Wan 3.0
阿里巴巴的电影感视频模型，带声音，在 NeverNo 工作室里文生视频评分最高，计算较慢，你的姓名和 IP 不会传到对方那里。
更新于 2026年11月9日
黄昏时分，一头座头鲸滑过金色的云层，下方是一座 1950 年代的海滨小镇
一览
| 开发方 | Alibaba |
|---|---|
| 在应用中的强项 | 电影感, 声音 |
| 竞技场 Elo（Artificial Analysis） | 1,172 |
| 常见等待时间 | 约 144 秒 |
| 谁可以使用 | 付费套餐 |
| 如何计费 | 从首次使用起按积分计费 |
| 隐私 | 匿名：NeverNo 把请求发给开发方时，不带你的姓名、账户和 IP 地址。开发方仍会读到文本，执行自己的规则，并可能按其政策保留一段时间。 |
价格
应用的实际收费，取自服务器计费所用的同一张表。1 积分 = $0.01。
| 5 秒片段 | 126 积分（US$1.26） |
|---|---|
| 10 秒片段 | 252 积分（US$2.52） |
简介
Wan 3.0 是阿里巴巴的视频模型，在 NeverNo 视频工作室里随付费套餐提供，用积分付费。它根据描述，或根据起始图片加可选的结束图片，生成带声音的 5 秒或 10 秒片段，比例为 16:9 或竖版 9:16，分辨率 1280×720 像素。工作室给它打上“电影感”和“带声音”标签。我们加入它的时候，它位居 Artificial Analysis 文生视频竞技场第一。
在这个竞技场上（2026 年 11 月 7 日读取），Wan 3.0 文生视频的 Elo 为 1172，是我们目录里所有视频模型中最高的，领先 Seedance 2.5（1155）、HeyGen Video 1（1152）、MiniMax H3 Max（1145）和 P-Video 2 Pro（1128）。图生视频是 1109，低于 Seedance 2.5（1158）和 HeyGen Video 1（1123）：让静态图片动起来，它不是第一选择。结论很简单：用文字描述的场景选 Wan 3.0，从图片出发的场景选 Seedance 2.5。
这个评分要用时间来换。一段 5 秒的片段通常需要约 144 秒，数据来自我们的视频服务商 Runware，而 P-Video 2 Pro 需要16秒，HeyGen Video 1 需要33秒，Seedance 2.5 约需176秒。工作室的自动模式会考虑这一点：慢速模型留给设为“最高画质”的请求，否则更倾向于一分钟左右就能完成的片段。如果你想为普通请求用 Wan 3.0，请自己选择。
它是匿名的。NeverNo 向阿里巴巴发送请求时，不带你的姓名、账户或 IP 地址；但阿里巴巴仍会读到指令，有自己的底线，并拒绝它不接受的请求。完成的片段保存在你的浏览器里，而不是我们的服务器上。明智的做法是用上整个目录。先用 P-Video 2 Pro 或 MiniMax H3 Max 探索，它们远不到一分钟就能回应，先把文字、镜头和声音景观定下来，只有想要竞技场上文生视频最好的结果时，才进入 Wan 3.0 的渲染。把等待时间算进预算：启动渲染，去做别的事，然后回来看。少而准备充分的尝试，比许多仓促的尝试能得到更好的影片。电影专业的学生、企划书的撰写者和游戏工作室，可以把最终渲染当作动态的情绪板，传阅一段能传达基调、天气和节奏的片段，远胜过一段文字描述。把每条指令写在结果旁边，这样某次渲染终于成功时，你就能确切知道是哪个说法起了作用。在整个片段的时长里，比较阴影、布料、水和背景的运动，因为较长的渲染值得在确定最终剪辑之前仔细看第二遍。云雾缭绕的山峦、熙攘的港口、灯会和沙漠驼队，都值得这份额外的耐心。
优势
工作室里最高的文生视频 Elo：1172（Artificial Analysis，2026 年 11 月 7 日读取）。
电影感的画面，配乐与画面同时生成。
起始图片和可选的结束图片，可以固定镜头的两端。
720p，支持 16:9 和 9:16，片段为 5 秒或 10 秒。
局限
一段 5 秒的片段约 144 秒，而 P-Video 2 Pro 约16秒：连续试验会比较耗时。
图生视频的 Elo 是 1109，低于 Seedance 2.5（1158）和 HeyGen Video 1（1123）。
没有“图中文字”标签：和 P-Video 2 Pro 或 MiniMax H3 Max 不同，招牌和标题可能出错。
是匿名而不是私密，视频需要付费套餐，用积分付费。
适用场景
写好的镜头的最终渲染
先用 P-Video 2 Pro 这样的快速模型把想法定下来，再把写好的指令交给 Wan 3.0，得到你要保留的那个版本：带环境声的电影感开场镜头，可用于影片、预告片或演示。
有声音的情绪板
湖面上的薄雾、黄昏的市集、雨后的街道：描述地点和你期望的声音，就能得到画面和氛围合为一体的片段。
两张图片之间的过渡
给它一张起始图片和一张结束图片，比如一颗种子和整株植物，或者同一个广场的白天与夜晚，让模型生成两者之间的过渡。
提示词技巧
像写拍摄脚本一样写：主体、镜头、光线、声音。每项一行就够了，Wan 3.0 能很好地遵循这种结构。
每次尝试约需 144 秒：草稿请用更快的模型来做，只把定下来的指令带给 Wan 3.0。
避免在画面里放文字，或之后再加标题：这个模型没有“图中文字”标签。
常见问题
Wan 3.0 是 NeverNo 最好的视频模型吗？
文生视频方面，它拥有工作室里最高的竞技场 Elo：1172，2026 年 11 月 7 日读取。图生视频方面，Seedance 2.5 更好（1158 对 1109）。
一个片段需要多久？
一段 5 秒的片段约 144 秒，数据来自我们的视频服务商 Runware。
Wan 3.0 有声音吗？
有。工作室给它打了“带声音”标签，配乐与画面一起送达。
它是私密的吗？
它是匿名的：NeverNo 发送请求时不带你的姓名、账户或 IP 地址，但阿里巴巴会读到指令并应用它的规则。片段保存在你的浏览器里。
可以使用起始和结束图片吗？
可以。Wan 3.0 接受起始图片和可选的结束图片，16:9 或 9:16 都可以。