。
描述具体动作
提示词中包含具体的动作描述，如「缓慢行走」「轻轻点头」，能获得更精准的效果。笼统的形容词（「很有感觉」）模型接不住。
善用首尾帧模式
首尾帧模式非常适合制作表情变化、姿态变换、场景转换等需要精确控制起止画面的视频。知道要从哪儿到哪儿的时候，别用文生视频去碰运气。
规划参考时长
参考生成视频时，参考视频总时长需控制在 15 秒内；系统会调整输出时长，使输入与输出合计不超过 30 秒。参考素材越长，能留给输出的就越短，动手前先算这笔账。
文档与入口
要做集成看开发者文档，想直接用就从下面进。
