Wan 3.0 prompt rehberi: yapı, örnekler ve gerçek klipler

Bir Wan 3.0 promptu Alibaba'nın sırasını izler: tek satır genel bakış, referanslar, başlangıç ve bitiş saatiyle numaralanmış planlar, tırnak içinde diyalog, ses ve müzik, stil ve sonunda görünmemesi gerekenlerin kısa listesi. 27 Ekim 2026'da 720P'de beş prompt çalıştırdık: zamanlanmış kesmeler ve söylenen replik yazıldığı gibi çıktı, bir hareketle bir "no other text" satırı çıkmadı.

Wan 3.0 promptunun yapısı

Alibaba'nın Wan 3.0 prompt rehberi (16 Ekim 2026'da güncellendi) parçaları şöyle sıralıyor: genel açıklama, referansın belirtilmesi, her plan için bir blok, diyalog, ses ve BGM, stil, en sonda olumsuz liste. Tek cümle bile video üretiyor; yapı, sonucun aklınızdaki görüntüye benzemesini sağlıyor.

• Tek çekim için ilk satıra "Generate single shot" yazın. Birden çok plan için her birini başlangıç ve bitiş saatiyle numaralayın, 2–5 saniye olsun, boşluk ve üst üste binme olmadan uç uca eklenin. [0-3s] ve (00:00-00:03) aynı işi görür, birini seçip onu kullanın ve geçişi adlandırın, örneğin "hard cut".
• Diyaloğu konuşan, konuşma fiili, iki nokta ve çift tırnak içinde replik olarak yazın, sonra dudak hareketi için "Lip sync." ekleyin. Replik istemiyorsanız "No dialogue." yazın; yoksa model kendi karar verir. Alibaba'nın eski genel Wan rehberi, kelimesi kelimesine dudak senkronunu güvenilmez buluyor ama örnekleri Wan 2.2 ve 2.5'ten (o günden beri ne değiştiği Wan 3.0 vs Wan 2.7 yazısında). 3.0 rehberi "Lip sync" etiketini ekliyor ve 3. klip repliği kelimesi kelimesine verdi.
• Müziğin üç kademesi var: hiçbir şey yazmayıp modelin seçmesine bırakmak, müziği adlandırmak ya da "No background music." yazmak. Ses efektleri anlattığınız hareketi, malzemeyi ve havayı izler.
• wan3.0-video için negative_prompt parametresi yok, olumsuzlar prompt metninin içinde yaşıyor: yalnızca görünmemesi gerekenlerin kısa listesi, dolgu yok ve olumlu prompt tekrarlanmıyor. Alibaba'nın örnekleri: "No face distortion", "No subtitles", "No costume changes".
• Prompt Çince veya İngilizce olabilir, en fazla 20,000 karakter; fazlası hata vermeden kesilir. Alibaba önerilen uzunluk yayımlamıyor ve bizim beş promptumuz 398 ile 670 karakter arasındaydı.

Alibaba konsol için bir prompt ayar Skill'i de sunuyor, /wan3-pe; biz kullanmadık.

Klipleri nasıl çektik

• 27 Ekim 2026'da (Pekin saati) OmniaKey'in asenkron medya API'si üzerinden wan3.0-video modeli, resolution 720P, prompt_extend, audio ve seed Alibaba'nın varsayılanlarında: prompt yeniden yazımı açık, ses açık, tohum rastgele. 1, 2, 3 ve 5. klipler text_to_video, 4. klip image_to_video; ratio 5. klip 9:16 dışında 16:9, duration 2. klipte 10 ve diğerlerinde 5.
• 4. klip, GPT Image 2 ile 1536×1024 boyutunda, medium kalitede ürettiğimiz ve 16:9'a kırptığımız bir kareyle başlıyor; kare input.media içine type first_frame olarak, 1 MiB sınırının altında kalmak için 1024 px genişliğinde gömülü JPEG olarak gitti.
• Beş görev de ilk denemede başarılı oldu: MP4, H.264, AAC ses izli 30 fps, 1280×720 (5. klip: 720×1280), 5.04 sn (2. klip: 10.03 sn). Üretim kliplerde 197.8 sn, 334.3 sn, 215.5 sn, 153.2 sn ve 193.8 sn sürdü, yani yaklaşık 2.5 ile 5.5 dakika.
• Belirli anlardaki kareleri tam boyutta inceledik, her klipte bir sahne değişimi dedektörü çalıştırdık ve her ses kanalını iki Gemini ses modeliyle ve bir ses düzeyi eğrisiyle kontrol ettik; aşağıdaki ses ifadeleri bu kontrollerin anlaştığı olanlar.
• OmniaKey Wan 3.0 API erişimini satıyor, klipler oradan geçti. Aşağıdaki fiyatlar Alibaba Cloud'un liste fiyatları, bizim değil.
• Kaynaklar: Alibaba'nın Wan 3.0 prompt rehberi, Wan 3.0 video üretim rehberi, API referansı ve Model Studio fiyat sayfası, 27 Ekim 2026'da kontrol edildi.

Her prompt için tek klip çalıştırdık, yani her sonucu tek bir örnek olarak görün.

Gerçek kliplerle beş prompt

1. Tek plan: kamera, lens, ses ve stil

1. klip bütün parçaları tek kesintisiz planda topluyor.

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.

Türkçesi: kesmesiz tek plan. Şafakta yağmurlu bir pencerenin yanında, yıpranmış meşe masadaki el yapımı seramik çaydanlığı bir kadın eli kaldırıp küçük beyaz fincana çay koyuyor. Kamera orta plandan fincanın yakın planına yavaşça yaklaşıyor, 85 mm ve sığ alan derinliği. Ses, cama vuran yağmur, fincana dökülen çay ve hafif porselen tıkırtısı; görünüm sakin ve fotogerçekçi, donuk turkuaz ve sıcak kehribar. Diyalog ve müzik yok, yazı, altyazı ve filigran da yok.

Ayarlar: text_to_video, 16:9, 720P, 5 sn, varsayılanlar.

Sonuç: kesmesiz plan ve doğru atmosfer geldi; yaklaşma tek başına fincanda durmadan önce bitiyor.

• Kesmesiz tek plan: çaydanlık, beyaz fincan ve yıpranmış masa yerinde, camdaki yağmur damlaları bulanık.
• Sağdan bir el giriyor, çaydanlığı kaldırıyor ve buhar yükselirken kehribar çayı döküyor.
• Yaklaşma oluyor ama tek başına fincan yerine fincan ve emzik birlikteyken bitiyor, karelerde belirgin bir ışık huzmesi yok. Ses: yalnızca çayın dökülüşü; iki ses modelinin hiçbiri yağmuru duymadı.

Değiştirilecekler:

• Daha sıkı bir bitiş için son kadrajı adlandırın: "ends on an extreme close-up of the cup".
• Daha az fon sesi adlandırın ve her birini görünen bir şeye bağlayın.

2. Kesme geçişli, zamanlanmış üç plan

2. klip çok planlı test: 10 saniyede üç numaralı plan ve adlandırılmış geçişler.

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.

Türkçesi: gün doğumunda sahil yolundaki bir bisikletçinin on saniyelik üç planı; her planda aynı sürücü, kırmızı ceket ve gümüş bisiklet. 1. plan sabit kamerayla geniş plan, 2. plan tekerlek hizasından yandan takip, 3. plan önden yakın plan ve iki geçiş de kesme. Ses rüzgâr, asfaltta uğuldayan lastikler ve uzaktaki martılar; müzik hafif ve umutlu akustik gitar, diyalog, yazı ve kostüm değişimi yok.

Ayarlar: text_to_video, 16:9, 720P, 10 sn, varsayılanlar.

Sonuç: üç plan ve iki kesme yazıldığı gibi geldi.

• Sahne değişimi dedektörü kesmeleri 3 sn ve 6 sn işaretlerine karşılık 2.97 sn ve 5.97 sn'de buldu.
• 1. plan gün doğumunda sahil yolunun geniş ve sabit görünümü: güneş denizin üstünde alçak, gökte bir martı, kırmızılı sürücü orta plandan girip soldan çıkıyor.
• 2. plan gümüş bir yol bisikletinin yanında alçaktan ilerliyor, zincir, dişliler ve pedal çeviren bacaklar net, yol ve tekerlekler bulanık; 3. plan önden yakın plan: kırmızı ceketli ve beyaz kasklı bir kadın, nefes verirken ağzı açık, sonra güneş arkasında parladığında bir gülümseme.
• Ses: yumuşak bir telkoparma melodisi, rüzgâr ve martılar, konuşma yok; ses modelleri enstrüman konusunda anlaşamadı.

Değiştirilecekler:

• Enstrüman önemliyse çalma biçimini de yazın: "solo acoustic guitar, slow strumming".

3. Tırnak içinde bir replik ve dudak senkronu

3. klip bir repliği çift tırnağa alıp "Lip sync" etiketini ekliyor.

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.

Türkçesi: tek plan, orta yakın plan, göz hizasında sabit kamera. Otuz yaşlarında, kısa kıvırcık saçlı ve yeşil önlüklü bir barista, elinde paket servis bardağıyla kafe tezgâhının arkasında duruyor. Kameraya bakıp gülümsüyor ve repliğini dudakları hareket ederek söylüyor. Ses, kafenin hafif uğultusu ve süt buharının tıslaması, müzik yok; altyazı, ekran yazısı ve yüz bozulması da yok.

Ayarlar: text_to_video, 16:9, 720P, 5 sn, varsayılanlar.

Sonuç: replik, dudak hareketi ve altyazısızlık tuttu.

• Sabit kameralı tek plan: kıvırcık saçlı, beyaz gömlekli ve koyu yeşil önlüklü bir kadın, paket bardağını iki eliyle tutarak bir tezgâhın arkasında duruyor.
• Kameraya bakıp gülümsüyor ve dudaklarını oynatarak konuşuyor; iki ses modeli de repliği kelimesi kelimesine, yaklaşık 1.0–2.5 sn ve 3.3–4.0 sn aralıklarında iki parça halinde yazdı.
• Kadraj altyazıdan ve ekran yazısından uzak kaldı. Ses: yalnızca kafe uğultusu, süt buharını hiçbir model duymadı.

Değiştirilecekler:

• İki kişi için her repliğe kendi cümlesini verin ve kimin konuştuğunu yazın, Alibaba'nın biçimi bu.
• Buhar gerekliyse gösterin: "the steam wand hisses beside her".

4. Görselden videoya: kare görünümü belirler

4. klip bir kareyle başlıyor, prompt yalnızca hareketi, kamerayı ve sesi taşıyor. Kareyi GPT Image 2'de üretip 16:9'a kırptık; promptu gün doğumunda çiyli bir çayıra bağlı, kırmızı-krem eski bir sıcak hava balonunun fotogerçekçi görüntüsünü, sepette iki yolcuyu, alçak sisi ve uzakta bir ağaç hattını istiyordu. Kareyi GPT Image 2 prompt rehberi anlatıyor.

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.

Türkçesi: ilk görsel ilk kare. Halat çözülüyor, balon çayırdan yavaşça yükseliyor, brülör iki kez turuncu parlıyor ve iki yolcu aşağıya, tarlaya el sallıyor. Kamera yükselişi izleyerek yavaşça yukarı eğiliyor. Ses brülörün kükremesi, kuş sesleri ve rüzgâr, diyalog ve müzik yok. Balonun renkleri ve yolcuların kıyafetleri değişmiyor, yeni insan ve yazı girmiyor.

Ayarlar: image_to_video, 16:9, 720P, 5 sn, kare ilk kare olarak gönderildi.

Sonuç: görünüm ve kamera hareketi tutuyor; bir hareket atlandı.

• Klip giriş karesinin kadrajıyla açılıyor, balonun renkleri, yolcular ve kıyafetleri değişmemiş, yeni kimse yok. Balon kalkıyor ve yükseliyor, kamera yukarı eğilip gökyüzünden başka bir şey kalmayana kadar izliyor; iki yolcu kollarını kaldırıp el sallıyor.
• Alev yaklaşık 0.7 sn'de yanıyor ve sona kadar yanık kalıyor, yani karelerde tek parlama var; iki halat yerde bağlı kalıyor, yani çözülme atlanmış.
• Ses: konuşma ve müzik olmayan, yaklaşık 0.5–1.5 sn ve 3.5–4.8 sn'deki iki atımla en yüksek olan alçak bir kükreme, yani "iki kez" seste göründü; kuş seslerini hiçbir model duymadı.

Değiştirilecekler:

• Çözülmeyi görünür bir hareket olarak gösterin: "a crew member unties the ropes and the ropes fall away".
• İki kez yanan bir alev için: "the flame flares, dies down, then flares again".

5. Dikey video ve tırnak içinde tabela yazısı

5. klip dikey biçimi ve karedeki sözleri tırnak içinde test ediyor.

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.

Türkçesi: dikey 9:16 ve tek plan. Yağmurdan sonra gece, dar bir arka sokak; küçük bir erişte dükkânının üstünde pembe neon tabela kalın büyük harflerle "OPEN LATE" yazıyor ve ıslak kaldırımda yansıyor, kapıdan buhar çıkıyor. Kamera tabeladan kapıya doğru yavaşça iniyor. Ses hafif yağmur, neonun uğultusu ve uzak trafik, diyalog ve müzik yok. Sinematik gece fotoğrafı, 35 mm film görünümü, magenta ve turkuaz. Başka yazı, altyazı, filigran ve logo yok.

Ayarlar: text_to_video, 9:16, 720P, 5 sn, varsayılanlar.

Sonuç: tabela ve eğilme tuttu; fazladan yazı çıktı.

• Dikey klip: bir dükkân kapısının üstünde tuğla duvarda "OPEN LATE" yazan pembe neon tabela, kontrol ettiğimiz her karede doğru yazılmış.
• Eğilme çalışıyor: tabela üstte başlıyor ve üst kenardan kesilerek bitiyor, kapı ve pembeye çalan ıslak kaldırım kadrajı dolduruyor.
• İki hata, ikisi de yazı: "No other text" olmasına rağmen vitrinde ikinci ve daha küçük bir "OPEN LATE" tabelası ile kapı kasasında işaretler. Ses: konuşma ve müzik yok; ses modelleri anlaşamadı, biri suyu diğeri rüzgârı duydu.

Değiştirilecekler:

• İstediğinizi de anlatın: "plain dark glass in the window" deneyin, çünkü olumsuz liste yalnızca görünmemesi gerekenler için.

Sık hatalar ve düzeltmeleri

Alibaba olumsuz listeleri önledikleri hataya göre grupluyor: yüzler, yazı, stil, ses, hareket, kamera, mekân ve tutarlılık.

Bir klip ne kadar tutar

Alibaba wan3.0-video için çıktı saniyesi başına, istenen çözünürlüğe göre belirlenen tarifeyle ücret alıyor.

Bunlar Alibaba Cloud'un uluslararası liste fiyatları, 27 Ekim 2026'da kontrol edildi; fiyat sayfası üçünü de sınırlı süre için %30 indirimli işaretliyor.

wan3.0-video-prime, Alibaba'nın aynı yeteneklere sahip hızlı sürümü, listede 480P, 720P ve 1080P için saniye başına $0.068, $0.14 ve $0.28.

Varsayılan resolution 1080P, yani bu alan olmadan giden istek 1080P'den ücretlendirilir: 5 saniye için $1.00, 720P'de $0.50. Ses açık da kapalı da aynı fiyata geliyor ve varsayılan olarak açık.

Beş klibimiz 720P'de 30 saniye, liste fiyatıyla $3.00 ve indirimle $2.10. Modelleri karşılaştırmak için Kling 3.0 vs Wan 3.0 yazısına, OmniaKey'in güncel tarifeleri için Wan 3.0 model sayfasına bakın.

Bu promptları API ile çalıştırma

Bu istek 2. klipteki bisikletçi promptunu gönderiyor, plan satırları JSON dizesi içinde \n olarak duruyor ve Idempotency-Key sabit:

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. Yanıt 202 ve bir görev kimliği.
2. https://api.omniakey.com/v1/media/tasks/{id} adresini aynı kimlikle sorgulayın ve progress.percent yerine status üzerinde döngü kurun, çünkü klip işlenirken yüzde 0'da kalabilir. Kliplerimiz 2.5 ile 5.5 dakika sürdü: sorgulamaya devam edin ve yeniden göndermeyin, çünkü aynı Idempotency-Key ve aynı gövde aynı görevi döndürür ve iki kez ücret alınmaz.
3. Klibi assets[0].url adresinden indirin, bu yaklaşık bir saat geçerli imzalı bir bağlantıdır; süresi dolarsa yenisini almak için tekrar sorgulayın.

Görselden videoya için operation alanını image_to_video yapın ve kareyi input.media içine type first_frame olarak, HTTPS adresi veya data URI biçiminde gönderin, tüm istek en fazla 1 MiB olsun ve prompta "Image 1 is the first frame." ile başlayın. Daha hızlı kademe için wan3.0-video-prime gönderin. OmniaKey'de iptal edilen bir Wan 3.0 görevi işlenmeye devam eder ve başarılı olursa ücretlendirilir, çünkü Wan 3.0'ın sağlayıcı tarafında iptali yok. Wan 3.0 model sayfasından başlayın ve video API belgelerine bakın.

Sık sorulanlar

Wan 3.0 promptu ne kadar uzun olabilir?

API 20,000 karaktere kadar kabul ediyor, her Çince karakter veya harf bir sayılıyor ve fazlası hata vermeden kesiliyor. Alibaba önerilen uzunluk yayımlamıyor; bizim beş promptumuz 398 ile 670 karakter arasındaydı.

Wan 3.0 olumsuz promptları destekliyor mu?

wan3.0-video için negative_prompt alanı yok; olumsuzlar prompt metninin sonundaki kısa bir liste. 5. klip "No other text" olmasına rağmen vitrine ikinci ve daha küçük bir "OPEN LATE" tabelası ekledi, o yüzden istediğiniz camı da anlatın.

prompt_extend kapatılmalı mı?

prompt_extend varsayılan olarak true ve bir LLM promptu üretimden önce yeniden yazıyor, bu kısa promptlara yardım ediyor ve gecikme ekliyor. Alibaba uzun ve yapılı promptlarda kapatılmasını söylemiyor, biz de açık bıraktık ve 2. klip yine de 2.97 sn ile 5.97 sn'de kesme yaptı.

Wan 3.0 tek promptla 30 saniyelik video yapar mı?

duration 2 ile 30 saniye arasını kabul ediyor, yani bir prompt 30 saniyeyi doldurabilir. Alibaba'nın uzun örnekleri 2–5 saniyelik planlarla kuruluyor ve 2. klip 10 saniyeye böyle ulaştı.

Wan 3.0 promptları Çince yazılabilir mi?

Evet. API Çince ve İngilizce promptları kabul ediyor ve sınır her Çince karakteri bir sayıyor. Biz kendi promptlarımızı İngilizce yazdık.

Güncelleme kaydı

• 28 Ekim 2026: ilk sürüm, beş prompt 27 Ekim 2026'da çalıştırıldı.