Wan-3.0-Prompts: Kohärente 30-Sekunden-Videoskripte schreiben

Ein guter Wan-3.0-Prompt liest sich wie ein kompaktes Drehbuch, nicht wie ein Haufen visueller Adjektive. Definiere die Welt und das Motiv einmal, teile die Aktion in zeitgesteuerte Beats auf, gib der Kamera immer nur eine klare Aufgabe und schreib den Sound, den du wirklich willst. Diese Struktur wird wichtiger, je näher ein Clip an Wan 3.0s 30-Sekunden-Grenze rückt.^[1]

Dieser Wan-3.0-Prompt-Leitfaden konzentriert sich auf steuerbare Anweisungen statt auf „Zauberwörter". Keine Vorlage kann Identität, exaktes Timing, lesbare Texte oder physikalische Kontinuität garantieren. Sie kann aber Widersprüche beseitigen und eine fehlgeschlagene Aufnahme viel einfacher diagnostizierbar machen.

TL;DR

Beginne mit Format, Dauer und einer einsatzigen Intention.
Verriegele Motiv, Szenerie, Beleuchtung und Kontinuitätsregeln vor der Zeitleiste.
Gib jedem zeitgesteuerten Beat eine Hauptaktion und eine Kameraanweisung.
Benenne Referenzen nach Position: Image1, Video1, Audio1 auf der Prime API; Standard-Wan 3.0 verwendet seine dokumentierte Positionsreferenz-Syntax.
Beschreibe Dialogschrift, Ambience, Effekte und Stille explizit, wenn Audio aktiviert ist.
Überarbeite einen Fehler nach dem anderen, statt den gesamten Prompt zu verlängern.

Wan-3.0-Prompt-Anatomie von Intention und Welt zu getimten Beats, Kamera, Sound und finalem Bild

Die Wan-3.0-Prompt-Formel

Nutze fünf Blöcke. Sie brauchen keine Etiketten im finalen Prompt, aber sie beim Verfassen getrennt zu halten, macht Auslassungen sichtbar.

1. Intention: Format, Dauer, Seitenverhältnis und die Aussage des Videos
2. Welt: Szenerie, Zeit, Wetter, visueller Stil und Soundumgebung
3. Anker: wiederkehrende Personen, Objekte, Garderobe und nicht verhandelbare
   Details
4. Zeitleiste: geordnete Zeitbereiche mit Aktion und Kameraführung
5. Schutzvorrichtungen: was gleich bleiben muss und was nicht vorkommen darf

Die ersten drei Blöcke beschreiben die stabile Welt. Die Zeitleiste beschreibt, was sich ändert. Beide in jeden Satz zu mischen, erzeugt Wiederholung und schafft oft kleine Widersprüche: Der Mantel wird zur Jacke, die Morgenröte wird zum Sonnenuntergang, oder eine verriegelte Kamera beginnt zu rotieren mitten im gleichen Beat.

Stimme die Anzahl der Beats auf die Dauer ab

Ein Fünf-Sekunden-Clip kann eine Aktion tragen. Ein 30-Sekunden-Clip braucht Progression, aber nicht unbedingt ein Dutzend Schnitte. Gib jedem Beat genug Zeit, damit Motiv und Kamera das ausführen können, was du gefordert hast.

Dauer	Nützliche Ausgangsform	Typischer Prompt-Fokus
2–6 Sekunden	Ein Beat	Eine Aktion, eine Kamerabewegung
7–15 Sekunden	Zwei bis vier Beats	Setup, Aktion, Abschluss
16–30 Sekunden	Vier bis sieben Beats	Klare Progression mit Übergängen

Das sind redaktionelle Ausgangspunkte, keine Modellgrenzen. Ein stiller 30-Sekunden-Push durch einen leeren Raum braucht vielleicht nur eine durchgehende Anweisung. Ein schneller Produktfilm braucht vielleicht sechs kurze Beats. Der Inhalt bestimmt die Zahl.

Zeitbereiche kommunizieren auch Reihenfolge; sie sind keine framegenau festgelegten Schnittpunkte. Schreib 0–5s, 5–11s und 11–18s, um eine Abfolge zu zeigen, rechne dann damit, dass einige Bewegungen früher beginnen oder später enden. Wenn ein Schnitt auf genau einem Frame stattfinden muss, vollende die Zeiteinteilung in einem Video-Editor.

Ein kompletter 30-Sekunden-Wan-3.0-Prompt

Das folgende Beispiel ist bewusst spezifisch, ohne sich in Kamera-Jargon zu verlaufen. Es begleitet eine Person, einen Ort und eine physische Aufgabe durch den ganzen Clip.

Format: 30-sekündige dokumentarische Kameraeinstellung, 16:9, ein
durchgehender Morgen.

Szenerie und Tonalität: Eine kleine Küsten-Reparaturwerkstatt in der
Morgenröte. Kühles blaues Tageslicht dringt durch salzfleckige Fenster; zwei
warme Werkleuchten bleiben an. Natürliche, dezente Fotografie mit
abgenutztem Holz, oxidierten Werkzeugen, feuchtem Beton und keinem glänzenden
kommerziellen Styling. Ruhige Brandung draußen, sanfter Raumton, gelegentliche
Metallkontakte; keine Musik und kein Dialog.

Kontinuitätsanker: Dieselbe Frau in ihren späten Fünfzigern durchgehend,
kurzes silbernes Haar, dunkle Marineblaue Arbeitskleidung mit einem genähten
orangefarbenen Fleck, braune Arbeitsschuhe. Dieselbe rote mechanische
Gezeitenzeituhr bleibt auf der mittleren Werkbank. Bewahre ihre Kleidung,
Gesicht, Werkstattlayout, Uhrenform und Lichtrichtung vom Fenster unverändert.

0–5s: Breiter statischer Blick vom Eingang. Sie trägt die rote Gezeitenzeituhr
über die Werkstatt und stellt sie auf die mittlere Werkbank. Lass den Raum
sich etablieren, bevor die Kamera sich bewegt.

5–11s: Langsamer Push zu einer mittleren Einstellung, während sie die Rückseite
der Uhr öffnet. Ihre Hände bewegen sich vorsichtig; kleine Schrauben werden
in ein flaches Metalltablett gelegt.

11–18s: Over-the-Shoulder-Nahaufnahme. Sie reinigt ein korrodiertes Zahnrad
mit einer schmalen Bürste, dreht es einmal um, dann hält sie inne, als es
hängenbleibt. Ein sanfter Kratzer und ein einzelner Metallklick sind auf die
Bewegung synchronisiert.

18–24s: Sanfte Seitenbewegung zu ihrem Profil. Sie justiert das Zahnrad ein,
schließt den Mechanismus und dreht die Uhr aufrecht. Halte Werkbank- und
Fensterposition während der Bewegung konsistent.

24–30s: Mittlere Nahaufnahme. Die Uhrzeiger beginnt sich zu bewegen. Sie
hört zu, atmet aus und gibt ein kleines, privates Lächeln ab, während die
Kamera stehen bleibt. Beende auf der Uhr und ihrer Hand, die neben ihr ruht;
halte die finale Komposition zwei Sekunden.

Vermeide: Zusatzpersonen, Garderobenwechsel, sich bewegende Fenster, neue
Werkzeuge, dramatische Linsenschimmer, Untertitel, Logos, Erzählung oder
Hintergrundmusik.

Der Prompt hat einen Arc: tragen, öffnen, diagnostizieren, reparieren, bestätigen. Jeder Beat rechtfertigt seinen Platz. Wenn das Ergebnis stürmt, lösche eine Aktion, bevor du mehr Timing-Sprache hinzufügst.

Schreib Kameraführung als Verhalten, nicht als Dekoration

Kamerabegriffe helfen, wenn sie ändern, was der Zuschauer sieht. „Filmisch, episch, dynamisch" sagt wenig. „Langsamer Push von einer breiten Eintrittsblick zu einer Taille-hoch-Einstellung" definiert Position, Richtung, Tempo und Ziel.

Nützliche Kameraanweisungen enthalten normalerweise zwei oder drei dieser Elemente:

Bildausschnitt: breit, Mittel, Nahaufnahme, Vogelperspektive;
Bewegung: verriegelt, Schwenk, Fahrt, Push, Zurückziehen, Umlauf;
Geschwindigkeit: langsam, Schrittempo, plötzlich, still gehalten;
Beziehung: von hinten folgen, auf Augenhöhe bleiben, Produkt zentriert halten;
Endzustand: auf das Gesicht stoppen, den Raum enthüllen, letzte Komposition halten.

Vermeide, inkompatible Anweisungen in einem Beat zu stapeln. Ein verriegelter Stativ-Shot kann nicht gleichzeitig ein handheld-Schwenk machen. Eine Makro-Nahaufnahme kann nicht gleichzeitig eine Vollkörperansicht bewahren. Wenn beide Ansichten wichtig sind, gib ihnen getrennte Zeitbereiche.

Referenz-Prompts sollten Assets Aufgaben zuweisen

Wan 3.0 akzeptiert Referenzbilder, Videos und Audio, während seine Dokument- und Webseiten-Modi strukturiertes Quellmaterial verwenden können.^[2] Der Prompt sollte erklären, was jedes Asset kontrolliert, statt einfach alles Verfügbare anzuhängen.

Nutze Image1 für das Gesicht und Haar des Performers. Nutze Image2 nur für
den grünen Regenmantel und seine silbernen Verschlüsse. Nutze Video1 für
das Schrittempo, nicht für den Ort oder Kamerawinkel. Nutze Audio1 als
Stimm-Referenz für die einzelne Zeile bei 12–15 Sekunden. Bewahre die
Werkstatt vom Ersten-Bild-Bild.

Referenzanzahl ist kein Qualitätsziel. Zwei Bilder mit unterschiedlichen Aufgaben sind oft leichter zu überdenken als zehn Beinahe-Duplikate mit unterschiedlicher Beleuchtung und Garderobe. Entferne eine Referenz, wenn du den Satz „Nutze dies für…" nicht fertig machen kannst.

Frame-Modus und Referenz-Modus sind auch unterschiedliche Anweisungen. Ein erster Frame definiert, wo der Clip beginnt. Ein Referenzbild leitet Identität oder Aussehen, ohne diese genaue Öffnungs-Komposition zu versprechen. Wähle den Modus, bevor du die Bewegung schreibst.

Audio braucht seine eigene Zeile im Drehbuch

Wan 3.0 kann standardmäßig eine Audio-Spur generieren, aber eine visuelle Beschreibung gibt nicht an, ob die Szene Dialog, Musik, Effekte oder Stille enthalten soll. Schreib diese Wahlen deutlich.

Schwach:

Filmische Straßenszene mit immersivem Sound.

Stärker:

Natürliche abendliche Straßenambience: entfernte Busse, eine Fahrradklingel,
während der Fahrer an der Kamera vorbeifährt, leichter Regen auf der
Markise. Keine Musik, keine Erzählung, kein Dialog.

Für Dialog halte die Zeile kurz genug für die zugeteilte Zeit und identifiziere den Sprecher. Frage die emotionale Lieferung getrennt von den Worten an. Überprüfe das Ergebnis auf Aussprache, Lippensync, Übersteuerung, unerwünschte Sprache und einen Sound-Bed, der sich zwischen den Aufnahmen ändert.

Wie man einen Prompt nach einer schlechten Aufnahme korrigiert

Antworte nicht auf jeden Fehler, indem du Adjektive hinzufügst. Identifiziere die erste Stelle, wo die Ausgabe abwich, dann ändere den kleinsten relevanten Block.

Fehler	Erste Überarbeitung zum Versuchen
Identität driftet	Entferne widerstrebende Referenzen; kürze die Aufnahme; restate
ein Identitäts-Anker
Aktion ist gehetzt	Reduziere die Anzahl der Aktionen oder verlängere diesen Beat
Kamera ignoriert Richtung	Halte eine Bewegung und definiere ihren Start/End-Bildausschnitt
Objekte erscheinen oder verschwinden	Listet die notwendigen Objekte einmal auf und addiere einen
Kontinuitäts-Schutz
Audio ist generisch	Benenne Ambience, Effekte, Dialog, Musik und Stille getrennt
Ende fühlt sich unvollendet an	Reserviere die letzten zwei bis drei Sekunden für einen klaren
Endzustand
Text ist falsch geschrieben	Vermeide, kritische Typografie zu generieren; addiere überprüften
Text in Post

Änder eine Variable pro Wiederholung, wenn möglich. Wenn du Motiv, Zeitleiste, Kamera und Sound auf einmal umschreibst, lehrt dich eine bessere Ausgabe nichts darüber, welche Korrektur funktioniert hat.

Kosten spielen in dieser Schleife eine Rolle. Standard-Wan 3.0 beginnt gegenwärtig mit niedrigerem Pro-Sekunden-Satz als Video Prime, und 480P ist günstiger als 720P oder 1080P. Entwerfe kurze oder niederauflösende Versionen, bevor du dich auf eine 30-Sekunden-Finales festlegst. Siehe den Wan-3.0-API-Preisleitfaden für aktuelle Beispiele.

Eine kurze Checkliste

Bevor du einreichst, lies den Prompt einmal auf Widersprüche, nicht auf Details.

Ist die Dauer lang genug für jede Aktion?
Hat jeder Beat eine Haupt-Motiv-Aktion?
Kann die Kamera die Anweisung physikalisch ausführen?
Werden das wiederkehrende Motiv, die Garderobe und der Ort konsistent beschrieben?
Hat jede Referenz eine benannte Aufgabe?
Sind Dialog, Effekte, Ambience, Musik und Stille angegeben?
Ist die endgültige Komposition klar?
Hast du das Modell aufgefordert, Text oder Logos zu bewahren, die stattdessen in Post hinzugefügt werden sollten?

Wenn die Antworten klar sind, ist der Prompt bereit. Mehr Worte bedeuten nicht automatisch mehr Kontrolle.

FAQ

Wie lang kann ein Wan-3.0-Prompt sein?

Das reAPI-Request-Feld akzeptiert bis zu 20.000 Zeichen. Das ist eine technische Obergrenze, nicht ein Ziel. Ein prägnantes, widerspruchsfreies Drehbuch ist normalerweise leichter zu debuggen als ein langer Prompt, der dieselbe Idee wiederholt.

Sollte ein 30-Sekunden-Prompt Zeitstempel enthalten?

Normalerweise ja, wenn der Clip mehrere geordnete Aktionen enthält. Zeitstempel zeigen Abfolge und Tempo, sollten aber nicht als framegenau festgelegte Schnittpunkte behandelt werden.

Unterstützt Wan 3.0 negative Prompts?

Das aktuelle reAPI-Wan-3.0-Video-Schema stellt kein separates negative_prompt -Feld bereit. Gib wichtige Ausschlüsse in einer kurzen Avoid:-Zeile am Ende des positiven Prompts ein.

Kann derselbe Prompt auf Wan 3.0 Video Prime laufen?

Ja, das kreative Drehbuch überträgt sich. Die API-Nutzlast überträgt sich nicht unverändert: Prime und Standard-Wan 3.0 verwenden unterschiedliche Medien- und Seitenverhältnis-Feldnamen.

Wie viele Referenzen sollte ich nutzen?

Nutze so viele, wie das Drehbuch braucht, bis zu den dokumentierten Grenzen. Jede Referenz sollte eine unterschiedliche Rolle haben. Zusätzliche Beinahe-Duplikate können widersprüchliche Beleuchtungs-, Garderobeneraum- oder Kompositions-Hinweise einführen.

Fazit

Der nützlichste Wan-3.0-Prompt ist ein kleiner Produktionsplan: eine stabile Welt, ein geordneter Ereignisstrom, bewusste Kameraführung und expliziter Sound. Gib längeren Clips Raum zum Entfalten, halte Referenzen rollenspezifisch und überarbeite den ersten sichtbaren Fehler, statt den gesamten Prompt zu polstern. Wenn Schnelligkeit die Beschränkung ist, kann dasselbe Drehbuch über die Wan-3.0-Video-Prime-API laufen.

References

Alibaba Cloud. Wan 3.0: 30-Second AI Video Generation from Any Input. Retrieved August 26, 2026 from alibabacloud.com/blog/wan3-0-30-second-ai-video-generation-from-any-input_603452
reAPI. Wan 3.0 API documentation: input modes, media limits, duration, audio, and request fields. Retrieved August 26, 2026 from reapi.ai/docs/wan-3-0
Alibaba Cloud Model Studio. Wan 3.0 Video Generation: native 30-second output and omni-reference workflows. Retrieved August 26, 2026 from modelstudio.console.alibabacloud.com/model-releases/wan3.0-video