Wan 3.0 與 Kling 4.0：AI 影片製作比較

Wan 3.0 和 Kling 4.0 都能生成最長 30 秒的影片。Wan 支援最多 20 個參考素材，並能讀取文件和網頁；Kling 則提供最多 10 張關鍵影格來引導畫面進程。如果專案從各類素材開始，可以考慮 Wan；如果已有分鏡，並想控制特定畫面節點，可以考慮 Kling。

要把比較結果轉成製作計畫，DomoAI 也提供讓產品照片動起來、結合多種參考素材生成影片、製作說話人物，以及放大選定片段等流程。每個步驟都應依鏡頭需求來選擇。

Wan 3.0 與 Kling 4.0 重點比較

只有在確實需要更多相關素材時，較高的參考數量上限才有價值。同樣地，只有場景需要更多時間，較長的片段才有用。這兩個數字都無法單獨說明成片是否能清楚傳達想法。

哪些情況適合考慮 Wan 3.0

Wan 公布的功能包含參考素材輸入、文件與網頁解析，以及影片編輯。如果起點是一組資料，而非已完成的分鏡，就值得研究它是否適合。

假設要為一盞陶瓷檯燈製作上市影片。需求資料包含產品照片、介紹材質的頁面、房間參考圖，以及簡短的氛圍說明。這些輸入各有用途：有的定義物件外觀，有的建立場景，另一些則解釋要傳達的訊息。

Wan 文件列出的輸入能力與這類需求有關，但你仍須決定哪些細節最重要。產品頁可能包含尺寸、多種顏色，以及與目標場景無關的生活情境照片。要先指出使用哪一盞燈，以及想製作什麼畫面。

Wan 官網展示參考素材數量上限與單次生成時長。

上傳前先為每個素材指定用途，是很實用的準備方式：

• 主體辨識： 必須保持可辨識的產品、人物或角色。
• 場景： 房間、風景或背景。
• 視覺外觀： 光線、配色或材質處理。
• 動作： 片段中會發生的事。
• 背景資訊： 理解需求所需的資訊。

為素材分配用途，有助於避免提供同一主體的互相矛盾版本。

如果選擇 Wan 只是因為它最多可用 20 個素材，理由就不夠充分。簡單的產品亮相鏡頭，可能只需要一張清楚的產品照片和簡潔指令。這類圖片轉影片流程可以使用 DomoAI 的 AI 圖片轉影片工具，透過提示詞描述動作與鏡頭移動，讓產品照片動起來。只有能說清楚鏡頭需求的額外參考，才值得加入。

修改前，先分清楚要做的是局部調整，還是建立新場景。「保留檯燈，改變牆面顏色」與「把檯燈移到完全不同的房間」是不同需求。如果都當成小幅修正，就很難判斷工具是否完成了原本的任務。

哪些情況適合考慮 Kling 4.0

如果已經知道畫面事件的先後順序，Kling 4.0 的關鍵影格控制就很有參考價值。關鍵影格指定影片需要到達的畫面狀態，模型再生成各狀態之間的動態。Kling 的多關鍵影格指南說明，可使用最多 10 張圖片設定這些節點。

以檯燈為例，可以規劃三個狀態：安靜房間裡尚未點亮的燈、一隻手伸向開關，以及檯燈照亮牆面。每個狀態都有不同作用。參考素材描述物件與場景，關鍵影格則描述進程。

參考素材數量代表可提供多少來源資料；關鍵影格數量則代表能在時間軸上設定多少個畫面節點。

Kling 官網上的 Kling 4.0。

實際要問的是：這些畫面狀態是否已經準備好？如果有，關鍵影格能更明確地表達順序。如果只有大致氛圍、尚未製作分鏡，可能要先準備圖片，才能用好這項控制。

不要把每張關鍵影格都當成全面改動的指令。如果每個節點的鏡頭角度、背景、服裝和物件位置都不同，製作難度會比同一場景中的單一動作高得多。

分鏡也要區分連續鏡頭與剪接。攝影機繞著靜止檯燈移動是一種轉場；從房間全景切到開關特寫則是另一種。應明確描述這個意圖，不要期待模型只看圖片順序就理解剪接語言。

Kling 4.0 的關鍵影格控制，適合列入產品亮相、示範和敘事節點的候選方案。如果產品亮相鏡頭已有明確的起始與結束畫面，DomoAI 的 多幀轉影片 可透過 ByteDance 的 Seedance 2.0，使用首尾影格製作影片。先選好這兩張構圖，再描述產品或鏡頭如何在其間移動。

四項需要結合情境理解的規格

單次生成時長與影片延長

單次生成時長，是一次任務產生的影片長度。延長功能則是在現有片段後增加內容。模型單次可生成 30 秒，並不代表開發計畫中出現延長功能後，就能稱為單次生成兩分鐘。

Kling 的發布公告把最長延長至兩分鐘，以及 10-bit HDR 輸出列為即將推出的功能。規劃流程前，先確認目前使用的介面是否已提供。

安排鏡頭時，選擇能容納動作的最短時長。五秒的產品旋轉與一段對話，時間需求並不相同。只是為了用滿額度而拉長前者，未必會讓它更有用。

聲音與對話

Wan 的功能總覽提到整合式音效設計。Kling 的指南則明確列出雙聲道立體聲音訊。

如果場景有台詞，要說清楚誰在說話、確切台詞，以及聲音來自畫面中的人物還是旁白。產品鏡頭則要決定需要開關聲、室內環境音、音樂，還是安靜無聲。

確認選用的平台入口提供所需的音訊設定。某個平台有靜音模式，不代表底層模型無法生成聲音。如果成品重點是一位說話的介紹者，而非完整場景，DomoAI 的 數位化身 可以把人像與上傳的語音或文字轉語音音訊配對，進行 AI 唇形同步。產品介紹或解說影片可採用這種以說話照片為主的流程。

解析度與視覺品質

解析度描述圖片或影片影格的尺寸，無法衡量手部動作是否合理、產品是否維持形狀，或運鏡是否符合需求。

比較匯出選項時，也要確認標示尺寸是生成結果本身的尺寸，還是額外放大後的尺寸。這是製作流程中不同的步驟。

如果交付有特定輸出尺寸要求，應在實際使用的模型與介面中確認設定。DomoAI 的 影片放大工具（Video Upscaler） 可以在獨立的後續步驟中，把選定片段放大至最高 4K。放大前先檢查動作、產品形狀與文字；影格變大，不代表這些細節就正確。

參考上限與一致性

參考數量上限是輸入額度，不是一致性分數。同一物件的多個視角，可以幫助說明外觀；互相衝突的多個版本，反而可能讓目標結果變得不明確。

以檯燈來說，補一張背面照片可能有助於描述形狀。但另一盞燈在漂亮房間裡的照片，可能讓模型混淆主體與場景。應說明每張圖片的哪個部分用來引導影片。

這也會改變「更好」的意思。需要多個產品角度的創作者，與需要最後一格符合既定構圖的人，重視的事情並不相同。

價格與使用入口也是選擇依據

可靠的價格比較，需要相同設定與明確的平台入口。訂閱點數、API 計費與第三方平台點數，是不同的計算單位。廣告標示的入門價格較低，不代表完成同一件成品的成本較低。

決定流程前，先在供應商介面確認所選設定的報價。如果也要估算 DomoAI 參考素材影片生成或數位化身片段的預算，可以查看 DomoAI 方案與 Credits，再確認每個任務的生成報價。應比較整段成片的成本，包括修改與獨立的放大步驟。

實際編列預算時，把模型版本、時長、解析度、音訊設定與報價一起記錄。只要其中一項改變，就把新報價視為另一組設定。

接著考慮生成以外的工作。準備參考圖、製作分鏡、修正結果及完成剪輯，都需要時間。能減少特定準備工作的功能，可能比首次生成費用的小幅差距更重要。

常見問題

如何讓主體移動，但鏡頭保持不動？

分開描述攝影機設定與主體動作。可以嘗試：「固定機位中景。人物抬起一隻手，攝影機的位置與構圖保持不變。」移除環繞或推近等互相衝突的指令；若使用 Kling 4.0 關鍵影格，各影格的構圖也要符合固定鏡頭的要求。

如何讓產品標籤保持清楚可讀？

從標籤清晰可見的高畫質參考圖開始，並規劃讓標籤朝向鏡頭的畫面；除非已準備其他側面的參考，否則避免要求完整旋轉。檢查整段影片的文字。如果成品要求包裝完全準確，應預留在影片編輯器中合成已核准產品圖稿的步驟。

如何讓同一角色在多個鏡頭中保持一致？

重複使用同一組角色參考，並在每段鏡頭描述中保持服裝、髮型與辨識細節一致。Kling 4.0 用參考素材引導角色外觀、用關鍵影格引導畫面進程，生成前應確認兩者相符；DomoAI 的 Seedance 2.5 角色一致性指南 則說明如何在全方位參考中準備及重複使用角色參考。把相鄰片段放在一起檢查，較容易看出單獨觀看時不明顯的變化。

如何避免反覆修改消耗 Credits？

生成前先準備參考圖與鏡頭計畫，從一個明確動作開始，確認報價並設定修改預算。如果結果不符合需求，每次只改一項指令或參考素材，才能判斷哪個調整有效。記錄每次嘗試的提示詞、設定與費用。

在 DomoAI 中用參考素材製作影片

要用多個素材製作 AI 產品影片、角色場景或短篇故事，DomoAI 的全方位參考可以結合圖片、影片與音訊輸入。可選擇 ByteDance 的 Seedance 2.5，或 MiniMax 的 H3 模型。為每個參考指定具體用途，例如產品辨識、場景或動作，讓提示詞說清楚這些輸入如何搭配。

操作路徑：AI Video → Omni Reference → 模型選擇器，即 AI 影片中的全方位參考。使用上傳區加入圖片、影片或音訊參考。這張 Chrome 截圖選用 Seedance 2.5，畫面中的上傳額度屬於該模型。

依需要的片段長度與輸出尺寸選擇模型：

先從交付成品倒推需求。單一產品亮相可能只需一個鏡頭；短篇故事則需要有明確開頭、動作與結尾的連續段落。組合片段前先規劃鏡頭，具體方式可參考 Seedance 2.5 短片製作流程。

以檯燈為例，寫一份簡短說明，交代確切產品、房間、動作與預期的最後一格。選擇時長及輸出設定符合交付要求的模型，加入相關參考素材，並在生成前查看顯示的 Credits 報價。

開啟 DomoAI 全方位參考，上傳參考素材，描述想製作的動作。選好時長與輸出設定，再確認 Credits 報價後生成。