Wan 3.0 Prime Prompts: 3 echte Ergebnisse und ein wiederverwendbares Grundgerüst

Die folgenden 3 Videos wurden alle mit Wan 3.0 Prime (wan3.0-video-prime) in einem Durchgang generiert: ein Text-zu-Video, ein Text-zu-Video mit synchronem Ton und ein Referenzbild-zu-Video mit fixiertem Motiv. Jedes enthält den vollständigen Prompt, die Request-Parameter und den Preis. Ein Klick auf „Mit diesem Prompt generieren“ öffnet die Modellseite und füllt den Prompt automatisch aus. Alle 3 sind 480P, 5 Sekunden, je $0.4375, insgesamt $1.3125.

Was an den Prompts von Prime anders ist

• Versteht Kamera und Bewegung. Begriffe wie dolly-forward, 180-degree orbit oder slow push-in steuern die Kamera tatsächlich. Eine Anhäufung von Substantiven („eine Katze, eine Straße, Neon“) ist Verschwendung; ein Satz mit Regieabsicht liefert eine Aufnahme mit Regiegefühl.
• Kann Ton erzeugen. audio ist standardmäßig aktiviert, das Modell fügt passend zum Bild Umgebungsgeräusche, Soundeffekte und leichte Musik hinzu; auf false gesetzt ergibt ein stummes Video.
• Kann Referenzbilder verarbeiten. Text kann nur eine Art von Ding beschreiben („ein keramischer Fuchs“), ein Referenzbild fixiert ein konkretes Ding. Wird ein Bild übergeben, bewegt sich bei Prime genau dieses, nicht jedes Mal ein neu erfundenes.

1. Produkt-Food-Aufnahme (Text-zu-Video)

A single scoop of pistachio gelato in a frosted coupe glass on a pale marble
counter; slow 180-degree orbit as a bead of condensation slides down the glass,
soft window light from the left, shallow depth of field, warm late-afternoon
tones, faint steam curling from an espresso cup just behind in soft focus.

Mit diesem Prompt generieren → (5 Sekunden, 480P, 16:9, Ton aus)

wan3.0-video-prime, 480P, 5 Sekunden, 16:9, Ton aus, $0.4375.

Die Reihenfolge der Sätze entspricht der Reihenfolge, in der das Modell eine Aufnahme liest: Motiv, Kamerabewegung, ein Hauptdetail, Lichtrichtung, Schärfentiefe, Farbton. „slow 180-degree orbit“ gibt nur eine eindeutige Kamerabewegung vor, „ein Wassertropfen gleitet am Glas hinab“ nur eine kleine Bewegung – so entsteht Realismus. Wenn du angibst, dass das Licht von links kommt und die Schärfentiefe gering ist, bleibt der Hintergrund eine saubere Unschärfe statt eines unruhigen Durcheinanders. Produkt- und Food-Aufnahmen können alle dieses Gerüst nutzen: ein Motiv, eine Kamerabewegung, eine kleine Bewegung.

2. Stimmungsaufnahme mit synchronem Ton (Text-zu-Video)

Bei diesem hier den Ton einschalten: Regenrauschen, ferner Verkehr und das Zischen des Grills werden passend zum Bild generiert.

Rain streaking down a narrow neon-lit alley at night; a slow dolly-forward past
steaming street-food stalls, magenta and cyan reflections rippling in the wet
pavement, a tabby cat darting between crates mid-shot. Ambient sound: steady
rain, distant traffic hiss, the sizzle of a grill and a low synth drone.

Mit diesem Prompt generieren → (5 Sekunden, 480P, 16:9, Ton an)

wan3.0-video-prime, 480P, 5 Sekunden, 16:9, mit Ton, $0.4375.

Ton zu beschreiben ist ein eigenes Handwerk: Erst das Bild schreiben, dann separat einen Satz „Ambient sound:“ hinzufügen und 3–4 konkrete Klangschichten auflisten: eine durchgehende Grundlage (Regen), eine ferne Schicht (Verkehr), einen nahen Soundeffekt (Grill) und eine Klangschicht (Synth-Bass). Wenn du nur „filmischer Sound“ schreibst, erhältst du einen Brei; benennst du die Schichten, hat das Modell etwas zum Abmischen. Auch der Bildteil gibt nur eine Kamerabewegung vor (slow dolly-forward) und fügt ein sich bewegendes Motiv hinzu (die Katze), damit das Bild lebendig, aber nicht unruhig wird.

3. Motiv fixieren (Referenzbild-zu-Video)

Das ist die Spezialität von Prime. Nur mit Text wird jedes Mal ein neues Motiv erschaffen; ein Referenzbild fixiert es. Bereite zunächst ein Bild einer keramischen Fuchsfigur vor und lege es in reference_image_urls ab – im Video bewegt sich dann genau dieser Fuchs: dieselbe Glasur, derselbe Schal.

Referenzbild:

Generierungsergebnis:

Bring the referenced ceramic fox figurine to life: it slowly turns its head
toward camera, blinks, and tilts with a curious expression; subtle idle
breathing, a light breeze stirring the tiny scarf, soft studio key light on a
clean seamless backdrop, smooth loopable motion.

Mit diesem Prompt generieren → (eigenes Referenzbild hochladen, 5 Sekunden, 480P, 9:16, Ton aus)

wan3.0-video-prime, Referenzbild, 480P, 5 Sekunden, 9:16, Ton aus, $0.4375.

Vollständiger Request:

{
  "model": "wan3.0-video-prime",
  "input": {
    "prompt": "Bring the referenced ceramic fox figurine to life ...",
    "resolution": "480P",
    "duration": 5,
    "aspect_ratio": "9:16",
    "audio": false,
    "reference_image_urls": [
      "https://static.hiapi.ai/blog/wan3-0-video-prime-prompt-recipes/recipe-3-reference-fox.jpg"
    ]
  }
}

Mit einem Referenzbild beschreibst du nicht mehr, wie das Motiv aussieht, sondern verwendest den ganzen Platz aufs „Regie führen“. Beginne den Prompt mit „Bring the referenced … to life“, damit das Modell weiß, dass das Bild die Grundlage des Motivs ist, und schreibe danach nur Aktionen, die nicht im Bild stehen: Kopf drehen, blinzeln, atmen, Wind bewegt den Schal. „smooth loopable motion“ macht es leichter, Anfang und Ende zu einer Schleife zu verbinden, 9:16 liefert direkt das Hochformat. Wähle Referenzbilder mit sauberem Motiv, gutem Licht und einfachem Hintergrund; bei unruhigem Hintergrund und vielen Motiven geht die Konsistenz am ehesten verloren.

Ein wiederverwendbares Grundgerüst

Die drei Prompts oben folgen tatsächlich demselben Grundgerüst:

1. Motiv: ein klarer Hauptdarsteller (bei übergebenem Referenzbild „the referenced …“ schreiben).
2. Kamera: nur eine Kamerabewegung vorgeben (Orbit, Push-in, Tracking), nicht drei.
3. Bewegung: ein oder zwei Dinge, die sich wirklich bewegen – lebendig, aber nicht unruhig.
4. Bild: Lichtrichtung, Schärfentiefe, Farbton.
5. Ton (optional): ein separater Satz „Ambient sound:“, der einige Klangschichten benennt.

Tausche die Substantive aus, behalte die Struktur.

Mit der API reproduzieren

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan3.0-video-prime",
    "input": {
      "prompt": "A single scoop of pistachio gelato in a frosted coupe glass on a pale marble counter; slow 180-degree orbit",
      "resolution": "480P", "duration": 5, "aspect_ratio": "16:9", "audio": false
    }
  }'

Nach der Rückgabe von data.taskId prüfst du mit GET /v1/tasks/{taskId}, ob status gleich success ist, und lädst von output[0].url herunter. Das ist ein temporärer Link, speichere ihn rechtzeitig. Die vollständige Integration findest du im Wan 3.0 Prime API-Tutorial (Chinesisch).

Was kostet es

• 480P $0.0875 pro Sekunde: 5 Sekunden $0.4375
• 720P $0.18 pro Sekunde: 5 Sekunden $0.90
• 1080P $0.36 pro Sekunde: 5 Sekunden $1.80

Stimme die Prompts mit 480P ab und ändere nach der Finalisierung resolution auf 720P oder 1080P und lasse erneut laufen, ohne den Prompt zu ändern. Beachte, dass resolution standardmäßig 1080P ist. Wenn du die Geschwindigkeit von Prime nicht brauchst, ist die Standardversion Wan 3.0 wan3.0-video pro Sekunde günstiger. Details unter Wan 3.0 Prime API-Preise.

Häufige Fragen

Kann Prime wirklich Ton erzeugen?

Ja. Bei audio gleich true (Standard) wird ein Video mit synchroner Tonspur zurückgegeben, bei false ist es stumm. Das zweite Beispiel wurde mit Ton generiert.

Wie lang kann ein Video höchstens sein?

duration ist eine ganze Zahl von 2–30, die Kosten steigen linear mit der Dauer.

Welche Auflösungen und Seitenverhältnisse werden unterstützt?

resolution ist 480P, 720P oder 1080P (Großbuchstaben erforderlich); aspect_ratio kann adaptive, 16:9, 4:3, 1:1, 3:4 oder 9:16 sein.

Wie bleibt dieselbe Person oder dasselbe Produkt über mehrere Videos hinweg konsistent?

Übergib mit reference_image_urls ein Referenzbild und schreibe im Prompt Aktionen statt Aussehen.

Warum sieht mein Entwurf etwas unscharf aus?

Weil er 480P ist – das ist absichtlich die günstige Stufe zum Entwerfen. Wenn der Prompt feststeht, stell die Auflösung auf 720P oder 1080P.

Wähle den Prompt, der deinem Bedarf am nächsten kommt, geh zur Modellseite und generiere das erste Video, und tausche dann die Substantive aus.