Wan 3.0：ComfyUI 带同步音频的视频生成

在 ComfyUI 中使用 Wan 3.0 合作伙伴节点，从文本提示、首帧图像或参考素材生成最长 30 秒、带同步音频的视频。

Wan万相 3.0 是阿里巴巴最新的视频生成模型，现可通过合作节点在 ComfyUI 中使用。它可以在单次生成中输出最长 30 秒的视频，并带有同步音频轨道，同时将文本提示与参考图像、视频和音频相结合，以实现一致的角色和场景。

Wan万相 3.0 的优势

• 最长 30 秒：单次即可生成动作连贯且包含音频的长片段
• 原生音频：默认情况下，每个输出都包含一条同步音频轨道
• 文本、图像和参考输入：支持纯文本提示词、首帧动画，以及最多 10 张参考图像、5 段参考视频和 5 段参考音频片段
• 参考标签：可直接在提示词中以 @Image1、@Video1 或 @Audio1 的形式引用连接式媒体
• 灵活的输出：支持 480p、720p 或 1080p 分辨率，并提供自适应、16:9、9:16、1:1、4:3 或 3:4 的宽高比
• WAN3-Prime 模型：model 选项还提供 wan3.0-video-prime，可按更高的每秒价格生成更高保真度的输出
• 双语提示词：支持使用英语或中文进行提示

示例输出

仅凭提示词即可生成文生视频，默认包含同步音频：

图生视频可将单张图像动态化为一个完整的视频片段：

参考生视频可根据参考图像，保持产品和角色的一致性：

[!TIP] 使用 API 节点需要保证你已经正常登录，并在受许可的网络环境下使用，请参考API 节点总览部分文档来了解使用 API 节点的具体使用要求。

[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。 > > 如果加载工作流时有节点缺失，可能原因有： > > 1. 你用的不是最新版（每夜版）。 > 2. 启动时有些节点导入失败。 > [tab] 云端用户 > > * Cloud 会在 ComfyUI 稳定版本发布后更新。 > > 所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。

Wan万相 3.0 文生视频工作流

仅凭文本提示词即可生成视频，默认包含同步音频。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开

[card] 下载工作流 下载 JSON，或在模板库中搜索“Wan 3.0”

提示词技巧

1. 时长：可设置为 2 到 30 秒，或设为 auto，让模型自行选择符合提示词的时长
2. 分辨率与比例：工作流默认以 720p 输出并使用 adaptive 比例；如需特定格式，可切换到 1080p 或固定比例（如 16:9）
3. 音频：音频默认生成。关闭 audio 选项即可生成静音视频
4. 提示词扩展：提示词增强默认开启，会重写你的提示词以获得更佳效果。如需精确措辞，可在高级设置中将其关闭

Wan 3.0 图生视频工作流

将单张图像动画化为视频，并可选择指定一个末帧作为输出的过渡目标。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开

[card] 下载工作流 下载 JSON，或在模板库中搜索“Wan 3.0”

<details> <summary>输入素材</summary>

下载此示例输入图像即可试用该工作流：

> [card] 首帧：beetle\_rider.png > > 工作流的首帧图像，也可以使用你自己的图像。 </details>

提示词技巧

1. 首帧：first_frame 输入为必填项。last_frame 输入为可选项，模型会生成两者之间的运动
2. 自适应比例：使用 adaptive 时，输出尺寸将跟随输入图像
3. 提示词：描述哪些元素如何运动，以及你想要的音频。除非你希望模型改变主体和构图，否则请保持它们不变

Wan 3.0 参考生视频工作流

以参考图像、视频和音频为条件生成视频，每个参考素材通过提示词中的标签分配职责。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开

[card] 下载工作流 下载 JSON，或在模板库中搜索“Wan 3.0”

<details> <summary>输入素材</summary>

下载这些示例输入图像即可试用该工作流：

> [card] 产品参考：vortex\_shoe.png > > 视频中产品的参考图像。

> [card] 角色参考：psss\_character.png > > 视频中角色的参考图像。 </details>

提示词技巧

1. 通过标签引用：在提示词中以 @Image1、@Video1 或 @Audio1 引用每个输入，按类型分别以输入顺序编号。示例提示词将鞋子设计分配给 @Image1，将角色分配给 @Image2
2. 限制：最多 10 张参考图像、5 个参考视频和 5 个参考音频片段。每个参考视频或音频片段不得超过 15 秒，且所有参考视频的合计时长也须保持在 15 秒以内（音频同理）。参考视频与输出的总时长不得超过 30 秒
3. 分配职责：明确说明每个参考素材控制什么（产品设计、角色身份、风格、动作、声音）以及必须保持不变的部分。明确的职责分配能产生更一致的结果
4. 必须提供提示词或参考：请提供提示词或至少一个参考输入，否则节点将返回错误

开始使用

1. 将 ComfyUI 更新为最新版本，或使用最新的 Comfy Desktop
2. 前往模板库，搜索 Wan 3.0
3. 加载三个工作流之一（文生视频、图生视频或参考生视频）
4. 使用你的 Comfy 账户登录，并确保你有足够的积分
5. 连接输入素材（首帧或参考图像）并运行

常见问题

[accordion] 什么是 Wan 3.0？ Wan 3.0 是阿里巴巴的最新视频生成模型，可在 ComfyUI 中通过合作节点使用。它可单次生成最长 30 秒的视频并同步生成音频，还支持文本提示、参考图像、参考视频和参考音频。

[accordion] Wan 3.0 可以生成多长的视频？ 每个片段最长 30 秒。时长输入支持 2 至 30 秒，或输入 auto 让模型选择符合提示的时长。

[accordion] Wan 3.0 会生成音频吗？ 会。默认情况下，每个输出都会包含一条同步音频轨道，对白、音效和音乐会与视频一起生成。如需静音视频，请关闭 audio 选项。

[accordion] Wan 3.0 可以使用参考图像、视频或音频吗？ 可以，在参考生视频工作流中支持。最多可连接 10 张参考图像、5 个参考视频和 5 个参考音频片段，然后在提示中以 @Image1、@Video1 或 @Audio1 的形式引用它们。

[accordion] Wan 3.0 与 Wan 2.7 有什么区别？ Wan 3.0 是阿里巴巴视频模型的最新一代。它扩展了多模态流水线，支持图像、视频和音频的参考标签，默认生成原生同步音频，并且每个片段最多可输出 30 秒。上一个版本请参阅 Wan 2.7 页面。

[accordion] Wan 3.0 支持中文提示吗？ 支持。提示输入支持英文和中文。