Wan 3.0 提示词指南：8 条实用示例

Wan 3.0 的提示词需要什么

Wan 3.0 是带原生音频的文生视频模型。只描述一张好看的画面，等于把另一半结果交给运气。有效的提示词通常只讲一个场景、一个动作，以及属于这个场景的声音。

场景要小到能放进 5 秒或 10 秒。片段不是短片：一个地点、一个主体、一个清晰的动作，通常就够了。

六段式提示词公式

提示词效果不稳定时，按这个顺序检查：

1. 主体——画面里是谁或什么。
2. 动作——推动片段的那一个运动。
3. 场景——在哪里发生，周围有什么。
4. 镜头——固定、手持、环绕、推进、跟拍。
5. 光线——时间、方向、软硬、色温。
6. 声音——环境声、音效，或刻意的安静。

不必每次都写满六项，但包含镜头与声音的提示词，通常比只堆形容词更容易得到可控的结果。

8 条可直接使用的提示词

1. 雨夜街道

雨后的狭窄城市街道，霓虹灯倒映在水洼里，一个人撑着黑伞向远处走去，缓慢的手持镜头，轻柔雨声与远处车流环境声。

2. 带环境声的产品预告

混凝土基座上的哑光黑色无线音箱，30 度缓慢环绕镜头，硬侧光，空气中有细微灰尘，低沉的环境底噪，光线扫过 logo 时有一声轻响。

3. 安静的清晨厨房

早上七点阳光照进厨房，陶瓷杯口升起热气，一只手把吐司放到盘子里，固定机位缓慢推进，窗外鸟鸣与冰箱的低频嗡鸣。

4. 雨后的森林步道

穿绿色雨衣的人沿着湿润的森林小路向前走，镜头在肩高位置从背后跟拍，树林间有薄雾，树叶滴水，脚步落在松软地面上。

5. 浓缩咖啡特写

浓缩咖啡注入玻璃杯的特写，表面油脂旋涡缓慢转动，固定机位，暖色侧光，咖啡机稳定的嘶嘶声与安静的咖啡馆背景声。

6. 黄昏的人行横道

黄昏时拥挤的人行横道，行人双向穿行，镜头固定在胸口高度，冷蓝色环境光与暖色店招，车流低鸣与信号灯提示音。

7. 黄金时刻的沙漠列车

一列货运火车穿过空旷沙漠，广角固定镜头，黄金时刻侧光，尘土在铁轨上飘动，低风声与远处列车节奏。

8. 桌面纸片定格动画

一只纸剪的小鸟在木桌上扑动翅膀，定格动画质感，俯拍固定机位，柔和台灯，纸张摩擦声与安静的房间。

如何写能被生成的声音提示

原生音频更适合处理画面里真实存在的声音。与其写完整的声音设计，不如点明两三个声源。

好的提示是具体的：雨打路面、冰箱低鸣、碎石地上的脚步、远处列车。像“史诗音乐”或“电影感声音”这样的描述太抽象，没有指向物理声源，模型能用的信息反而更少。

如果后期还要加音乐，就只要求环境声。干净的环境声底比复杂的混音更容易叠加配乐。

常见错误

把多个场景塞进一条提示词。 从厨房开始、到海滩结束的提示词，其实是两条片段。分开生成。

要求生成文字。 logo、字幕和招牌都不稳定，文字放到剪辑里加。

期待 30 秒。 Open Wan 上的 Wan 3.0 只生成 5 秒或 10 秒。用多条片段组成序列，而不是一条长镜头。

上传图片。 这里的 Wan 3.0 是文生视频。图片驱动的镜头请用 Wan 2.7。

写成小说。 过长的提示词会稀释动作。如果一句话既不影响画面，也不影响声音，就删掉。

5 秒还是 10 秒

5 秒足够完成一个手势、一次产品揭晓或一个反应。10 秒能让镜头运动展开，也给声音留出呼吸空间。

第一次测试用 5 秒。构图与运动都成立后，如果镜头需要更多时间，再用 10 秒重跑。两种时长在 Open Wan 上都是 15 积分。

常见问题

Wan 3.0 能理解镜头术语吗？

能理解固定、手持、环绕、推进、跟拍等常见说法。一次给一个清晰的镜头指令，不要同时给多个相互冲突的要求。

可以在提示词里写对白吗？

可以描述有人在说话的场景，但生成的对白不稳定。需要脚本化旁白时，单独录制再叠加到片段上。

为什么生成的声音和提示词不一致？

音频和画面一起生成，会跟随可见场景。声音不对时，把声源写得更明确：说明地面材质、房间类型，或正在发声的物体。

在哪里可以试用这些提示词？

打开 Wan 3.0 模型页查看当前参数，或从首页输入区开始，用新账户的 20 试用积分生成第一条。