Wan 3.0 프롬프트 가이드: 구조, 예시, 실제 생성 영상

Wan 3.0 프롬프트는 Alibaba의 순서대로 씁니다. 전체를 한 줄로 요약하고, 참조할 소재를 적고, 시작과 끝 시간을 붙인 번호 숏을 쓰고, 대사는 따옴표 안에 넣고, 효과음과 음악, 스타일을 적은 뒤, 마지막에 나오면 안 되는 것만 짧게 나열합니다. 2026년 10월 27일 720P로 다섯 개를 실행했고, 시간 지정 컷과 대사는 쓴 대로 나왔습니다. 동작 하나와 "No other text" 한 줄은 지켜지지 않았습니다.

Wan 3.0 프롬프트 구조

Alibaba의 Wan 3.0 프롬프트 가이드(2026년 10월 16일 갱신)가 제시하는 순서는 전체 설명, 참조 소재, 숏마다의 블록, 대사, 효과음과 BGM, 스타일, 마지막에 금지 목록입니다. 한 문장만으로도 영상은 나오지만, 이 구조를 갖추면 원하는 화면에 더 가깝게 나옵니다.

• 한 번에 이어지는 숏이면 첫 줄에 "Generate single shot"을 씁니다. 여러 숏이면 번호를 붙이고 시작과 끝 시간을 적습니다. 숏마다 2–5초이고, 틈이나 겹침 없이 이어 붙입니다. [0-3s]와 (00:00-00:03) 모두 동작하니 하나를 골라 계속 쓰고, 전환은 "hard cut"처럼 이름을 붙입니다.
• 대사는 화자, 말하는 동사, 콜론, 큰따옴표 속 대사 순서로 쓰고, 입 모양을 위해 "Lip sync."를 덧붙입니다. 대사가 없으면 "No dialogue."라고 씁니다. 적지 않으면 모델이 알아서 정합니다. Alibaba의 예전 일반 Wan 가이드는 지정한 단어에 정확히 맞춘 립싱크는 불안정하다고 하지만, 그 예시는 Wan 2.2와 2.5의 것입니다(그 뒤 무엇이 바뀌었는지는 Wan 3.0 vs Wan 2.7에 있습니다). 3.0 가이드는 "Lip sync" 태그를 더했고, 클립 3은 대사를 한 글자도 틀리지 않고 냈습니다.
• 음악은 세 단계입니다. 아무것도 쓰지 않고 모델에 맡기거나, 음악을 지정하거나, "No background music."이라고 써서 완전히 뺍니다. 효과음은 적은 동작과 재질, 날씨를 따라 나옵니다.
• wan3.0-video에는 negative_prompt 파라미터가 없으므로 금지는 프롬프트 본문으로 씁니다. 나오면 안 되는 것만 짧게 나열하고, 군더더기를 붙이거나 긍정문을 반복하지 않습니다. Alibaba가 드는 예는 "No face distortion", "No subtitles", "No costume changes"입니다.
• 프롬프트는 중국어도 영어도 되고, 최대 20,000자입니다. 넘는 부분은 오류 없이 잘립니다. Alibaba는 권장 길이를 밝히지 않았고, 저희 다섯 개는 398자에서 670자였습니다.

Alibaba는 콘솔용 프롬프트 조정 Skill도 제공하며 /wan3-pe로 호출합니다. 저희는 쓰지 않았습니다.

클립을 만든 방법

• 모델 wan3.0-video를 2026년 10월 27일(베이징 시간)에 OmniaKey의 비동기 미디어 API로 실행했습니다. resolution은 모두 720P이고 prompt_extend, audio, seed는 Alibaba의 기본값 그대로 두었습니다. 프롬프트 재작성 켜짐, 오디오 켜짐, 무작위 시드입니다. 클립 1, 2, 3, 5는 text_to_video, 클립 4는 image_to_video이고, ratio는 클립 5만 9:16, 나머지는 16:9이며, duration은 클립 2가 10, 나머지가 5입니다.
• 클립 4는 GPT Image 2로 1536×1024, quality medium에서 만든 스틸에서 시작합니다. 16:9로 잘라 input.media에 type first_frame으로 보냈습니다. 1 MiB 한도 안에 넣으려고 너비 1024 px JPEG를 인라인으로 보냈습니다.
• 다섯 작업 모두 첫 시도에 성공했습니다. MP4, H.264, AAC 트랙이 있는 30 fps, 1280×720(클립 5는 720×1280), 길이는 5.04초(클립 2는 10.03초)입니다. 생성에는 클립마다 197.8초, 334.3초, 215.5초, 153.2초, 193.8초가 걸려 대략 2.5에서 5.5분이었습니다.
• 정해진 시점의 프레임을 원본 크기로 보고, 모든 클립에 장면 전환 검출을 돌리고, 소리는 Gemini 오디오 모델 두 개와 음량 추이로 확인했습니다. 아래 소리 설명은 이 확인들이 일치한 내용입니다.
• OmniaKey는 Wan 3.0 API를 판매하므로 클립은 OmniaKey를 통해 실행했습니다. 아래 가격은 Alibaba Cloud의 정가이고 저희 가격이 아닙니다.
• 출처: Alibaba의 Wan 3.0 프롬프트 가이드, Wan 3.0 영상 생성 가이드, API 레퍼런스, Model Studio 가격 페이지, 2026년 10월 27일 확인.

프롬프트마다 클립을 하나씩만 실행했으므로 각 결과는 표본 하나로 봐 주십시오.

실제 클립이 있는 프롬프트 5개

1. 한 숏: 카메라, 렌즈, 소리, 스타일

클립 1은 각 요소를 하나의 이어지는 숏에 담은 예입니다.

Generate single shot. One continuous shot, no cuts.
A hand-thrown ceramic teapot sits on a worn oak table beside a rain-streaked window at dawn. A woman's hand lifts it and pours tea into a small white cup; steam curls up through a beam of cold blue window light.
Camera: slow push-in from a medium shot to a close-up of the cup, 85mm telephoto, shallow depth of field, soft background bokeh.
Sound: rain tapping on the glass, tea splashing into the cup, a faint clink of porcelain.
Style: quiet and photoreal, muted teal and warm amber tones, calm morning mood.
No dialogue. No background music.
No text, no subtitles, no watermark.

뜻: 컷 없이 이어지는 한 숏입니다. 새벽, 비가 흐르는 창가의 낡은 오크 테이블에 놓인 물레로 만든 도자기 주전자를 여성의 손이 들어 작은 흰 컵에 차를 따릅니다. 카메라는 미디엄 숏에서 컵 클로즈업으로 천천히 밀고 들어가고, 85mm, 얕은 심도입니다. 소리는 유리를 두드리는 비, 컵에 떨어지는 차, 도자기의 가벼운 부딪힘, 조용하고 사실적인 화면에 차분한 청록과 따뜻한 호박색입니다. 대사와 BGM, 글자와 자막, 워터마크는 없습니다.

설정: text_to_video, 16:9, 720P, 5초, 나머지는 기본값.

결과: 컷 없는 한 숏과 분위기는 맞았고, 밀고 들어간 화면은 컵 하나에서 멈추지 않았습니다.

• 컷 없는 한 숏으로, 주전자와 흰 컵, 낡은 테이블이 나오고 창유리의 빗방울은 초점이 흐립니다.
• 오른쪽에서 손이 들어와 주전자를 들고 호박색 차를 따르며 김이 올라옵니다.
• 밀고 들어가는 움직임은 살았지만 마지막에 컵과 주둥이가 함께 잡혔고, 컵만 남지는 않았습니다. 뚜렷한 빛줄기도 프레임에 없습니다. 소리: 들린 것은 따르는 소리뿐이고, 비는 두 오디오 모델 모두 듣지 못했습니다.

바꿀 점:

• 끝 구도를 더 좁히려면 마지막 화면을 이름으로 적어 보십시오. "ends on an extreme close-up of the cup"입니다.
• 배경음은 개수를 줄이고, 각각을 화면에 보이는 것에 묶으십시오.

2. 시간이 지정된 세 숏과 하드 컷

클립 2는 여러 숏 테스트입니다. 10초 안에 번호 숏 세 개를 두고 전환을 이름으로 적습니다.

A 10-second, three-shot sequence of a cyclist at sunrise on a coastal road. Keep the same rider, red jacket and silver bike in every shot.
Shot 1 [0-3s]: wide shot, fixed camera. The cyclist rides along a cliff road above a calm sea, small in the frame, low golden sun.
Shot 2 [3-6s]: hard cut. Tracking shot beside the rider at wheel height, the chain and spinning spokes in sharp focus, the road blurred.
Shot 3 [6-10s]: hard cut. Close-up from the front: the rider exhales and smiles, sunlight flaring behind the helmet.
Sound: wind, tyres humming on asphalt, distant gulls.
BGM: light, hopeful acoustic guitar.
No dialogue.
No text, no subtitles, no costume changes.

뜻: 일출 무렵 해안 도로를 달리는 자전거의 10초 세 숏이고, 같은 라이더와 빨간 재킷, 은색 자전거를 모든 숏에서 유지합니다. 숏 1은 고정 카메라의 와이드 숏, 숏 2는 바퀴 높이에서 옆을 따라가는 트래킹, 숏 3은 정면 클로즈업이며 두 전환은 모두 하드 컷입니다. 소리는 바람, 아스팔트 위 타이어 소리, 먼 갈매기이고 BGM은 가볍고 희망적인 어쿠스틱 기타이며, 대사와 글자, 의상 교체는 없습니다.

설정: text_to_video, 16:9, 720P, 10초, 나머지는 기본값.

결과: 숏 세 개와 컷 두 개가 모두 쓴 대로 들어왔습니다.

• 장면 전환 검출은 2.97초와 5.97초에서 찾았습니다. 프롬프트에 적은 지점은 3초와 6초입니다.
• 숏 1은 일출 무렵 해안 도로의 고정 와이드 숏이고, 해 위로 해가 낮게 떠 있으며 하늘에 갈매기 한 마리가 있습니다. 빨간 재킷의 라이더는 중간 거리에서 왼쪽으로 빠져나갑니다.
• 숏 2는 은색 로드 자전거 옆을 낮게 따라가며 체인과 기어, 페달을 밟는 다리가 선명하고 도로와 바퀴는 흐립니다. 숏 3은 빨간 재킷과 흰 헬멧을 쓴 여성의 정면 클로즈업으로, 입을 벌려 숨을 내쉰 뒤 해가 뒤에서 번지면 웃습니다.
• 소리: 부드러운 현 튕기는 선율과 바람, 갈매기, 말소리는 없습니다. 악기에 대해서는 두 오디오 모델의 판단이 갈렸습니다.

바꿀 점:

• 악기가 중요하면 연주 방식도 적어 보십시오. "solo acoustic guitar, slow strumming"입니다.

3. 따옴표 속 대사와 립싱크

클립 3은 대사 한 줄을 큰따옴표에 넣고 "Lip sync" 태그를 더한 예입니다.

Generate single shot. Medium close-up, fixed camera, eye level.
A barista in her thirties with short curly hair and a green apron stands behind a café counter, holding a takeaway cup. She looks into the camera, smiles and says: "Your oat latte is ready. Have a good day!" Lip sync.
Sound: soft café chatter in the background, the hiss of a milk steamer.
No background music.
Style: natural daylight, warm and friendly, photoreal.
No subtitles, no on-screen text, no face distortion.

뜻: 고정 카메라, 눈높이의 미디엄 클로즈업입니다. 30대에 짧은 곱슬머리, 초록 앞치마를 한 바리스타가 카페 카운터 뒤에서 테이크아웃 컵을 들고 서서 카메라를 보고 웃으며 대사를 말하고, 입 모양을 맞춥니다. 소리는 카페의 낮은 대화 소리와 밀크 스티머의 증기 소리, BGM은 없고, 자막과 화면 글자, 얼굴 왜곡도 없습니다.

설정: text_to_video, 16:9, 720P, 5초, 나머지는 기본값.

결과: 대사와 입 모양, 자막 없음이 모두 지켜졌습니다.

• 고정 카메라 한 숏입니다. 곱슬머리에 흰 셔츠, 짙은 초록 앞치마를 한 여성이 카운터 뒤에 서서 테이크아웃 컵을 두 손으로 들고 있습니다.
• 카메라를 보고 웃으며 입술을 움직여 말하고, 두 오디오 모델 모두 대사를 한 글자도 틀리지 않고 받아썼습니다. 대략 1.0–2.5초와 3.3–4.0초의 두 구간으로 나뉘었습니다.
• 화면에는 자막도 다른 글자도 없었습니다. 소리: 들린 것은 카페의 웅성거림뿐이고, 밀크 스티머는 두 모델 모두 듣지 못했습니다.

바꿀 점:

• 두 사람이 말할 때는 한 사람에 한 문장씩 주고 화자를 밝혀 보십시오. Alibaba의 형식입니다.
• 스티머 소리가 필요하면 화면에 보이게 하십시오. "the steam wand hisses beside her"입니다.

4. 이미지에서 영상으로: 스틸이 화면을 정한다

클립 4는 스틸에서 시작하므로 프롬프트는 움직임과 카메라, 소리만 맡습니다. 스틸은 GPT Image 2로 만들고 16:9로 잘랐습니다. 그 프롬프트는 이슬 맺힌 초원에 매여 있는 빨강과 크림색의 빈티지 열기구, 바구니에 탄 승객 두 명, 낮은 안개, 먼 나무 숲이 있는 사실적인 일출 장면을 요청했습니다. 스틸을 만드는 방법은 GPT Image 2 프롬프트 가이드에 정리했습니다.

Image 1 is the first frame.
The tether is released and the balloon lifts slowly off the meadow. The burner flares orange twice. The two passengers wave down at the field.
Camera: slow tilt up, following the balloon as it rises.
Sound: the roar of the burner, birdsong, wind.
No dialogue. No background music.
Keep the balloon's colours and the passengers' clothes unchanged. No new people, no text.

뜻: 첫 번째 이미지가 첫 프레임입니다. 밧줄이 풀려 열기구가 초원에서 천천히 떠오르고, 버너가 주황 불꽃을 두 번 피우며, 승객 두 명이 아래 들판을 향해 손을 흔듭니다. 카메라는 상승을 따라 천천히 위로 기웁니다. 소리는 버너의 굉음과 새소리, 바람이고 대사와 BGM은 없습니다. 기구의 색과 승객의 옷은 그대로 두고, 새 사람과 글자는 넣지 않습니다.

설정: image_to_video, 16:9, 720P, 5초, 스틸을 첫 프레임으로 전송.

결과: 화면과 카메라 움직임은 맞았고, 동작 하나가 빠졌습니다.

• 클립은 스틸의 구도로 시작하고, 기구의 색과 승객, 옷은 그대로이며 새로 생긴 사람도 없습니다. 기구가 떠올라 상승하고 카메라는 하늘만 남을 때까지 위로 기웁니다. 승객 두 명은 팔을 들어 손을 흔듭니다.
• 불꽃은 0.7초쯤에 켜져 끝까지 켜져 있으므로 프레임에는 한 번의 불꽃만 보입니다. 밧줄 두 개가 땅에 그대로 묶여 있어 풀리는 동작은 빠졌습니다.
• 소리: 말소리도 음악도 없는 낮은 굉음이고, 0.5–1.5초와 3.5–4.8초쯤 두 번 가장 크게 들려 "두 번"은 소리 쪽에 나타났습니다. 새소리는 두 모델 모두 듣지 못했습니다.

바꿀 점:

• 밧줄이 풀리는 장면은 눈에 보이는 동작으로 적어 보십시오. "a crew member unties the ropes and the ropes fall away"입니다.
• 불꽃이 두 번 피어야 하면 "the flame flares, dies down, then flares again"을 시도하십시오.

5. 세로 영상과 따옴표 속 간판 글자

클립 5는 세로 화면과, 따옴표에 넣은 화면 속 글자를 시험합니다.

Vertical 9:16. Generate single shot.
A narrow back street at night after rain. Above a small noodle shop, a pink neon sign reads "OPEN LATE" in bold capital letters, reflected in the wet pavement. Steam drifts out of the doorway.
Camera: slow tilt down from the neon sign to the shop's doorway.
Sound: light rain, the hum of the neon, distant traffic.
No dialogue. No background music.
Style: cinematic night photography, 35mm film look, magenta and teal.
No other text, no subtitles, no watermark, no logos.

뜻: 세로 9:16에 한 숏입니다. 비 온 뒤 밤의 좁은 뒷골목, 작은 국숫집 위로 분홍 네온 간판이 굵은 대문자로 "OPEN LATE"라고 켜져 젖은 보도에 비칩니다. 문틈으로 김이 흘러나오고 카메라는 간판에서 가게 문 쪽으로 천천히 아래로 기웁니다. 소리는 가는 비, 네온의 웅웅거림, 먼 차소리이고 대사와 BGM은 없습니다. 영화 같은 야간 사진, 35mm 필름 질감, 마젠타와 청록입니다. 다른 글자와 자막, 워터마크, 로고는 없습니다.

설정: text_to_video, 9:16, 720P, 5초, 나머지는 기본값.

결과: 간판과 틸트는 맞았고, 글자가 더 생겼습니다.

• 세로 클립이고, 가게 문 위 벽돌벽의 분홍 네온 간판이 "OPEN LATE"라고 켜져 있으며 확인한 모든 프레임에서 철자가 맞았습니다.
• 틸트도 잘 됐습니다. 간판은 위에서 시작해 끝에는 화면 위쪽에서 잘리고, 문과 분홍빛으로 물든 젖은 보도가 화면을 채웁니다.
• 실수는 두 가지이고 둘 다 글자입니다. 가게 유리창에 더 작은 "OPEN LATE" 간판이 하나 더 생겼고 문틀에도 글자 같은 자국이 붙었습니다. "No other text"라고 적었는데도 그랬습니다. 소리: 말소리도 음악도 없었고, 오디오 모델의 판단은 갈려 하나는 물소리, 다른 하나는 바람 소리를 들었습니다.

바꿀 점:

• 원하는 것도 함께 적으십시오. 유리창은 "plain dark glass in the window"로 지정해 보십시오. 금지 목록은 나오면 안 되는 것에만 씁니다.

자주 나오는 실패와 수정법

Alibaba는 금지 목록을 막으려는 실패 종류별로 묶습니다. 얼굴, 글자, 스타일, 소리, 동작, 카메라, 공간, 일관성입니다.

클립 한 개의 비용

Alibaba는 wan3.0-video를 출력 초 단위로 과금하고, 단가는 요청한 해상도로 정해집니다.

모두 Alibaba Cloud의 국제 정가이고 2026년 10월 27일 확인했습니다. 가격 페이지에는 세 가지 모두 기간 한정 30% 할인으로 표시되어 있습니다.

wan3.0-video-prime은 같은 기능을 가진 Alibaba의 고속 버전이며, 480P, 720P, 1080P의 초당 정가가 $0.068, $0.14, $0.28입니다.

resolution의 기본값은 1080P라서 적지 않은 요청은 1080P로 과금됩니다. 5초면 $1.00이고 720P면 $0.50입니다. 오디오는 켜든 끄든 값이 같고 기본은 켜짐입니다.

저희 클립 다섯 개는 720P로 30초였고, 정가로 $3.00, 할인을 적용하면 $2.10입니다. 모델을 비교하려면 Kling 3.0 vs Wan 3.0을, OmniaKey의 현재 요금은 Wan 3.0 모델 페이지를 보십시오.

이 프롬프트를 API로 실행하기

아래 요청은 클립 2의 자전거 프롬프트를 보냅니다. 숏 줄은 JSON 문자열 안에서 \n으로 쓰고 Idempotency-Key는 고정했습니다.

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: cyclist-shots-001" \
  --data-binary @- <<'JSON'
{
  "model": "wan3.0-video",
  "type": "video",
  "operation": "text_to_video",
  "input": {"prompt": "A 10-second, three-shot sequence of a cyclist at sunrise on a coastal road. Keep the same rider, red jacket and silver bike in every shot.\nShot 1 [0-3s]: wide shot, fixed camera. The cyclist rides along a cliff road above a calm sea, small in the frame, low golden sun.\nShot 2 [3-6s]: hard cut. Tracking shot beside the rider at wheel height, the chain and spinning spokes in sharp focus, the road blurred.\nShot 3 [6-10s]: hard cut. Close-up from the front: the rider exhales and smiles, sunlight flaring behind the helmet.\nSound: wind, tyres humming on asphalt, distant gulls.\nBGM: light, hopeful acoustic guitar.\nNo dialogue.\nNo text, no subtitles, no costume changes."},
  "parameters": {"duration": 10, "resolution": "720P", "ratio": "16:9"}
}
JSON

1. 응답은 202와 작업 id입니다.
2. 같은 id로 https://api.omniakey.com/v1/media/tasks/{id}를 조회하고 status를 반복해서 봅니다. progress.percent는 클립을 만드는 동안 0에 머물 수 있으니 보지 않습니다. 저희 클립은 2.5~5.5분 걸렸으니 계속 조회하고 다시 제출하지 않습니다. 같은 Idempotency-Key와 같은 본문이면 같은 작업이 돌아오고 두 번 과금되지 않습니다.
3. assets[0].url에서 클립을 내려받습니다. 서명된 링크라 유효 시간이 약 한 시간이고, 만료되면 다시 조회해 새 링크를 받습니다.

이미지에서 영상으로 만들 때는 operation을 image_to_video로 두고 스틸을 input.media에 type first_frame으로 보냅니다. HTTPS URL이나 data URI를 쓰고 요청 전체는 1 MiB 이하이며, 프롬프트는 "Image 1 is the first frame."로 시작합니다. 더 빠른 등급은 wan3.0-video-prime을 보냅니다. OmniaKey에서 취소한 Wan 3.0 작업은 계속 렌더링되고 성공하면 과금됩니다. Wan 3.0에는 제공자 쪽 취소 기능이 없기 때문입니다. Wan 3.0 모델 페이지에서 시작하고 자세한 내용은 영상 API 문서를 보십시오.

자주 묻는 질문

Wan 3.0 프롬프트는 얼마나 길게 쓸 수 있습니까?

API는 최대 20,000자를 받고, 중국어 한 글자와 영문 한 글자를 모두 1로 셉니다. 넘는 부분은 오류 없이 잘립니다. Alibaba는 권장 길이를 밝히지 않았고, 저희 다섯 개는 398자에서 670자였습니다.

Wan 3.0은 네거티브 프롬프트를 지원합니까?

wan3.0-video에는 negative_prompt 필드가 없습니다. 금지는 프롬프트 끝의 짧은 목록으로 씁니다. 클립 5는 "No other text"라고 썼는데도 가게 유리창에 작은 "OPEN LATE" 간판이 하나 더 생겼으니, 원하는 유리도 함께 적으십시오.

prompt_extend는 꺼야 합니까?

prompt_extend는 기본값이 true이고 생성 전에 LLM이 프롬프트를 다시 씁니다. 짧은 프롬프트에 도움이 되고 대기 시간은 늘어납니다. 길고 구조화된 프롬프트에서 꺼야 하는지는 Alibaba가 안내하지 않아 저희는 켠 채로 두었고, 그래도 클립 2의 컷은 2.97초와 5.97초에 들어왔습니다.

프롬프트 하나로 30초 영상을 만들 수 있습니까?

duration은 2초에서 30초까지 받으므로 프롬프트 하나로 30초를 채울 수 있습니다. Alibaba의 긴 예시는 2–5초 숏을 이어 붙인 방식이고, 클립 2도 그렇게 10초를 만들었습니다.

Wan 3.0 프롬프트를 중국어로 써도 됩니까?

됩니다. API는 중국어와 영어 프롬프트를 받고, 20,000자 한도에서 중국어 한 글자를 1로 셉니다. 저희는 영어로 썼습니다.

업데이트 기록

• 2026년 10월 28일: 첫 버전, 프롬프트 다섯 개는 2026년 10월 27일에 실행했습니다.