Wan 3.0 对比 Wan 2.7：该选哪个模型？

先说结论

需要声音的镜头，优先选 Wan 3.0。它在生成画面的同时生成环境声与音效，第一次导出就带有声音。需要从图片开始、控制首尾帧，或输出 1080p，优先选 Wan 2.7。

在 Open Wan 上，两个模型每次生成都是 15 积分。真正的区别在输入与输出，而不在价格。

两个模型的差异

| | Wan 3.0 | Wan 2.7 | | --- | --- | --- | | 输入 | 文生视频 | 文生与图生视频 | | 原生音频 | 支持 | 不是本站的原生音频选项 | | 分辨率 | 480p | 720p、1080p | | 片段时长 | 5 秒、10 秒 | 5 秒、10 秒、15 秒 | | 每次积分 | 15 | 15 | | 适合 | 音频优先的草稿、社交短片 | 图片驱动、首尾帧控制、更高分辨率 |

这张表描述的是两个模型在 Open Wan 内的运行方式，其他平台可能提供不同参数。

什么时候选 Wan 3.0

需要环境声的场景

没有车流声的街道、没有室内底噪的产品特写，看起来会像未完成。Wan 3.0 把声音和画面放在同一次生成里，省去单独找环境声的步骤，也让剪辑有一个自然的起点。

对 5 秒和 10 秒的社交短片来说，这一点尤其重要：没有足够时间铺陈地点，声音必须和第一个画面一起出现。

快速验证想法

只需要一句提示词，不必先有分镜或参考图。写清场景，生成 5 秒，先判断这个概念是否成立。成立就继续，不成立也只花了 15 积分，而不是一个拍摄日。

还不存在的镜头

风暴中的天际线、走廊里的生物、正在变化的房间，这些画面还没有静态参考图。Wan 3.0 从文字开始，适合做这类探索。

什么时候选 Wan 2.7

让静态图动起来

如果已经有产品图、角色插画或上一支片子的画面，Wan 2.7 可以直接把它作为首帧。首帧固定了构图与主体，输出会更接近你已经确认过的图片。

首帧与尾帧控制

Wan 2.7 同时接受首帧和尾帧。需要落到特定构图时，这种控制很有用，例如转场、产品揭晓，或必须与下一段剪辑对齐的镜头。

更高分辨率与更长片段

Wan 2.7 输出 720p 或 1080p，支持 5 秒、10 秒与 15 秒。片段要交付客户或放到更大的屏幕上时，这些余量很重要。Open Wan 上的 Wan 3.0 则是 480p、5 秒或 10 秒。

积分成本相同

无论选 5 秒还是 15 秒，两个模型都是每次 15 积分。一段 5 秒的 Wan 3.0 和一段 15 秒的 Wan 2.7 成本一样。所以不必在价格上纠结，按镜头需要选模型即可。

积分包是一次性购买。最小的 999 积分包可以生成 66 次（每次 15 积分）。完整价格见定价页。

一套同时使用两个模型的流程

一个实际可用的工作流：

1. 用一句话描述镜头，先用 Wan 3.0 生成 5 秒草稿，听环境声是否支撑场景。
2. 如果想法成立，但需要精确构图，就把关键帧做成图片，交给 Wan 2.7 做图生视频。
3. 片段必须和前后剪辑对齐时，使用 Wan 2.7 的首尾帧控制。
4. Wan 3.0 生成的声音可以当作临时音轨，也可以在剪辑软件里替换。

这样，快速探索交给 Wan 3.0，对构图和分辨率要求高的部分交给 Wan 2.7。

常见问题

Wan 3.0 支持图片输入吗？

在 Open Wan 上不支持。这里的 Wan 3.0 是文生视频。需要让静态图动起来或控制首尾帧，请使用 Wan 2.7。

Wan 3.0 的音频可以替换吗？

可以。下载 MP4 后，在剪辑软件里替换或叠加声音。原生音频是起点，不是限制。

产品镜头应该用 Wan 2.7 吗？

取决于素材来源。已有产品图、需要让它动起来，Wan 2.7 更直接。从零描述场景、希望同时得到环境声，Wan 3.0 更快。

新手先用哪个？

从写提示词开始，先用 Wan 3.0；已经有图片，先用 Wan 2.7。两个模型都可以从 Wan 3.0 模型页进入，文本写法可以参考提示词指南。