用角色设定图做 Wan 3.0 角色一致性视频
Wan 3.0(万相 3.0)是阿里巴巴最新一代的万相视频模型。在参考图模式下,它会让角色的五官、发型、体型、服装和配饰贴近你上传的图片,一次最多生成 30 秒。本页说明设定包里哪些图要上传、按什么顺序,为什么首帧和角色参考图不能放在同一个请求里,30 秒一镜到底与分镜图的提示词模板,怎样做超过 30 秒的视频,以及每条的费用。
我们还没有用 Wan 3.0 做过案例。本页按阿里云公开的 API 参考、提示词指南和价格整理;本站的案例是用 Kling 3.0 做的。
Wan 3.0(官方限制)
核对日期:2026-11-22- 阿里云博客于 2026 年 8 月 13 日发布,在阿里云百炼(Model Studio)上提供,模型名 wan3.0-video(标准版)和 wan3.0-video-prime。API 参考目前仍标注为预览版。
- 每次生成 2 到 30 秒,30 fps(默认 5 秒,设为 -1 时由模型决定时长)。输出 480P、720P 或 1080P(默认 1080P);画面比例 adaptive(默认)、21:9、16:9、4:3、1:1、3:4 或 9:16。默认带音频,开关音频不影响价格。
- 参考图模式:最多 10 张参考图、5 段参考视频和 5 段参考音频(视频、音频各自总长不超过 15 秒),另可加 1 个文档或网页链接。图片支持 JPEG、不带透明通道的 PNG、BMP、WEBP,每边 240 到 8000 像素,宽高比不超过 8:1,不超过 20 MB。
- 提示词里按上传顺序称为 Image 1、Image 2……;视频和音频单独编号(Video 1、Audio 1)。两张及以上图片时必须写编号。
- 首帧(以及首尾帧)模式和参考图模式互斥。同时传 first_frame 和参考图的请求会失败,首帧模式也不接受其他输入。
- 百炼价格(新加坡,国际站):480P 每秒 0.05 美元,720P 0.10 美元,1080P 0.20 美元;全球部署地域为 0.041256、0.082513 和 0.165025 美元。输入视频的秒数也计费,输入加输出不得超过 30 秒。
- wan3.0-video-prime 能力相同、价格更高:新加坡 480P 每秒 0.068 美元、720P 0.14 美元、1080P 0.28 美元。资源紧张时部分任务会按标准版速率运行,并按标准版价格计费。
资料来源: Alibaba Cloud: Wan3.0, 30-second AI video generation from any input · Alibaba Cloud Model Studio: Wan3.0 video generation API reference · Alibaba Cloud Model Studio: wan3.0-video model information and pricing · Alibaba Cloud Model Studio: wan3.0 video generation prompt guide · Alibaba Cloud Model Studio: wan3.0-video-prime model information and pricing
五步:从三视图到 Wan 3.0 视频
- 准备角色设定图:从角色库下载设定包或领取免费角色。每个包都有分开的正面、侧面、背面,以及全身、服装、道具和场景图。
- 为这个镜头选模式。参考图模式用多张视角图锁住角色身份;首帧模式锁定开场画面,但不能再放其他图。
- 参考图模式下,按下面的顺序上传,并给每张图只分配一个用途(“Image 2 是她的侧脸”)。阿里云指南要求写清每个素材的用途,避免不同主体的特征串在一起。
- 把动作写成带时间戳的编号镜头,每段 2 到 5 秒、首尾相接,再列出不能变的东西(“不换装、不变比例”)。
- 先用 480P 试(15 秒约 0.75 美元),效果好就记下 seed,再用同一提示词出 720P 或 1080P。
上传哪些视角、按什么顺序
七张图覆盖一个角色、服装、产品和场景,10 个图片位置还剩 3 个,可放第二个角色或细节特写。每个镜头保持同样的顺序,Image 编号就不会变。
- Image 1
02_turnaround_views/view_front.png脸和服装正面 - Image 2
02_turnaround_views/view_side.png侧脸和侧面发型 - Image 3
02_turnaround_views/view_back.png背面发型和服装 - Image 4
01_character_reference/full_body.png身高和比例 - Image 5
03_outfits/outfit_work.png职业服装 - Image 6
04_props/prop_role.png商品或工具 - Image 7
05_scenes/scene_workspace.png场景
阿里云文档没有说整张多视角设定图比分开的视角图好还是差。分开上传可以让提示词按编号指向每个视角,指南里的示例也是这样写的,所以我们默认用分开的文件。
为什么三张分开的视角比一张好角度更稳
单张图片——哪怕是精心挑选的 3/4 侧面——也只展示了角色的一部分。角色一转身,模型就只能自己猜侧脸和背面,脸、发型和服装往往就是从这里开始跑偏。把正面、侧面、背面作为三张独立参考图上传,并按官方指南的建议,在提示词里给每张图只指定一个用途。如果你还有 3/4 视角图,把它作为额外参考加进去,而不是只用它一张。
每张图只保留一张脸:把表情格从设定图里裁掉,并在每个镜头的提示词里原样粘贴同一段锁定的外貌描述。
设定图加首帧:只能选一种模式
Seedance 2.5 可以把首帧当作多一张参考图放进去,Wan 3.0 不行:同时传 first_frame 和参考图会报错。两种办法:一是用参考图模式,在 Shot 1 里描述开场构图;想让它大致照着来,可以把包里的开场图当作多一张参考(“Image 8 是开场构图”)。这是我们的建议,不是官方模式。二是用首帧模式,选一张已经清楚画出角色的开场图,但这样就用不上其他视角图,角色转到背面时由模型自己补。
提示词模板:30 秒一镜到底
阿里云发布文章说,30 秒的长度可以容纳连续运镜和一镜到底。让角色在镜头里至少转一次身,同时把侧面和背面图放进请求,模型画到每个角度时都有参考。
A 30-second, 16:9 one-take short about [Name], [one-line story]. Image 1, Image 2 and Image 3 are the only references for [Name]: front, side and back of the same character. Image 4 sets her height and proportions. Image 5 is her outfit, Image 6 is the [product] she holds, Image 7 is the location. Use the references for appearance only, not for pose, background or lighting. Shot 1 [0-5s]: [opening action] Shot 2 [5-12s]: [movement + camera] Shot 3 [12-20s]: [main action, she turns so her side and back are seen] Shot 4 [20-26s]: [reaction or detail] Shot 5 [26-30s]: [closing pose] One continuous shot, no cuts. Style: [art style]. Keep her face, hairstyle, hair color, body shape, outfit and accessories identical throughout. No costume changes, no scale drift, no extra people, no subtitles, no watermark.
有 X 上的创作者分享了用一张角色图做出的 30 秒日式 2D 动画,角色很贴近参考图。这是创作者的反馈,我们没有复现。做动漫风时,在提示词里写一次风格,并在负面清单里排除其他风格,例如“不要写实真人、不要 3D 渲染”。
设定图加分镜图
Wan 3.0 也能把多宫格分镜图当作剧情大纲。阿里云指南要求先声明分镜只作镜头参考,避免把整张宫格当成一张画面去动,然后按顺序描述每一格。角色视角图放在前面,分镜图放在后面。
Use Image 4 only as shot guidance; do not generate the video from the storyboard as a single image. Image 1, Image 2 and Image 3 are the front, side and back of [Name]; take her appearance only from them. Panel 1 [0-4s]: [shot size, camera, what Name does] Panel 2 [4-9s]: [..] Panel 3 [9-15s]: [..] Keep [Name] identical in every panel. Style: [art style], 16:9. No subtitles, no [unwanted style].
超过 30 秒
延长会把输入片段算进去:输入加输出必须在 30 秒以内,输入的秒数也计费。所以要延长较短的片段,例如 15 秒再加 15 秒,而不是在 30 秒的片段上接。提示词里写“延长”和方向,重复角色的固定特征,并再次附上同样的角色图;指南建议 duration 设为 -1,或设为两段时长之和。更长的片子,分成多个镜头,共用同一组图片、同样的顺序和同一句身份描述。
Extend Video 1 backward by 15s. [Name] is [fixed traits: face, hair, outfit, accessories], exactly as in Image 1, Image 2 and Image 3. Starting from the last frame, [new action and camera]. Keep the location, lighting and style of Video 1. No costume changes, no extra people.
在 API 上试一次要多少钱
按百炼新加坡(国际站)价格计算,全球部署地域约便宜 18%。
- 480P 试 15 秒:0.75 美元
- 720P 15 秒:1.50 美元
- 720P 30 秒:3.00 美元
- 1080P 30 秒:6.00 美元
参考图没有单独列出收费。把 15 秒的片段再延长 15 秒,按 30 秒计费,因为输入片段也算在内。
Wan 3.0、Seedance 2.5 还是 Kling 4.0
三个模型都能接收分开的正面、侧面、背面图,单条最长都是 30 秒。Wan 3.0 最多 10 张参考图,不能和首帧一起用,720P 每秒 0.10 美元。Seedance 2.5 最多 30 张图,可以把首帧当作多一张参考,它的教程列出 720p 无输入视频时每秒 0.231 美元。Kling 4.0 Omni Reference 同样是 10 张图。按镜头需要几张参考、是否必须锁定首帧来选,同一个设定包的文件都能直接复用。
常见问题
- Wan 3.0 能同时用首帧和角色参考图吗?
- 不能。API 参考说明两种模式互斥,同时传会报错。可以用参考图模式并在提示词里描述开场,或用首帧模式、选一张已经画出角色的开场图。
- Wan 3.0 能放几张角色图?
- 每次请求最多 10 张参考图,按上传顺序编号为 Image 1 到 Image 10。正面、侧面、背面、全身、服装、道具、场景共七张,还剩三张。
- Wan 3.0 能做同一个角色的 30 秒连续镜头吗?
- 一次最多可以生成 30 秒。写上“一镜到底,不切镜”,按 2 到 5 秒一段写分镜时间,并把侧面和背面图留在请求里,角色转身时模型就不用自己编这些角度。
- 视频到一半,服装或角色大小变了。
- 除了图片,也用文字重复固定特征,并加上阿里云指南里的一致性负面词:“不换装、不变比例、不改变角色位置”。每段动作少一点、慢一点也有帮助。
- Wan 3.0 能用动漫或 2D 角色吗?
- 阿里云指南把虚拟角色列为可用的主体参考。在提示词里写一次风格,并在负面清单里排除不要的风格。有创作者发过 2D 动漫的效果,但我们没有测试过。
- Wan 3.0 能把我的角色放进一段已有的视频吗?
- 可以,走视频编辑:把原视频作为参考视频(1–15 秒)传入,加上角色各视角的参考图,在提示词里写清换谁、保留什么。输入视频的秒数也计费。阿里云还有专门换人的 Wan2.2 Animate Mix,只要一张角色图和最长 30 秒的视频。我们的视频换人指南对比了两者。
先用免费角色试一试
每个角色的 19 张图完整素材包都免费:8 个入门角色不用注册,其余注册免费账号即可下载。9 支案例广告用的都只是包里的图。
查看免费角色