下面 3 条视频都是 Wan 3.0 Prime（wan3.0-video-prime）一次生成的：一条文生视频、一条带同步声音的文生视频、一条用参考图锁定主体的参考生视频。每条都附完整提示词、请求参数和价格，点「用这个提示词生成」会打开模型页并自动填好提示词。3 条都是 480P、5 秒，每条 $0.4375，合计 $1.3125。
Prime 的提示词有什么不一样
- 听得懂镜头和动作。 dolly-forward、180-degree orbit、slow push-in 这类词真的会控制镜头。一堆名词（「一只猫、一条街、霓虹」）是浪费；一句有导演意图的话，才能得到有导演感的镜头。
- 能出声音。
audio默认开启，模型会按画面配上环境声、音效和轻音乐；设为false就是无声视频。 - 能吃参考图。 文字只能描述一类东西（「一只陶瓷狐狸」），参考图能锁定一个具体的东西。传了图，Prime 动的就是那一个，不会每次都重新发明一个。
1. 产品美食镜头（文生视频）
A single scoop of pistachio gelato in a frosted coupe glass on a pale marble
counter; slow 180-degree orbit as a bead of condensation slides down the glass,
soft window light from the left, shallow depth of field, warm late-afternoon
tones, faint steam curling from an espresso cup just behind in soft focus.
用这个提示词生成 →（5 秒、480P、16:9、关声音）
wan3.0-video-prime，480P，5 秒，16:9，关声音，$0.4375。
句子顺序就是模型读一个镜头的顺序：主体、镜头运动、一个主角细节、光线方向、景深、色调。「slow 180-degree orbit」只给一个明确的运镜，「一滴水珠顺着杯壁滑下」只给一个小动作，真实感就来了。写明光从左边来、浅景深，背景才会是干净的虚化而不是一团杂乱。产品和美食镜头都能套这个结构：一个主体、一个运镜、一个小动作。
2. 带同步声音的氛围镜头（文生视频）
这一条记得打开声音：雨声、远处车流和烤炉的滋滋声都是按画面生成的。
Rain streaking down a narrow neon-lit alley at night; a slow dolly-forward past
steaming street-food stalls, magenta and cyan reflections rippling in the wet
pavement, a tabby cat darting between crates mid-shot. Ambient sound: steady
rain, distant traffic hiss, the sizzle of a grill and a low synth drone.
用这个提示词生成 →（5 秒、480P、16:9、开声音）
wan3.0-video-prime，480P，5 秒，16:9，带声音，$0.4375。
写声音是一门单独的手艺：先写画面，再单独加一句「Ambient sound:」，列出 3–4 个具体的声音层次：一个持续的底（雨声）、一个远处的层（车流）、一个近处的音效（烤炉）、一个音调层（合成器低音）。只写「电影感音效」得到的是一团糊；把层次点名，模型才有东西可混。画面部分同样只给一个运镜（slow dolly-forward），再加一个会动的主体（猫），画面有生气又不乱。
3. 锁定主体（参考生视频）
这是 Prime 的拿手好戏。只写文字，每次都会重新造一个主体；传一张参考图，就锁住了。下面先准备一张陶瓷狐狸摆件的图，放进 reference_image_urls，视频里动的就是这只狐狸：同样的釉色、同样的围巾。
参考图：
生成结果：
Bring the referenced ceramic fox figurine to life: it slowly turns its head
toward camera, blinks, and tilts with a curious expression; subtle idle
breathing, a light breeze stirring the tiny scarf, soft studio key light on a
clean seamless backdrop, smooth loopable motion.
用这个提示词生成 →（上传你的参考图，5 秒、480P、9:16、关声音）
wan3.0-video-prime，参考图，480P，5 秒，9:16，关声音，$0.4375。
完整请求：
{
"model": "wan3.0-video-prime",
"input": {
"prompt": "Bring the referenced ceramic fox figurine to life ...",
"resolution": "480P",
"duration": 5,
"aspect_ratio": "9:16",
"audio": false,
"reference_image_urls": [
"https://static.hiapi.ai/blog/wan3-0-video-prime-prompt-recipes/recipe-3-reference-fox.jpg"
]
}
}
有了参考图，就别再描述主体长什么样，把篇幅都用来「导戏」。提示词开头写「Bring the referenced … to life」，让模型知道图是主体的依据，后面全写图里没有的动作：转头、眨眼、呼吸、风吹围巾。「smooth loopable motion」让首尾更容易接成循环，9:16 直接出竖版。参考图要选主体干净、光线好、背景简单的；背景杂、主体多的参考图，一致性最容易丢。
一个能反复用的骨架
上面三条提示词其实是同一个骨架：
- 主体：一个清楚的主角（传了参考图就写「the referenced …」）。
- 镜头：只给一个运镜（环绕、推进、跟拍），不要三个。
- 动作：一两个真正在动的小东西，有生气但不乱。
- 画面：光线方向、景深、色调。
- 声音（可选）：单独一句「Ambient sound:」，点名几个声音层次。
换掉名词，保留结构。
用 API 复现
curl -X POST https://api.hiapi.ai/v1/tasks \
-H "Authorization: Bearer $HIAPI_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "wan3.0-video-prime",
"input": {
"prompt": "A single scoop of pistachio gelato in a frosted coupe glass on a pale marble counter; slow 180-degree orbit",
"resolution": "480P", "duration": 5, "aspect_ratio": "16:9", "audio": false
}
}'
返回 data.taskId 后，用 GET /v1/tasks/{taskId} 查到 status 为 success，从 output[0].url 下载，这是临时链接，要及时保存。完整接入看 Wan 3.0 Prime API 中文教程。
多少钱
- 480P 每秒 $0.0875：5 秒 $0.4375
- 720P 每秒 $0.18：5 秒 $0.90
- 1080P 每秒 $0.36：5 秒 $1.80
用 480P 调提示词，定稿后把 resolution 改成 720P 或 1080P 重跑一次，提示词不用改。注意 resolution 默认是 1080P。不需要 Prime 的速度的话，Wan 3.0 标准版 wan3.0-video 每秒更便宜。详见 Wan 3.0 Prime API 价格。
常见问题
Prime 真的能出声音吗？
能。audio 为 true（默认）时会返回带同步音轨的视频，设为 false 就是无声。第 2 条就是开声音生成的。
一条最长多久？
duration 是 2–30 的整数，费用随时长线性增长。
支持哪些分辨率和画幅？
resolution 是 480P、720P、1080P（要大写）；aspect_ratio 可选 adaptive、16:9、4:3、1:1、3:4、9:16。
怎么让同一个人物或产品在多条视频里保持一致？
用 reference_image_urls 传参考图，提示词写动作不写外观。
为什么我的草稿看起来有点糊？
因为是 480P，这是故意用来打草稿的便宜档。提示词定了再把分辨率调到 720P 或 1080P。
挑一条最接近你需求的提示词，去模型页生成第一条，然后换掉名词。
