DX Builder
DX Builder
实测基准数据 · 阿里云百炼直连 API · 多模态导演指令/Wan 3.0 (DashScope) 技术参考与制作指南
打开引擎工作台

Wan 3.0 引擎手册:实测基准与提示词工程

Wan 3.0(`wan3.0-video`)是阿里巴巴旗舰级多模态视频生成模型,支持原生 1080p 渲染、完整物理动力学、原生多语言对唇对白,以及单镜头长达 30 秒的多资产参考连贯生成。以下所有性能指标均来自 DXBuilder 对百炼(DashScope)API 的直接实测。

Wan 3.0 Direct API实测基准数据原生 1080p原生对唇与音频最高支持 30s 镜头多资产参考
ALIBABAALIBABA· modelo oficial
Wan 3.0 引擎手册:实测基准与提示词工程
渲染速度33–46m (720p) · 50m (1080p)
原生分辨率480p · 720p · 1080p Native
最长单镜头时长2s to 30s continuous
支持比例16:9 · 9:16 · 1:1 · 4:3 · 3:4
多模态输入10 Img + 5 Vid + 5 Audio + Doc/Link
音频管线Native Lip-Sync + Foley SFX
商用授权Full Commercial License

1. 架构、实测规格与阿里官方公告

超长连贯单镜头(2s 至 30s)[实测数据]

单次请求可生成 2 至 30 秒的连贯长镜头,配合分镜头时间轴结构使用时,完全不会出现时空崩溃或画面崩坏。

原生多模态条件输入 [实测数据]

每次渲染任务支持同时输入最多 10 张图片、5 段视频片段(总时长≤15s)、5 条音轨(总时长≤15s),以及 1 份文档(100MB/50页以内)或 1 个网页链接。

原生对白、口型同步与环境音效 [实测数据]

精准合成用 {brackets} 标注的时间对白,经验证支持精准匹配欧式葡萄牙语及地方方言的口型对齐,并自动生成氛围拟音 SFX。

材质与品牌资产高保真还原 [实测数据]

将参考 Logo 和纹理精准贴合到动态表面(织物刺绣、霓虹招牌、燃烧余烬等),图形无明显失真或降解。

多资产参考零额外等待时间 [实测数据]

实测基准测试证实,将参考资产数量从 0 项增加至 4 项,不会增加任何额外的 GPU 渲染耗时。

阿里路线图功能 [阿里官方公布,未实测]

基于指令的视频编辑、链式时序视频延展以及实时联网搜索上下文注入等功能,在生产环境中暂未实测验证。

30s · 720P · 1 foto + logo · falas PT-PT · 10 cortes aos tempos escritos
Vídeo vertical: gerado e medido pela DXBuilder · grelha: demos oficiais Alibaba (wan.video)

2. 基准对比:Wan 3.0 vs. Seedance 2.5

生产参数Wan 3.0 (DashScope Direct)Seedance 2.5 PRO
最长单镜头时长30 秒(原生连贯)[实测数据]单次take最长30秒
原生分辨率480p · 720p · 1080p Native(无 AI 超分放大)480p · 720p(1080p/4K经Topaz放大)
音频与对白引擎原生口型同步 + 环境拟音 SFX + 方言支持 [实测数据]独立音频生成 / 后期对齐工作流
渲染时长(30s 镜头)33–46 min (720p) · 50 min (1080p) [实测数据]2–5分钟(快速管线)
多模态输入容量10 张图片 + 5 个视频 + 5 条音频 + 1 份文档/链接50张参考图片+参考视频和音频
每秒成本 (DXBuilder)7.5 cr/s (480p) · 15 cr/s (720p) · 30 cr/s (1080p)25积分/秒(480p)· 35积分/秒(720p)· 30秒最高-25%折扣

3. 导演模式与多模态输入限制

1 · 分镜头时间轴导演法(文本 + 原生音频)

Gatilho: 使用绝对时间标记与显式对白标签构建提示词:HARD CUT at Xs — [SCALE/ANGLE]: action {spoken dialogue}。

Regras: 连续叙述型提示词在 15s 内通常仅产生 0–1 次切镜;按时间标记的分镜头列表可执行 4–12 次精准切镜 [实测数据]。

"00:00-00:05 CLOSE-UP: Merchant whispers {"O porto fecha à meia-noite."} [AUDIO: wind howling]. HARD CUT at 00:05 — WIDE SHOT: Storm surges over stone pier."

2 · 多模态资产迁移(图像 / Logo / 音频锁定)

Gatilho: 上传参考图像(主体 ID、服装、Logo 标识)和音频片段,并设置明确的身份锁定指令。

Regras: 主体照片必须清晰且方向正置(EXIF 旋转会导致面部几何结构破坏)。参考资产数量(0 到 4 个)不会改变渲染时间 [实测数据]。

"Apply character facial structure from @Image1 and wardrobe jacket patch from @Image2. Subject turns 45 degrees left. Material: heavy distressed leather."

3 · 5 秒快速迭代工作流 [第三方报告]

Gatilho: 在投入完整的 30 秒 1080p 最终渲染之前,先通过 5 秒测试渲染构图、光影和镜头运动。

Regras: 在构图校准阶段可节省 80%+ 的算力预算;仅在时间节奏和资产识别锁定后,再升级至 30s/1080p 规格。

"5s Test: 35mm low-angle tracking shot, protagonist walks 30% across frame left-to-right. Verify silhouette and backlight before full sequence render."

4. 实测导演规则与提示词语法

时间硬切指令 [实测数据]HARD CUT at 04:00 — MEDIUM SHOT: Actor turns to camera | HARD CUT at 09:00 — EXTREME CLOSE-UP: Hand grips copper dial.
口型同步与对白标记 [实测数据 + AtlasCloud]Character speaks directly into lens: {"Temos apenas três minutos antes da ignição."} [AUDIO: heavy mechanical hum, no background music]
视觉锁定块 (Look Lock) [实测数据][LOOK LOCK: overcast daylight 5600K, charcoal wool overcoat, wet cobblestone environment, muted cyan color grading]
显式物理规律约束 [实测数据]Real gravitational weight, splashing water droplets with inertia, cloth drag resistance, no floating, no weightless wire-work.
反 IP 侵权负向块 [实测数据][NEGATIVE: no superhero emblems, no commercial franchise logos, no copyright costumes, no smooth slide floating motion]
画面百分比矢量定位 [第三方报告]Subject accelerates from right edge to center, occupying 40% vertical frame height, moving 35% horizontal distance per second.

5. 制作提示词蓝图

电影级多机位叙事镜头(15s — 欧式葡萄牙语对唇)

带原生对白口型同步、环境音效设计及经过验证的真实物理重力分镜场景 [实测数据]。

[LOOK LOCK: Moody neon-lit alley, wet asphalt, 35mm anamorphic, heavy rain]
00:00-00:04 MEDIUM TRACKING SHOT: Detective walks forward with heavy footsteps, rain dripping from brimmed hat.
00:04-00:09 HARD CUT — CLOSE-UP: Detective stops under amber streetlight, looks straight into lens, speaking firmly: {"Não há mais tempo para negociações. O navio já partiu do cais."}
00:09-00:15 HARD CUT — OVER-THE-SHOULDER WIDE: A black cargo boat vanishes into foggy harbor waters. Real gravitational water displacement, heavy splashes.
[AUDIO: continuous heavy rainfall, distant foghorn, crisp vocal dialogue, no background synth music]
[NEGATIVE: no floating, no weightless wire-work, no superhero emblems, no frozen locked-off camera]

品牌资产物化与动态物理效果(30s 原生 1080p)

完整的 30 秒基准测试序列,展示参考 Logo 在具有真实质量动力学的物理表面上的还原呈现 [实测数据]。

[LOOK LOCK: Blacksmith forge workshop, warm 3200K tungsten backlight, volumetric smoke and rising embers]
00:00-00:08 LOW ANGLE SLOW DOLLY IN: Blacksmith hammers glowing hot steel bar on iron anvil with heavy impact shocks.
00:08-00:16 HARD CUT — MACRO SHOT: Hammer strikes molten metal surface, embossing the DXBuilder geometric logo from @Image1 into glowing orange iron, sparking embers scattering with authentic physics.
00:16-00:24 HARD CUT — MEDIUM PROFILE: Blacksmith plunges the branded metal blade into cold water vat. Instant dense steam eruption and boiling fluid turbulence.
00:24-00:30 HARD CUT — CLOSE-UP HERO SHOT: Water drips off the engraved brand logo on dark Damascus steel, camera maintains subtle hand-held organic drift.
[AUDIO: metallic anvil strikes, roaring forge fire, loud water quenching hiss, deep room tone]
[NEGATIVE: no static frozen camera, no synthetic plastic texture, no franchise trademarks]
Wan 3.0

6. 算力计算器与生成成本分析

3s10s30s
预估总计150 créditos
在工作台中生成

7. 常见问题解答

根据我们对百炼 API 的直接实测(2026年8月),生成 30 秒 720p 视频平均耗时约 40 分钟(区间在 33–46 分钟)。30 秒 1080p 渲染约需 50 分钟(较 720p 增加约 11% 时长)。开服初期扩容后排队等待时间稳定在约 0.5 分钟。你可以随时关闭浏览器,渲染任务将在 DXBuilder 素材库中自动完成。
👑 无需提示词,零门槛

不想写提示词?亲自走进电影。

高级预设使用 Seedance 2.5 引擎——上传一张自拍,AI 导演为你拍摄三幕大片,你就是主角。时长 15 秒至 1 分 30 秒。

浏览全部高级预设
注册即送免费积分 无强制订阅 失败自动退款

探索DXBuilder的其他引擎