参考生成视频

建立小而一致的参考集合

每份素材都应负责身份、服装、道具、环境、运动或声音中的一个方向，关键细节冲突时先删除次要素材。WAN3 最多接收 20 个混合参考：10 张图片、5 段视频和 5 段音频；Wan 2.7 最多接收 5 个图片或视频参考。

• 身份参考：脸部、轮廓或产品形状。
• 外观参考：服装、材质、配色或表面细节。
• 环境参考：地点、光线与空间关系。
• 运动参考：节奏、动作或镜头行为。
• 声音参考：只有镜头确实需要声音方向时再加入。

上传前先解决参考素材冲突

逐项比较身份、颜色、比例、光线和机位。如果两份素材给出相反答案，应保留更重要的一份，而不是期待模型自行融合。第一轮测试中，没有明确职责的参考应先移除。

上传前确认素材要求

混合参考中需要音频，或输出希望扩展到 30 秒时选 WAN3；需要单独首帧或参考声音来引导 2–10 秒结果时选 Wan 2.7。WAN3 含参考视频时，原视频向上取整后的时长与输出时长之和不能超过 30 秒。

对比时长、清晰度与积分

积分由所选模型、清晰度、时长和参考素材决定，工作台会在生成前显示总额。

提示词重点写关系、动作与机位

参考素材已经负责外观，因此提示词应说明谁出现在画面、发生什么、镜头怎样观察，以及哪些特征必须稳定。第一轮只安排一个场景和一个主要动作，之后每次只替换一份参考或一条指令。