Wan 3.0 Prompt-Guide – Syntax, Referenzen und Einstellungen für perfekte KI-Videos

Wan 3.0 ist Alibabas kreatives Videomodell, und du kannst es auf OpenArts KI-Videogenerator. Wan 3.0 erstellt bis zu 30 Sekunden Video am Stück, nimmt 20 Referenzdateien und erzeugt Audio gleichzeitig mit dem Bild – voll synchron.

Alibaba veröffentlichte beim Launch des Modells eigene Prompt-Formeln, und dieser Leitfaden macht daraus einfache Schritte zum Nachmachen – samt Tipps, wie du Text im Bild richtig hinbekommst und wie es sich mit anderen Videomodellen auf OpenArt vergleicht.

Wichtigste Erkenntnisse

• Beginne mit einem Motiv, einem Ort und einer Bewegung. Füge Kamera, Stil und Sound einzeln hinzu.
• Beschrifte jede Referenz mit @Image1, @Video1 oder @Audio1 und gib jedem Shot einen Zeitbereich wie [0-6s].
• Schreib Sprechzeilen, Soundeffekte und Musik getrennt und sag "keine Hintergrundmusik", wenn du sie nicht willst.
• Setze Bildschirmtext in Anführungszeichen und halte ihn kurz.
• Wan 3.0 erstellt Videos von 2 bis 30 Sekunden Länge in bis zu 1080p und ist eine starke Wahl für lange Videos, die aus vielen Referenzen entstehen.

Was ist Wan 3.0?

Wan 3.0 ist Alibabas neuestes KI-Videomodell. Es verwandelt einen geschriebenen Prompt, ein Bild oder einen Mix aus Bildern, Videoclips und Audioclips in ein Video von bis zu 30 Sekunden Länge – inklusive Sound.

Wan 3.0 erstellt das gesamte Video in einem Durchgang, sodass dasselbe Gesicht, Produkt und dieselbe Beleuchtung jede Sekunde durchziehen. Auf OpenArt kannst du ein Wan 3.0-Video aus Text, aus einem Startbild oder aus einem Satz Referenzdateien starten.

Wan 3.0 Prompt-Guide: Starte mit drei Dingen

Alibabas Einstiegsformel ist kurz. Du brauchst ein Subjekt, einen Ort und eine Bewegung.

"A red fox walks across a snowy field at sunrise." Dieser Prompt hat alle drei Dinge, und das reicht, um ein echtes Video zurückzubekommen.

Sobald das klappt, ergänzt die ausführlichere Formel drei weitere Punkte: wie der Shot aussieht, den Stil und den Sound. Füge sie einzeln hinzu, damit du siehst, was jeder einzelne verändert hat.

Kennzeichne jede Referenz mit @-Tags

Wan 3.0 nimmt bis zu 20 Referenzdateien, und OpenArt zählt sie oben im Upload-Feld für dich.

Sie hochzuladen ist nur die halbe Arbeit. Wan 3.0 errät nicht, dass Bild 3 das Café und Bild 4 die Jacke ist, also sag es im Prompt mit dem @-Label:

@Image1 ist die Frau. @Image2 ist das Café. @Audio1 ist ihre Stimme. Die Frau aus @Image1 sitzt am Fenster in @Image2 und bestellt einen Kaffee.

Alibabas eigene Beispiele beschriften jede einzelne Referenz auf diese Weise. Du kannst dieselbe Referenz in einem Prompt auch mehrmals benennen – so steuerst du, wo sie auftaucht.

Start- und Endframes funktionieren genauso. Auf OpenArt kannst du das Bild festlegen, mit dem dein Video beginnt und mit dem es endet, und daneben trotzdem Referenzdateien hinzufügen.

Sag im Prompt, welches Bild der Startframe ist, welches der Endframe und wofür jede Referenz steht.

Deine Video-Referenzen können zusammen bis zu 15 Sekunden umfassen und deine Audio-Referenzen weitere 15 Sekunden. Damit dieselbe Person in Video um Video auftaucht, speichere sie einmal in OpenArt-Charaktere und wähle sie für jedes neue Video aus.

Nummeriere deine Shots und gib jedem eine Zeit

Wan 3.0 erstellt bis zu 30 Sekunden am Stück – sag ihm also, was von Anfang bis Ende passiert. Alibabas Format ist zuerst eine kurze Zusammenfassung, dann nummerierte Shots mit Zeitbereichen:

Eine kurze Geschichte über ein Mädchen, das eine streunende Katze findet.

Shot 1 [0-5s]: Sie geht im Regen nach Hause und bleibt unter einem Türeingang stehen.

Shot 2 [5-12s]: Nahaufnahme einer kleinen, nassen Katze, die zu ihr aufblickt.

Shot 3 [12-20s]: Sie kniet sich hin und streckt ihre Hand aus.

Gib jedem Zeitbereich eine klare Aufgabe. Wenn ein Shot in deinem ersten Ergebnis gehetzt wirkt, erweitere genau diesen Zeitbereich und lass den Rest unangetastet.

Für eine Story länger als 30 Sekunden kann OpenArt die Szenen planen und das komplette Video erstellen – bis zu 5 Minuten lang, in Director-Modus.

Schreib den Sound als drei getrennte Dinge

Wan 3.0 erzeugt den Sound gleichzeitig mit dem Bild, sodass du ihn mit Worten formen kannst. Alibaba teilt Sound in drei Teile, und es hilft, jeden einzeln zu schreiben.

Sprachzeilen. Sag die Zeile, dann sag, wie sie gesagt wird. "Sie sagt: 'Ich hab dir gesagt, dass das passiert.' Schnell, ein bisschen genervt, amerikanisches Englisch."

Soundeffekte. Nenne das Ding, was es tut und das Hintergrundgeräusch. "A glass falls off the table and shatters on the wood floor, quiet room."

Musik. Nenne die Musik und den Stil. "Slow piano under the whole scene."

Setze Text im Bild in Anführungszeichen

Alibaba sagt, dass Wan 3.0 App-Bildschirme und bewegte Grafiken klar darstellt, was bei Produktdemos und Erklärvideos hilft. Alibaba sagt außerdem, dass die Schreibweise von Text im Bild sich noch verbessert, daher machen ein paar Gewohnheiten einen großen Unterschied.

Setze die genauen Worte in Anführungszeichen. Alibabas eigener Leitfaden verlangt genau das. „Eine Kaffeetüte auf einer Küchentheke mit den Worten 'MORNING ROAST' auf der Vorderseite.“

Halte die Worte kurz. Ein Markenname, ein Preis oder ein Titel aus drei Wörtern kommt sauberer heraus als ein ganzer Satz.

Sag, wo die Worte stehen. "Ein weißer Titel am unteren Bildschirmrand" gibt Wan 3.0 einen klaren Platz für deinen Text.

Starte mit einem Bild, das die Worte bereits enthält. Für ein Logo oder ein Produktetikett, das exakt sein muss, erstelle das Bild zuerst mit einem Bildmodell, das für Text gemacht ist, wie Nano Banana 2.1 oder GPT Image 2.5.

Lege es als Startframe fest, und Wan 3.0 beginnt das Video mit Worten, die bereits richtig geschrieben sind.

Korrigiere einen falschen Buchstaben mit einer Bearbeitung. Wenn ein Wort falsch geschrieben herauskommt, bitte um genau diese eine Korrektur und sag, dass der Rest des Videos gleich bleibt.

Drei Dinge, die Wan 3.0 automatisch für dich entscheidet

Wenn du nichts sagst, trifft Wan 3.0 trotzdem eine Wahl. So holst du dir jede davon zurück.

Sprachzeilen. Schreib aus, was jemand sagt, und Wan 3.0 behält deine exakten Worte bei. Sag nichts, und es erfindet eigene Sprachzeilen. Schalte das mit "keine Sprachzeilen im gesamten Video" aus.

Musik. Wan 3.0 wählt Hintergrundmusik basierend darauf, worum es in deinem Video geht. Schalte das mit "no background music" aus.

Anzahl der Einstellungen. Wan 3.0 entscheidet selbst, ob zwischen Einstellungen geschnitten wird. Verlange eine ununterbrochene Einstellung mit "one continuous take."

Länge und Format funktionieren genauso. Lass sie frei, und Wan 3.0 wählt eine Länge zwischen 2 und 30 Sekunden sowie ein Seitenverhältnis, das zu deiner Szene passt.

Optionen für Auflösung und Länge bei Wan 3.0

Auf OpenArt erstellt Wan 3.0 Videos in 480p, 720p oder 1080p, in jeder Länge von 2 bis 30 Sekunden. Du kannst die Länge auch Wan 3.0 überlassen – es wählt dann eine, die zu deinem Prompt passt.

Die Auflösung ändert den Preis. Ein 1080p-Video kostet etwa viermal so viele Credits wie dasselbe Video in 480p. Teste deinen Prompt also in 480p und erstelle die finale Version in 1080p.

Längere Videos kosten außerdem mehr Credits. Lege die genaue Länge fest, sobald du weißt, wie viele Shots du brauchst.

Prüfe vier Regler, bevor du generierst

Auf OpenArt sitzen vier Einstellungen rund um das Prompt-Feld, und jede davon verändert, was deine Worte bewirken.

Auto Polish. Das schreibt deinen Prompt um, bevor er läuft. Das hilft, wenn du einen lockeren Satz getippt hast, kann aber auch die Referenz-Labels und Zeitbereiche umformulieren, die du bewusst gesetzt hast. Schalte es aus, sobald dein Prompt exakt ist.

Audio. Lass das an, und Wan 3.0 erzeugt Sound zum Bild. Schalte es aus für einen stummen Clip – der schnellste Weg, unerwünschte Musik zu vermeiden.

Kamera. Wähle hier deine Kamerabewegung. Du bekommst jedes Mal dieselbe Bewegung und dein Prompt bleibt kürzer.

Modus. Standard und Prime legen das Qualitätsniveau fest, und Prime kostet mehr Credits. Teste deinen Prompt auf Standard und erstelle dann die Version, die dir gefällt, auf Prime.

Du kannst auch bis zu 8 Videos gleichzeitig laufen lassen. Ändere in jeder Version eine Sache, lass alle 8 laufen und vergleiche sie, um zu sehen, was jedes Wort bewirkt.

Sag weniger, wenn du von einem Bild ausgehst

Wenn du ein Startbild hochlädst, zeigt dieses Bild schon, wer darin ist, wo sie sind und wie alles aussieht. Das im Prompt zu wiederholen, arbeitet nur gegen das hochgeladene Bild.

Schreib also nur zwei Dinge: was sich bewegt und was die Kamera macht. "Sie dreht sich zum Fenster und lächelt. Langsame Fahrt nach vorn."

Wenn die Kamera stillstehen soll, sag „fixed shot“. Sonst bewegt Wan 3.0 die Kamera von selbst.

Korrigiere eine Sache mit einem simplen Edit

Wan 3.0 bearbeitet Videos anhand einfacher Anweisungen, sodass ein kleines Problem mit einem schnellen Fix gelöst ist. Benenne, was geändert werden soll, und sag dann, dass der Rest gleich bleibt.

Entferne die Sonnenbrille. Ihre Bewegung und alles andere im Video bleibt gleich.

Dieselbe Formulierung funktioniert, um etwas hinzuzufügen, den Stil zu ändern, das Licht zu korrigieren oder eine Sprachzeile auszutauschen.

Vier Fehler, die Generierungen verschwenden

• Beschreibt ein einzelnes Standbild. Sag, was sich im Verlauf der 30 Sekunden verändert.
• Referenzen bleiben ohne Beschriftung. Wenn du sechs Dateien hochlädst, sag, wofür jede ist.
• Kamerafahrten kombinieren. Eine klare Bewegung schlägt drei, die gegeneinander arbeiten.
• Vergessen, Sound auszuschalten, den du nie angefordert hast. Musik und Sprache tauchen von selbst auf.

Qualitätsfazit zu Wan 3.0

Wan 3.0 ist auf OpenArt eine der besten Optionen für 15- bis 30-sekündige Videos aus vielen Referenzen. Weil es das gesamte Video auf einmal erstellt, bleiben Gesichter, Produkte und Beleuchtung von der ersten bis zur letzten Sekunde konstant.

Gesichter wirken echt und zeigen kleine Veränderungen im Ausdruck, und Early Tester berichten, dass dieselbe Person über volle 30 Sekunden hält. Der Sound ist passend zur Action getaktet, sodass ein Clip gleich mit Audio postbereit ist.

Plane um ein paar Grenzen herum. Die maximale Auflösung ist 1080p, und Alibaba sagt, dass Soundtextur und Rechtschreibung im Bild noch verbessert werden.

Early Tester berichten außerdem von zwei Eigenheiten. Wan 3.0 fügt manchmal einen Schnitt ein, den du gar nicht wolltest – schreib also "one continuous take", wenn du einen einzigen Shot willst.

Kleine Details können auch verrutschen, wenn viele Personen und Requisiten eine Szene teilen. Beschränke jeden Shot auf ein paar zentrale Personen und Objekte und beschrifte jede Referenz.

Das Fazit: Nutze Wan 3.0 für Werbung, Produktvideos und Story-Szenen, in denen eine Person oder ein Produkt die ganze Zeit gleich aussehen muss. Für einen kurzen 4K-Clip zeigt dir der Vergleich unten eine bessere Option.

Wie Wan 3.0 im Vergleich zu anderen Modellen auf OpenArt abschneidet

OpenArt lässt Wan 3.0 neben anderen Top-Videomodellen laufen, sodass du für jede Aufgabe das passende Modell an einem Ort auswählen kannst.

Wähle Seedance 2.5, wenn eine Story viele Charaktere und Requisiten braucht, denn es nimmt die meisten Referenzdateien. Wähle Wan 3.0, wenn deine Referenz ein Dokument oder eine Webseite ist, etwa eine Produktseite oder ein Foliendeck.

Wähle Kling 3.0 oder Veo 3.1, wenn die finale Datei 4K sein muss und das Video kurz ist. Wähle MiniMax H3 für realistische Bewegung in Clips bis zu 15 Sekunden und Grok Imagine 1.5, wenn Geschwindigkeit am wichtigsten ist.

Jetzt Wan 3.0-Videos erstellen

Wan 3.0 folgt klaren, beschrifteten Prompts sehr genau. Beginne mit einem Subjekt, einem Ort und einer Bewegung, beschrifte dann jede Referenz und gib jedem Shot eine Zeit.

Beschreibe den Sound und den Bildschirmtext, den du willst, genau, und teste in 480p, bevor du die finale Version erstellst. Schreib deinen ersten Prompt mit Wan 3.0 auf OpenArt.

Häufig gestellte Fragen

Wie viele Referenzen kann Wan 3.0 verwenden?

Wan 3.0 nimmt bis zu 20 Referenzen in einem Video auf: 10 Bilder, 5 Videoclips und 5 Audioclips. Zusätzlich kannst du ein Dokument oder eine Webseite hinzufügen, sodass ein Charakter, ein Produkt, ein Ort und eine Stimme denselben Shot steuern können. Deine Videoreferenzen dürfen bis zu 15 Sekunden umfassen und deine Audioreferenzen weitere 15 Sekunden.

Wie lang kann ein Wan 3.0-Video sein?

Ein Wan-3.0-Video kann zwischen 2 und 30 Sekunden lang sein. Wenn du die Länge offen lässt, wählt Wan 3.0 eine Länge, die zu deinem Prompt passt.

Welche Auflösung unterstützt Wan 3.0?

Wan 3.0 erstellt Videos in 480p, 720p oder 1080p, wobei 1080p die höchste Einstellung ist. Auf OpenArt kostet 480p die wenigsten Credits und eignet sich daher am besten, um einen Prompt zu testen, bevor du die finale 1080p-Version erstellst.

Macht Wan 3.0 Sound?

Ja. Wan 3.0 erstellt Sprachzeilen, Soundeffekte und Musik gleichzeitig mit dem Bild. Beschreibe den gewünschten Sound im Prompt oder schalte Audio aus, wenn du einen stummen Clip willst.

Kann Wan 3.0 Text in ein Video einfügen?

Ja. Wan 3.0 kann Titel, Labels, Preise und App-Bildschirme in einem Video anzeigen, und am besten schreibt es sie richtig, wenn du die genauen Wörter in Anführungszeichen setzt und sie kurz hältst. Für ein Logo oder Label, das perfekt geschrieben sein muss, erstelle zuerst ein Bild mit den Wörtern und nutze es als Startframe.

Kann ich Referenzdateien und einen Start- und Endframe gleichzeitig verwenden?

Ja. Bei OpenArt kannst du das Bild festlegen, mit dem dein Video beginnt, das Bild, mit dem es endet, und trotzdem Referenzdateien daneben hinzufügen. Beschrifte jede im prompt, damit Wan 3.0 weiß, welches Bild das Video öffnet, welches es schließt und welche Referenzen deinen Charakter, dein Produkt oder deine Stimme tragen.

Wie unterscheidet sich Wan 3.0 von Wan 2.7?

Wan 3.0 bietet zusätzlich 30-Sekunden-Videos, Ton passend zum Bild sowie Video- und Audioclips als Referenzen. Wan 2.7 nimmt Bildreferenzen sowie Start- und Endframes und funktioniert gut für kürzere Clips.