如何製作你真正想要的短影片

你腦海中的片段通常很具體：一個人、一張桌子、一個動作。但生成的結果往往是一張不同的臉和不同的盤子。

本教學將專注於單一範例，讓每個步驟都有明確的參考對象——一位美食創作者在鏡頭前進食，畫面明亮且為特寫，這正是許多美食 ASMR 影片的典型風格。首先是一顆硬糖，接著是一隻蝦。這樣的佈局是刻意緊湊的。臉部、手部和食物都位於同一個畫面中，因此你可以透過一次播放來判斷咬合動作是否自然呈現。

Wan 3.0 是驅動該畫面的模型。在 Movmix 上，它位於 Video 選項下。實際上，它接收一張靜態圖片並生成接下來幾秒的動畫。官方表示，與舊版 Wan 模型相比，单次運行可生成更長的影片——約 30 秒——解析度可選 480p、720p 或 1080p。部分設定也會輸出聲音；如果你的頁面上有相關開關，請酌情使用。你不需要選擇最高規格。5 秒鐘的 720p 影片足以判斷這個咬合動作看起來是否像她。

從一張能支撐起片段的靜態圖片開始

如果靜態圖片本身模糊不清，進食特寫鏡頭就會失敗。先確保畫面構圖正確，再讓 Wan 3.0 使其動起來。

在此範例中，桌面必須同時呈現三個要素：她的臉、一碗糖果（或一盤蝦），以及靠近嘴邊的麥克風或碗。缺少任何一項，模型就會透過猜測來填補空白。僅呈色塊的糖果會變成「一口顏色」。如果手部遮住半張臉，下一幀可能會變成另一個人。

使用手機拍攝的照片或你在網站上已生成的靜態圖片。測試標準很普通：特徵清晰、可見糖粒結晶、採用廚房自然光——而非電影級的主燈照明。

當該檔案看起來沒問題時，開啟 Video。

讓 Wan 3.0 驅動畫面

上傳靜態圖片。選擇 Wan 3.0。提示詞僅描述咬合動作：糖果送入口中、碎裂聲，或許還有輕輕點頭。頭髮、襯衫和桌子已在圖片中。若再次描述它們，可能會導致模型引入第二個人物。

若要切換至海鮮主題，請拍攝或生成一張她手中拿著蝦的新靜態圖片，然後上傳該檔案。不要試圖用一句話將糖果變成蝦。

每次運行僅執行一個動作。咬合加上笑聲再加上轉動碗，這些複雜動作會導致嘴部和手部首先出現模糊變形。Wan 3.0 擅長將現有畫面推進幾秒，但不擅長在同一指令中同時改變道具、表情和攝影機角度。

如果這不是您想要的片段

換臉：保持臉部不變，刪除關於外貌的形容詞。


 糖果消失：使用糖果較大的靜態圖，並只寫「一顆糖果」。


 多出一隻手：縮小動作幅度。


 突兀的電影光效：移除 cinematic、moody、film 等詞彙。


 看起來不像在吃：加入 bites（咬）和 cracks（碎裂聲/紋路）。不要寫 make it ASMR。

保持模型和五秒靜態圖不變。僅修改一行提示詞。不要切換引擎，也不要試圖在同一次生成中延長片段。

常見問題

Wan 3.0 的用途是什麼？

 適用於只需幾秒動態的近景靜態圖。例如麥克風前的食物、舉向鏡頭的產品，或頭部的輕微轉動。

為什麼是五秒？

 這個長度足以看清臉部和手部動作。先確保這段效果良好，再將較長的官方支援時長用於後續的第二個節奏。

一定要是食物嗎？

 不需要。這裡以吃东西為例，是因為錯誤容易顯現。您自己的靜態圖也遵循同樣順序：先有圖片，再有一個動作。

我需要很長的提示詞嗎？

 不需要。不要重複描述靜態圖中已呈現的內容。過多的形容詞是導致臉部變形漂移的常見原因。

聲音怎麼辦？

 如果頁面有聲音開關，可以嘗試開啟一次。如果沒有，請將其視為純影像處理，稍後再添加音訊。

我可以使用別人的进食片段作為靜態圖嗎？

 請使用您擁有使用權限的照片。

開啟Video，上傳糖果靜態圖，選擇 Wan 3.0，並生成五秒片段。在請求生成下一個版本前，先檢查這一口咬下的效果。