Wan 3.0

Wan 3.0 是阿里雲萬相系列的影片生成模型，將文字、圖片、影片、音訊等資料放入同一創作流程，協助使用者完成較長、具備聲音的短片。當創意只有一句描述時，可以先以文字建立人物和場景；當已有品牌圖像、示範動作或參考聲音時，則能分別指定它們在新片中的作用。這種多素材協作適合廣告製作、遊戲概念、劇情片段和需要延續視覺設定的系列內容。阿里雲的官方介紹強調較長的單次生成、原生音畫、跨鏡頭一致性，以及對畫面中文字、圖表和介面元素的呈現。參考生成模式可同時接收圖片、影片與音訊，圖生入口可由起始畫面引導；文生則適合尚無素材的構想，便於依素材準備程度選擇起點。若要提高可控性，建議在提示詞中標明每份素材分別影響角色、場景、動作或音訊，並於生成後檢查敘事連續性、文字準確性與聲畫配合。