Wan 3: 30 Sekunden KI-Video in einer Einstellung mit Ton

In geschlossenen TestsBisher bestimmten vier Grenzen, wie du gedreht hast: die Cliplänge, verformte Anatomie, Ablehnungen und stumme Videos.Diese Version beseitigt alle vier.30 sEine Einstellung, ohne Schnitte1080p1920×1080 · 30 fpsTonErzeugt vom Modell selbstKeinerInhaltsfilterWeniger Artefakte/Mehr brauchbare Aufnahmen/Leichter zu steuern

Generiert mit Wan 3.0

Dreißig Sekunden, ein einziger Bildausschnitt und Audio, das das Modell selbst geschrieben hat

Null Schnitte, eine komplett feste Kamera und Audio, das das Modell zeitgleich mit dem Bild erzeugt: nichts von Hand gewählt oder nachträglich synchronisiert.

Ton an: Darum geht es hier

Was ist Wan 3?

Wan 3.0 ist das neue Videomodell von Alibaba Tongyi Lab, gemacht für 30 Sekunden durchgehendes Material in einer Einstellung, mit nativem Audio und ohne Inhaltsfilter.

Es ist der nächste Schritt der Wan-Familie, die in ZenCreator bereits das unzensierte Video antreibt, und die Änderung liegt darin, die Qualität über die ganze Dauer zu halten. Frühere Modelle erzeugten kurze Fragmente, die verkettet werden mussten, und ein Körper in Bewegung zerfiel irgendwo dazwischen; deshalb wagte sich niemand an lange Nahaufnahmen.

Daraus ergeben sich zwei Dinge. Der Clip muss nicht mehr stückweise montiert werden, und er kommt nicht mehr stumm: Das Modell schreibt den Soundtrack im selben Durchgang wie das Bild. Beides wird weiter unten genauer erklärt.

Umstieg

Was ändert sich, wenn du schon im Spice-Modus drehst?

Wan 3.0 fängt nicht bei null an: Es führt deinen bestehenden Workflow fort und beseitigt die Grenzen, die dich zu Abkürzungen zwangen.

Beispiel für Wan 3.0: Frau im warmen Lampenlicht, die Art langer Nahaufnahme, bei der frühere Modelle die Hände verloren

Von Wan 2.7 / Spice

Länger und sauberer

Dreißig Sekunden statt kurzer Fragmente. Der Körper zerfällt nicht mehr mitten in der Bewegung, dein gewohnter Ansatz kostet dich also keine endlosen Wiederholungen mehr.

Beispiel für Wan 3.0: von einem Fenster beleuchtete Szene, genau wie im Prompt beschrieben umgesetzt

Von Seedance 2.0

Eine andere Verständnisebene

Der Prompt wird präziser interpretiert und die Szene so umgesetzt, wie sie geschrieben steht, du brauchst also weniger Versuche bis zu einer brauchbaren Aufnahme.

Beispiel für Wan 3.0: liegende Pose im violetten Licht, Anatomie und Proportionen bleiben während der ganzen Bewegung stabil

Von Seedance 2.5

Dieselben Sekunden, mehr Freiheit

Dieselbe Dauer, aber mehr Präzision bei Körpern und Posen, keine Ablehnung expliziter Szenen und mehr Eingabearten.

Wo du den Unterschied merkst

Was bringt dir Wan 3.0 in der Praxis?

Vier Dinge ändern sich, und jedes beseitigt einen Workaround, den du heute brauchst.

01 — Körper und Anatomie

Hände, Finger, Gelenke, Rückenkrümmung und Körpergewicht in Bewegung. Hier scheiterten frühere Modelle, und das fällt zuerst bei langen Nahaufnahmen auf.

02 — Keinerlei Inhaltsfilter

Keine Ablehnungen und keine Euphemismen. Die Szene wird genau so generiert, wie du sie beschreibst, beim ersten Versuch und nicht bei der dritten Umformulierung.

03 — Einfache Steuerung

Prompts bis 5.000 Zeichen, Dauer in jeder ganzen Sekundenzahl und wählbares Seitenverhältnis, nichts versteckt in einem Experten-Panel.

04 — Mehr Eingaben

Bis zu zehn Bilder, fünf Videos und fünf Audiodateien gleichzeitig, oder ein Start- und ein Endframe, wenn die Szene von einem Punkt zum anderen führen muss.

Warum sind 30 Sekunden in einer Einstellung wichtig?

Weil eine durchgehende Einstellung die zwei Dinge beseitigt, die ein KI-Video verraten: den Schnitt und die langsame Verformung danach.

Fünf-Sekunden-Fragmente zu verketten bedeutet, dass jede Verbindung eine Stelle ist, an der sich das Gesicht ändert, das Licht springt oder der Stoff anders ist, und das im Schnitt zu kaschieren frisst die Stunden. Eine durchgehende Einstellung hat keine Verbindungen zu verstecken, und Wan 3.0 kombiniert sie auf Wunsch mit einer komplett festen Kamera: Der Bildausschnitt bleibt ruhig, und das Motiv trägt die Bewegung, der schwierigste Fall für jedes Videomodell und der schnellste Weg, eine Fälschung zu erkennen.

Die Dauer lässt sich auf jede ganze Sekundenzahl setzen, eine Neun-Sekunden-Version für ein Reel kostet dich also eine Zahl in einem Feld, keinen Gang durch den Editor.

Und außerdem

Enthält Wan 3.0 wirklich Ton?

Ja: Das Modell schreibt seinen eigenen Soundtrack für die gezeichnete Szene, erzeugt zusammen mit dem Bild und nicht nachträglich ergänzt.

Beispiel für Wan 3.0: Totale eines Innenraums, in dem Schritte, Atmen und Raumklang mit dem Bild erzeugt werden

Schritte, Atmen, Ambiente, Musik

Da das Audio im selben Durchgang wie die Frames entsteht, klingt der Schritt, wenn der Fuß den Boden berührt, nicht eine Drittelsekunde später. Kein Suchen in Soundbibliotheken und kein Angleichen von Hand.

Wie schreibt man einen Prompt für eine 30-Sekunden-Einstellung?

Beschreibe eine durchgehende Handlung, keine Abfolge von Einstellungen. Eine 30-Sekunden-Einstellung ist eine Kamera und ein Motiv, ein Prompt, der wie ein Drehbuch aussieht, arbeitet also gegen das Modell. Schreibe, was das Motiv von der ersten bis zur letzten Sekunde tut, in der Reihenfolge, in der es geschieht.

Nenne die Kamera ausdrücklich im Prompt. Sag, dass die Kamera fest ist, wenn du sie fest willst. Sonst erfinden Modelle gern eine langsame Bewegung, und diese Bewegung lässt eine lange Einstellung instabil wirken.

Investiere die Zeichen in den Körper, nicht in Adjektive. Bei 5.000 Zeichen sind die nützlichen Details Haltung, Gewichtsverteilung, wo die Hände sind und wie sie sich bewegen. Genau das hält das Modell jetzt, und ein generischer Prompt verschenkt die Verbesserung.

Beschreibe den gewünschten Ton. Der Soundtrack entsteht aus demselben Prompt, die Klangumgebung zu nennen (Regen an einem Fenster, ein stiller Raum, ein fröhlicher Track) ergibt also eine passende Mischung statt einer Standardmischung.

Nutze Referenzen für die Identität und den Prompt-Text für die Bewegung. Du kannst bis zu zehn Bilder und fünf Videos gleichzeitig hochladen. Lass sie festlegen, wer die Figur ist und wie der Ort aussieht, und nutze den geschriebenen Prompt für das, was passiert.

Wann solltest du ein anderes Modell wählen?

Wan 3.0 ist für lange, durchgehende, unzensierte Szenen gedacht. Manche Aufgaben bleiben Sache anderer Modelle.

Kurzversionen für Social Media zu geringsten Kosten: Ein Fünf-Sekunden-Clip mit Wan 2.7 Spicy reicht, ohne für eine Dauer zu zahlen, die du kürzt.
Präzise Choreografien von Start- und Endframe über eine Serie von Einstellungen: Kling 2.1 ist um diese Kontrolle herum gebaut.
Standbilder statt Bewegung: Nutze Wan 2.7 in Text-to-Image, statt einen Frame aus einem Video zu ziehen.

Wann wird Wan 3.0 in ZenCreator verfügbar sein?

Wan 3.0 ist in geschlossenen Tests. Es erscheint neben den anderen Videotools, in derselben Oberfläche, mit demselben Konto und gemeinsamem Generierungsverlauf: nichts Neues zu lernen und nichts zu migrieren.

Funktionen und Zugangszeitpunkte können sich während der Tests noch ändern. Alles auf dieser Seite beschreibt das Modell so, wie es sich heute in den geschlossenen Tests verhält.

Video Generator öffnen→Wan 3.0 erscheint hier, sobald die Tests enden; die Tools, die du schon nutzt, bleiben genau, wo sie sind.

Häufige Fragen

Wie lang kann ein Wan-3.0-Video sein?

Bis 30 Sekunden in einer durchgehenden Einstellung, ohne Schnitte oder Verbindungen. Die Dauer lässt sich auf jede ganze Sekundenzahl setzen, kürzere Clips sind also genauso einfach.

Erzeugt Wan 3.0 automatisch Ton?

Ja, und er entsteht im selben Durchgang wie das Bild, wird also nicht nachträglich angepasst. Beschreibe einfach die Klangumgebung im Prompt, um ihn zu lenken.

Ist Wan 3.0 unzensiert?

Ja: Vor dem Modell liegt kein Inhaltsfilter, explizite Szenen werden also nicht abgeschwächt, umgeschrieben oder abgelehnt, bevor sie es erreichen.

Welche Auflösung bietet Wan 3.0?

1920×1080 bei 30 Frames pro Sekunde, mit wählbarem Seitenverhältnis.

Wie viele Referenzdateien unterstützt Wan 3.0?

Bis zu zehn Bilder, fünf Videos und fünf Audiodateien in einer Generierung. Du kannst auch einen Start- und einen Endframe vorgeben, wenn die Szene von einem definierten Anfang zu einem definierten Ende führen muss.

Wie schlägt sich Wan 3.0 im Vergleich zu Wan 2.7 Spicy?

Wan 2.7 Spicy erreicht höchstens 15 Sekunden; Wan 3.0 schafft volle 30 in einer Einstellung und hält die Anatomie während der Bewegung, statt sie zu verformen. Beide erzeugen Audio, und beide laufen ohne Inhaltsfilter.

Kann ich Wan 3.0 heute nutzen?

Noch nicht: Es ist in geschlossenen Tests. Es kommt neben den aktuellen Videotools in ZenCreator; bis dahin ist Wan 2.7 Spicy das fähigste unzensierte Videomodell der Plattform.

Quellen

Wan (Alibaba Tongyi Lab): offizielle Modell-Website, wan.video
Ankündigung und Spezifikation der geschlossenen Tests von Wan 3.0, internes Dokument von ZenCreator, August 2026.
Dokumentation der ZenCreator-Plattform: Video Generator

Wan 3.0