这次我们来看 Krea 上线 Wan 3.0 这件事。消息本身不复杂但两个能力点是实打实的单次生成最多可以给 20 张参考图用来锁角色和物体一致性单段视频最长能到 30 秒而且生成结果带音频——不是单纯的无声视频。对于从文生图、图生图切到视频生成的人来说这两点直接影响工作流怎么搭。先说结论Krea 是云端创作平台浏览器和 iOS 客户端都能用你不需要自己准备显卡而 Wan 3.0 本身是开源视频模型如果你想本地部署又是另一套流程。这篇文章会把两条路都写清楚云端怎么用、验证什么效果本地部署需要什么环境、启动怎么搞、显存怎么看、能不能接 API 做批量任务。适合看的读者做短视频素材、电商主图视频、分镜预演的人以及想在本地把 Wan 3.0 跑起来、接入自有工具的开发者。接下来按“规格速览 - 场景边界 - 环境准备 - 部署启动 - 功能测试 - API 与批量 - 性能观察 - 排错 - 最佳实践”的顺序展开。1. Krea Wan 3.0 核心能力速览Krea 本身是 AI 创作平台上线时主要做实时画布、图像生成和放大。这次接入 Wan 3.0 之后视频生成成为重点能力。核心规格整理如下能力项说明产品定位云端 AI 创作平台支持图像/视频生成本次接入模型Wan 3.0视频生成能力来自该模型参考图数量单次生成最多 20 张参考图生成长度单段视频最长约 30 秒音频能力生成视频带音频不是纯画面输出硬件门槛云端使用浏览器/iOS 即可本地部署 Wan 3.0需要 NVIDIA GPU显存具体以官方说明为准启动方式Web 端登录后进入视频生成界面本地走 ComfyUI 或 Diffusers 脚本APIKrea 官方是否对 Wan 3.0 开放 API需以官方文档为准本地部署可自建 API批量任务云端看账号套餐和并发限制本地可以用脚本批量调度适合场景创意预演、分镜参考、短视频素材试版、角色一致性测试表格里的信息来自公开报道和功能描述实际界面和参数以 Krea 当前版本为准。尤其是“20 张参考图”“30 秒带音频”这两个数字都是能力上限不等于每次生成都必须用满。2. 适用场景与使用边界先说适合谁。Krea Wan 3.0 这套组合适合三类人短视频创作者快速生成 20 到 30 秒的视频片段用来做脚本预演、背景素材、动态封面比直接剪辑省时间。电商和广告运营用同一商品或模特的 20 张参考图生成不同角度、不同场景的动态展示做投放测试。分镜和概念设计师不想只停在静态图需要动态预览但又不打算为最终成片投入全量渲染资源。它不适合什么场景也要说清楚。30 秒带音频是生成能力不是成片能力。最后要进正式发行的内容通常还需要剪辑、调色、音效混音和逐帧修复。复杂叙事、精确口型、多人长时间对话、指定商用音乐版权曲目这些要靠传统流程完成而不是直接交给生成模型。使用边界必须注意。上传参考图时如果图里包含真实人物、他人作品、品牌标识、IP 形象要确保你拥有使用权或已获得授权。生成声音的部分同样要谨慎不要用他人音色生成内容不要给生成的语音配上未经授权的歌曲或影视原声也不要用合成内容制造虚假信息。尤其是电商和内容平台发布发布前做好版权检查和效果复核能避免后续麻烦。3. 环境准备与前置条件使用方式不同准备的东西也不同。这里分两条路线说明。3.1 云端 Krea 使用前置条件如果你只是想在 Krea 上用 Wan 3.0前置条件比较简单能正常访问 Krea 官网的网络环境。注册 Krea 账号并准备好订阅套餐或生成点数。免费额度通常有限生成 30 秒音频视频消耗会明显高于短片段。浏览器建议使用最新版 Chrome、Edge 或 Safari。iOS 用户可以直接用 Krea 客户端但视频生成功能是否全部覆盖要看客户端版本。磁盘空间基本不用担心结果在云端生成下载到本地再占空间。3.2 本地部署 Wan 3.0 前置条件如果你准备在本地把 Wan 3.0 跑起来需要准备的东西就多了操作系统Windows、Linux 均可macOS 要看官方是否支持 GPU 加速。显卡NVIDIA GPU 是视频生成的主流选择。显卡驱动要装好CUDA 环境建议直接由 PyTorch 管理避免自己装错版本。Python建议使用 Python 3.10 及以上版本具体版本要求以 Wan 3.0 官方仓库要求为准。推理框架ComfyUI 或 Diffusers。社区工作流大多基于 ComfyUI 搭建。模型权重Wan 3.0 权重需要从官方发布的渠道下载通常体积不小。下载前先确认磁盘空间是否充足。端口ComfyUI 默认是 8188 端口如果被占用需要换端口。进入本地部署前先在终端跑一遍下面的检查命令确认环境基本可用nvidia-smipython --versionpip --versiondf -hnvidia-smi能看到显卡型号、驱动版本和当前显存占用。df -h看的是磁盘剩余空间视频模型权重和生成结果加起来占用不小预留空间再开始。4. 部署与启动云端 Krea 与本地 Wan 3.0 两条路4.1 Krea Web 端启动流程Web 端操作不复杂按下面步骤走登录 Krea进入视频生成或包含视频生成的创作页面。在模型列表里选择 Wan 3.0。不同区域、不同账号可能显示位置不一样找不到就到模型切换入口里翻一下。上传参考图。最多 20 张建议先传 5 到 10 张做小规模测试不要一上来就拉满。填写提示词说明主体、动作、镜头运动和环境。设置生成时长选择是否开启音频。第一次测试建议选择较短时长比如 5 到 10 秒先把流程跑通。点击生成等待任务完成。预览效果。满意就下载不满意就调整参考图或提示词再生成。云端的好处是不占用本地 GPU缺点是每次生成都在消耗点数或订阅额度。测试阶段尽量控制参数避免把额度浪费在无效尝试上。4.2 本地 ComfyUI 部署 Wan 3.0 通用流程本地部署需要一套完整流程。以下命令是通用模板具体路径和模型文件名以你下载的工作流为准。先克隆 ComfyUI 并安装依赖git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI python -m venv venv source venv/bin/activate pip install -r requirements.txtWindows 环境下激活虚拟环境的命令不同cd ComfyUI python -m venv venv venv\Scripts\activate pip install -r requirements.txt然后放置模型文件。Wan 3.0 权重放到ComfyUI/models/diffusion_models/或ComfyUI/models/checkpoints/具体放哪个目录取决于你导入的工作流如何引用模型。社区工作流通常会直接写模型文件名保持文件名一致可以减少导入后反复改节点的问题。启动 ComfyUIpython main.py --listen 127.0.0.1 --port 8188启动后浏览器打开http://127.0.0.1:8188。在页面里加载工作流 JSON选中 Wan 3.0 模型节点填入提示词和参考图路径再点击执行。这里要特别说明Wan 3.0 的音频生成是不是已经包含在社区工作流里取决于你下载的工作流版本。如果工作流只出视频没有音频节点需要额外找音频生成或音画合成的方案不能默认所有 ComfyUI 工作流都支持端到端“视频 音频”一次生成。5. 功能测试与效果验证本地部署或云端使用都要有一套可复现的测试方法。下面三个测试用例建议按顺序跑。5.1 测试一20 张参考图的一致性测试目的确认多参考图输入下主体外观是否稳定。输入素材同一人物或同一物品的 20 张图。图片最好覆盖不同角度、不同环境、不同光线但主体本身不要有太大变化。比如人物要固定发型、固定服装风格商品要固定型号和标识。提示词示例same character, walking across a neon city street, front view, cinematic lighting, wide shot操作步骤上传 20 张参考图。输入上述提示词。生成 5 到 10 秒的短视频。观察主体在不同帧里的五官、服装、姿态是否保持一致。判断标准主体无明显“身份漂移”。如果第 10 帧和第 200 帧看起来像两个人说明参考图处理还不够稳定。可以先用 10 张图测试再逐步增加到 20 张找出当前账号或本地环境下最稳定的数量。5.2 测试二30 秒带音频生成测试目的验证长视频和音频生成是否完整。输入提示词示例a quiet street in the rain, a person with umbrella walks toward camera, ambient rain sound操作步骤将生成时长设为 30 秒。确认音频开关已开启。点击生成。生成后检查视频总时长是否接近 30 秒是否有音轨声音和画面是否同步。判断标准视频能正常输出不是生成几分钟后中断。输出文件包含音轨播放时能听到环境音或人声。声音和画面匹配没有明显错位。30 秒生成是否稳定直接影响后续批量任务设计。如果 30 秒经常失败可以先降到 15 秒或 20 秒。5.3 测试三视频生成方式对比测试目的确认纯文本生成、单图生成、20 图生成之间的质量差异。生成方式输入预期结果文生视频只有提示词构图自由但主体细节不稳定图生视频1 张参考图主体更受控适合首帧固定20 图参考生成20 张参考图主体一致性最强参考素材准备成本也最高测试时使用同一个提示词固定分辨率分别跑三种方式对比主体还原度和画面稳定性。这个对比结果能直接决定你在真实项目中采用哪种输入策略。6. 接口 API 与批量任务思路Krea 官方是否对外提供 Wan 3.0 的生成 API需要看官方文档和账号权限。如果你的目的是把生成能力接进自己的工具链大致是异步任务模式提交任务、轮询状态、下载结果。下面给一个通用模板具体地址和字段以实际服务为准。6.1 通用异步生成 API 调用示例import requests import time API_BASE https://api.example.com/v1 HEADERS {Authorization: Bearer YOUR_TOKEN} payload { model: wan-3.0, prompt: a person walks through rainy street, 30 seconds, ambient sound, reference_images: [ https://example.com/ref/01.png, https://example.com/ref/02.png ], duration_seconds: 30, with_audio: True } response requests.post( f{API_BASE}/generate, jsonpayload, headersHEADERS, timeout30 ) task_id response.json().get(task_id) print(task_id:, task_id) while True: status_resp requests.get( f{API_BASE}/tasks/{task_id}, headersHEADERS, timeout30 ).json() status status_resp.get(status) if status in (succeeded, failed): print(status_resp) break time.sleep(10)注意上面代码是通用模板。真实接口可能叫/v1/videos也可能用job_id而不是task_id。接入前先抓一次接口文档或抓包看返回结构不要照搬字段。6.2 本地 ComfyUI 接口触发生成如果本地已经部署好 ComfyUI可以通过/prompt接口触发工作流。工作流 JSON 可以从 ComfyUI 页面右上角导出。import requests workflow { # 这里粘贴从 ComfyUI 导出的工作流 JSON } response requests.post( http://127.0.0.1:8188/prompt, json{prompt: workflow}, timeout30 ) print(response.json())6.3 批量任务设计批量任务最怕在第一步跑通前就并发开满结果所有任务一起失败。推荐这样设计用 CSV 记录每个任务的提示词、参考图路径、时长、音频开关。遍历 CSV每行提交一个任务。保存task_id到本地日志。每 10 到 20 秒轮询一次状态已成功的记录结果地址失败的记录错误信息。结束后统计失败任务修正后重试。批量任务的三个建议并发先设为 1确认稳定后再提高到 2 或 3避免云端限流。每次任务之间保留 2 到 5 秒间隔避免瞬间提交过多请求。日志里记录原始参数方便复现失败任务。7. 资源占用与性能观察资源占用是评估这个玩法能不能落地的关键。7.1 云端使用时的观察点云端生成时本地电脑主要消耗带宽和内存。打开浏览器开发者工具切到 Network 面板能看到生成任务的请求耗时和返回大小。如果浏览器标签页占内存过大关闭其他标签页再测。真正的计算资源在服务器端本地设备上看不到显存。你只能通过任务耗时、生成成功率来间接判断自己的套餐等级是否够用。7.2 本地部署时的显存观察本地跑 Wan 3.0重点看显存和内存。生成过程可以用下面的命令轮询显存状态watch -n 2 nvidia-smi也可以安装 gpustat输出更直观pip install gpustat gpustat -c生成任务开始后观察显存峰值出现的时间点。通常图生视频、增加参考图数量、提高时长、开启音频都可能让显存占用上升。具体数值没有一个统一答案不同显卡、不同量化版本、不同工作流差别很大。因此不要拿网上的显存数字直接套用以自己机器nvidia-smi显示为准。7.3 如何降低显存占用如果本地生成经常爆显存按以下顺序优化减少参考图数量先测试 1 张、5 张、10 张看显存和输出质量之间的平衡。降低分辨率和帧率本地测试用 480p 或 640p确认效果后再上高分辨率。降低时长先跑 5 秒不要一开始就冲 30 秒。使用量化版本社区通常会出量化权重显存能明显下降但画质可能有轻微损失。关掉后台程序浏览器标签、直播软件、其他训练任务都会占显存。7.4 端口和进程残留本地服务最常遇到端口占用。启动报错时先查端口netstat -ano | grep 8188找到占用 8188 的进程后可以换端口启动python main.py --listen 127.0.0.1 --port 8189批量任务跑完后检查是否有残留的 ComfyUI 进程避免下次启动时端口冲突。8. 常见问题与排查方法问题现象可能原因排查方式解决方案Krea 页面打不开或加载慢网络波动、浏览器缓存问题换浏览器、清理缓存、刷新页面更换网络入口或稍后重试上传参考图提示失败图片格式不支持、数量超限、单张过大检查图片格式和大小转为 PNG/JPG压缩后重传控制在 20 张以内生成后视频没有声音音频开关未开启、套餐不支持音频查看生成参数和账号权限开启音频选项或按套餐限制调整视频时长不足 30 秒生成中途失败、参数设置问题看任务状态和输出文件时长降低时长重试分段生成再做拼接音画不同步分段生成、后合音轨出现误差播放时记录不同步的位置缩短单段时长或者用剪辑工具重新对齐音轨本地 8188 端口打不开服务未启动、端口被占用查看终端日志、检查端口更换端口或重启服务本地生成提示显存不足分辨率、帧率、时长过高用 nvidia-smi 观察显存占用降低参数换量化权重关闭其他程序模型权重下载慢模型文件较大、下载源不稳定查看下载速度和磁盘空间使用官方推荐下载渠道错峰下载批量任务中途失败并发过高、单任务超时查看任务日志和 job 状态并发降到 1加超时重试逻辑角色一致性漂移参考图风格差距太大、数量过多或过少查看生成结果的连续帧统一参考图风格控制在 10 到 20 张之间调整这些排查项覆盖了绝大多数使用问题。遇到问题先看日志再看参数不要盲改。9. 最佳实践与使用建议9.1 先小参数跑通再上大任务第一次使用先做一个最小验证5 张参考图、5 秒时长、不开音频。流程跑通后再逐步增加参考图数量、时长、音频开关。这样能快速定位问题是出在参数上还是出在服务本身。9.2 参考图要统一20 张参考图不是越多越好。参考图之间的主体不一致反而会增加模型理解难度。建议统一为同一主体图片清晰度至少在 720p 左右角度覆盖正面、侧面、全身背景尽量干净。9.3 提示词要写清镜头和音频视频生成提示词和文生图不一样。除了主体还要写镜头运动和环境声。示例slow push in, subject standing in the center, rainy night street, realistic lighting, soft rain sound如果提示词里完全不提音频生成结果是否带声音就看模型默认行为不稳定。9.4 目录管理批量任务多起来后目录结构建议这样组织inputs/ refs/ 01.png 02.png prompts.csv outputs/ videos/ failed/ logs/ jobs.csvprompts.csv保存每个任务的参数logs/jobs.csv记录 task_id 和状态。失败任务有地方找才不会重跑到一半不知道上次跑到哪。9.5 接口和批量任务要加日志接 API 或跑批量任务时所有失败请求都要记录错误信息。最好把请求参数、返回状态、重试次数都写入日志。这样出了问题可以直接把日志发给开发或服务商不用重新复现。9.6 合规和授权不要绕过去涉及到真实人物的参考图要获得对方授权。涉及到品牌商品要确认是否有展示和商用权限。涉及到声音和音乐不要用未经授权的音色和曲目。生成内容如果准备发布或商用发布前用户最好再做一次人工复核确认不包含虚假信息、侵犯隐私或侵权的素材。10. 总结与下一步Krea 上线 Wan 3.0最值得先验证的是两件事20 张参考图的一致性控制以及 30 秒带音频生成的实际可用度。前者决定你能不能把固定角色和商品放入不同场景后者决定你能不能把生成片段直接当短视频素材用。最容易踩的坑有三个第一参考图不统一导致角色漂移第二本地部署时显存估算不足第三批量任务并发开太高导致整批失败。建议按“最小参数测试 - 逐步加量 - 再接入批量任务”的顺序来推进。如果你只做内容预览和创意测试Krea 云端够用如果你要自建工具链、把 Wan 3.0 接进自己的生成服务本地 ComfyUI 加脚本批量调度是更可控的路线。接下来可以进一步做三件事在本地测试 Wan 3.0 不同量化版本的显存和画质把 20 张参考图的稳定性跑出自己项目的边界数据再把 API 和批量任务接进现有的内容生产流程。建议收藏备用等实际使用的时候对照着验证一遍。