Wan 3.0: как создавать видео со звуком — гайд, промпты и референсы

Wan 3.0 — модель генерации видео от Alibaba Cloud. Она умеет создавать ролики по текстовому описанию, работать с изображениями, видео и аудиореференсами, а также генерировать звуковое сопровождение.

У нас модель доступна с разрешением до 1080p и длительностью роликов от 2 до 30 секунд. Можно создавать видео с нуля или использовать свои материалы, чтобы точнее передать внешность персонажа, вид предмета, движение камеры и атмосферу сцены.

В этом гайде разберёмся, как пользоваться Wan 3.0, научимся составлять промпты, работать с референсами и рассчитывать стоимость генерации. А ещё поделимся готовыми примерами, которые можно сразу попробовать в Braily.

# Создаём первое видео в Wan 3.0

Начнём с простого примера — десятисекундного ролика с чашкой кофе на фоне дождливого окна.

Для первой генерации лучше выбрать сцену без сложных движений и большого количества объектов. Так будет проще оценить, как модель справляется с камерой, освещением и звуком.

Что нужно сделать:

1. Перейдите в генератор видео Braily и выберите модель Wan 3.0.
2. Установите длительность 10 секунд, разрешение 720p и формат 16:9.
3. Включите генерацию аудио, чтобы видео получилось со звуком.
4. Скопируйте промпт ниже в поле генерации.
5. Проверьте стоимость и нажмите кнопку генерации.

В промпте мы описали не только саму сцену, но и то, как она должна выглядеть в движении: камера медленно приближается к чашке, от кофе поднимается пар, а на фоне слышен дождь.

Обратите внимание, что мы не просим модель одновременно вращать камеру, менять ракурс и перемещать предметы. Для такого ролика достаточно одного плавного движения.

После генерации посмотрите, насколько естественно движется камера, не меняется ли форма чашки и соответствует ли звук происходящему.

Если результат вам понравился, попробуйте изменить освещение, ракурс или движение камеры и сравните получившиеся варианты.

# Как писать промпты для Wan 3.0

Хороший промпт для генерации видео — это небольшое описание будущей сцены. В нём важно объяснить модели, что происходит в кадре, как движется камера и какой результат вы хотите получить.

Например, запрос «красивая девушка идёт по улице, кинематографично» оставляет слишком много свободы для интерпретации.

Гораздо полезнее уточнить, где находится девушка, как она выглядит, куда идёт, с какого ракурса мы её видим и какое освещение должно быть в сцене.

# Из чего состоит хороший промпт

При составлении запроса можно ориентироваться на такую структуру:

1. Сцена. Где происходит действие и что находится в кадре.
2. Главный объект. Человек, предмет или другой основной элемент видео.
3. Действие. Что происходит и как меняется сцена.
4. Камера. Ракурс, крупность плана и движение.
5. Визуальный стиль. Освещение, цвета, атмосфера.
6. Звук. Окружающие шумы, музыка, диалоги или звуковые эффекты.
7. Финал. Чем должен закончиться ролик.

Необязательно каждый раз расписывать все семь пунктов. Для простых сцен достаточно нескольких предложений.

Главное — избегать противоречивых указаний. Например, не стоит просить показать крупный план лица, общий план комнаты и полный облёт персонажа в одном непрерывном кадре длительностью пять секунд.

Чем понятнее задача, тем проще модели передать задумку.

# Пример промпта для вертикального видео

Допустим, нам нужен атмосферный ролик для Reels, Shorts или TikTok: красный велосипед у цветочного магазина ранним утром.

Настройки: 10 секунд, 720p, 9:16, со звуком.

Здесь мы используем простую композицию: велосипед остаётся на месте, а камера плавно смещается в сторону, постепенно открывая вид на магазин.

Для вертикальных видео особенно важно следить за композицией. Если собираетесь добавлять заголовки, субтитры или другие элементы интерфейса, лучше заранее оставить для них свободное место.

Сам текст удобнее накладывать уже при монтаже. Так его можно будет изменить, не создавая видео заново.

# Как работать с референсами в Wan 3.0

Одна из интересных возможностей Wan 3.0 — работа сразу с несколькими типами референсов.

Вы можете загрузить фотографии, видеоролики и аудиофайлы, а затем объяснить модели, какие элементы из них нужно использовать при генерации.

Например, можно взять фотографию товара, добавить видео с красивым движением камеры и попросить Wan 3.0 создать рекламный ролик, сохранив внешний вид товара.

Или загрузить изображение персонажа, чтобы использовать его внешность в новой сцене.

# Какие референсы поддерживаются

В Braily для Wan 3.0 можно загрузить:

Каждому загруженному файлу присваивается обозначение, которое можно использовать в промпте:

• @image1, @image2 — изображения;
• @video1, @video2 — видео;
• @audio1, @audio2 — аудиофайлы.

Нумерация начинается с единицы отдельно для каждого типа файлов.

Благодаря этим обозначениям можно указать модели, какой референс за что отвечает.

Например:

Use @image1 for the character's appearance and @video1 for the camera movement.

Это означает: использовать первое изображение как референс внешности персонажа, а первое видео — как пример движения камеры.

Важно понимать, что референс не гарантирует идеального переноса всех деталей. Он помогает модели ориентироваться на исходный материал, но результат всё равно стоит проверять.

# Пример: создаём рекламное видео товара

Представим, что у вас есть фотография флакона парфюма и короткое видео с понравившимся движением камеры.

Вы хотите получить новый рекламный ролик: флакон стоит на каменном постаменте, камера плавно движется сбоку, а освещение подчёркивает форму и материал упаковки.

Для этого:

1. Загрузите фотографию флакона как @image1.
2. Добавьте пятсекундное видео с движением камеры как @video1.
3. Выберите длительность результата 10 секунд и разрешение 720p.
4. Используйте следующий промпт.

Обратите внимание на фразу:

Use @video1 only as a reference for the slow camera movement; do not copy its background or objects.

Мы прямо указываем модели, что из видео нужно перенести только движение камеры, а не фон или предметы.

Это полезный приём при работе с несколькими референсами: чем точнее вы объясните назначение каждого файла, тем меньше неоднозначности останется в запросе.

При этом изображение в режиме референсов не обязательно становится первым кадром ролика. Если вам нужно именно оживить фотографию, рекомендуем прочитать наш гайд по созданию видео из фото.

# Ограничения при работе с видео и аудио

У Wan 3.0 есть несколько ограничений, которые важно учитывать при загрузке референсов.

Для видео:

• Длительность одного файла — от 1 до 15 секунд.
• Общая длительность всех загруженных видео — не более 15 секунд.
• Сумма длительностей входных видео и готового ролика — не более 30 секунд.

Для аудио:

• Длительность одного файла — от 1 до 15 секунд.
• Общая длительность аудиореференсов — не более 15 секунд.

Например, если вы загрузили видео длительностью 12 секунд, итоговый ролик может длиться максимум 18 секунд.

А если хотите создать полноценное 30-секундное видео, входные видеореференсы использовать уже не получится.

# Сколько стоит генерация видео в Wan 3.0

Стоимость Wan 3.0 в Braily зависит от двух параметров: разрешения и длительности видео.

Чем выше разрешение и длиннее ролик, тем больше токенов потребуется для генерации.

По тарифам на 27 октября 2026 года стоимость следующая:

Важный момент: при использовании видеореференсов учитывается не только длительность готового ролика, но и длительность загруженных видео.

Формула расчёта:

Стоимость = ставка за секунду × (длительность результата + длительность входных видео)

Допустим, вы хотите создать десятисекундный ролик в 720p и загружаете два видеореференса по три секунды.

Получится:

28 × (10 + 3 + 3) = 448 токенов.

Изображения и аудиореференсы дополнительных секунд к этому расчёту не добавляют.

Актуальная стоимость всегда отображается в форме генерации Braily, поэтому необязательно считать токены вручную.

Если вы только экспериментируете с идеей, можно сначала сделать короткую генерацию в 480p, а уже после перейти к более высокому разрешению. Учитывайте, что каждый новый запуск создаёт отдельный результат, который может отличаться от предыдущего.

Подробнее об этом мы рассказывали в статье о стоимости AI-генераций.

# Создаём 30-секундное видео в Wan 3.0

Десятисекундного ролика достаточно для простой сцены, но иногда хочется рассказать небольшую историю.

Wan 3.0 позволяет создавать видео длительностью до 30 секунд. Это даёт больше пространства для развития действия, смены планов и постепенного изменения атмосферы.

Однако с увеличением длительности становится важнее продумывать последовательность событий.

Вместо одного общего описания попробуйте разделить будущий ролик на несколько временных отрезков.

# Пример: атмосферная сцена с фонарём

Создадим короткое видео о саде в сумерках. На деревянном столе стоит старинный фонарь, который постепенно загорается и освещает пространство вокруг.

Настройки: 30 секунд, 720p, 16:9, генерация аудио включена. Без входного видео.

Здесь мы разбили ролик на пять частей. Сначала зритель видит общий план сада, затем камера приближается к фонарю, появляется свет, а в финале мы снова возвращаемся к общему плану.

Так у видео появляется простая история с началом, развитием и завершением.

Временные отметки помогают объяснить модели последовательность событий, но не стоит воспринимать их как покадровую инструкцию. Переходы могут происходить немного раньше или позже.

Если вам нужна точная синхронизация кадров с музыкой или конкретными моментами, удобнее довести результат в видеоредакторе.

По текущим тарифам Braily такой 30-секундный ролик в 720p обойдётся в 840 токенов.

# Как улучшить результат генерации

Даже подробный промпт не гарантирует, что видео получится именно таким, как вы задумали, с первого раза.

Иногда камера движется не в ту сторону, предмет меняет форму, а модель добавляет лишние элементы или неожиданно меняет композицию.

Вот несколько распространённых проблем и способов их исправить.

Необязательно каждый раз переписывать промпт целиком.

Если проблема только в движении камеры, начните с изменения соответствующего предложения. Если не нравится освещение — уточните свет, не трогая остальные параметры.

Так проще понять, какие изменения действительно помогают получить нужный результат.

Больше полезных приёмов можно найти в нашем гайде по промптам для AI-видео.

# Частые вопросы о Wan 3.0

# Можно ли создавать видео со звуком?

Да. Wan 3.0 поддерживает генерацию аудио вместе с видео.

Можно описать звуки окружающей среды, музыку, речь или отдельные звуковые эффекты прямо в промпте.

Например:

Audio: gentle rain, distant thunder, footsteps on wet pavement. No music.

В результате модель попытается создать подходящее звуковое сопровождение. Если важны точные реплики или синхронизация речи с движением губ, обязательно проверяйте итоговый ролик.

# Какой максимальной длительности можно создать видео?

В Braily доступна генерация роликов от 2 до 30 секунд.

Если используете входные видео, действует дополнительное ограничение: общая длительность загруженных видеореференсов и готового ролика не должна превышать 30 секунд.

# Сколько стоят 10 секунд в Wan 3.0?

По тарифам Braily на 27 октября 2026 года:

• 480p — 140 токенов;
• 720p — 280 токенов;
• 1080p — 560 токенов.

Это стоимость десятисекундного ролика без входных видеореференсов. Если добавляете видео, его длительность тоже учитывается при расчёте.

# Обязательно ли загружать изображения или видео?

Нет. Wan 3.0 умеет создавать ролики только по текстовому описанию.

Референсы пригодятся, если нужно сохранить внешность конкретного персонажа, показать определённый товар или повторить понравившееся движение камеры.

# На каком языке лучше писать промпты?

Вы можете описывать сцены на русском или английском языке. В примерах этой статьи мы использовали английский.

Гораздо важнее самого языка понятное описание действий, композиции и движения камеры. Избегайте противоречивых инструкций и старайтесь формулировать запросы так, чтобы их можно было представить как реальную съёмочную сцену.

# Попробуйте Wan 3.0 в Braily

Wan 3.0 подойдёт как для коротких атмосферных роликов, так и для более сложных сцен с референсами, звуком и несколькими последовательными действиями.

Для начала не нужно придумывать что-то сложное. Возьмите один из промптов из статьи, попробуйте изменить его под свою идею и посмотрите, как модель справится с задачей.

Когда освоитесь с простыми сценами, можно переходить к работе с персонажами, рекламными роликами и длинными видео.

Открыть Wan 3.0 в Braily и создать своё первое видео.