把完整剧本交给模型，听起来省去了很多准备。问题是，一份剧本里包含的，并不全是眼前这个镜头需要的内容。
本文内容（4节）
阿里云在2026年8月7日关于万相3.0公开测试的文章中，介绍更长片段、多模态参考与延长方向，并谈到文档、网页等内容输入。这让素材的入口扩大了，也让输入的层级更值得分清。
剧本交代的是整体故事，人物资料说明的是身份与设定，镜头则只发生在某个时间、某个空间。模型能够接收这些材料，不代表它已经替创作者决定本镜应该看到什么。
资料太少时，模型需要补充；资料很多时，又需要选择。一个后面才出场的人物、一件属于其他场景的道具，都可能在完整资料里存在。当前镜头是否需要它们，仍然是叙事问题。
单段时间变长，也没有改变这一点。三十秒可以容纳更多变化，却不一定应该承载更多信息。一个需要停顿的情绪，如果被接连发生的动作填满，片段可能很热闹，人物却更难被理解。
所以，拆剧本的作用不只是迁就工具时长。它让创作者决定观众何时知道一件事，哪些信息暂时不出现，哪里应该切换视角。即使模型有一天能够读取整份资料，这些选择仍然有价值。
一份完整资料，应该拆出几种层级
例如一个旧书店故事，完整材料里可能有店主的身世、书店平面关系、整集对白和几张风格图。当前要拍的却只是“店主看到顾客递来的旧照片，认出了背面字迹”。本镜真正需要的是人物外观、柜台位置、照片正反面以及认出的反应，其他材料只提供背景。
可以把资料整理成“始终有效”和“本镜需要”两层。前者包含角色标准、场景规则和整体画风；后者写清现在谁在场、拿着什么、从哪一状态开始、结尾让观众知道什么。这样即使工具能读整份文档，你也能明确告诉它当前任务的重心。
能读文档，和已经替你做好导演工作，是两回事
万相3.0的发布介绍提到网页、PDF和演示文稿等输入。当前百炼使用文档进一步列出了文生视频、首帧、首尾帧、全模态参考、编辑和延长等任务。模型可以接受的材料更多，意味着你可以少做一些格式搬运；但哪些信息应进入镜头、出现顺序是什么，仍需要有人作决定。
假设有一份介绍古城夜游的二十页资料，里面包括路线、建筑历史、商户介绍和活动时间。直接交给模型，可能得到一段“看起来像宣传片”的视频；如果目标是讲一位修灯人赶在开街前点亮城门，你就需要筛出与人物目标相关的内容。资料里有十座建筑，不代表每一座都应占一个镜头。
比较实用的准备方式，是先给资料做一页任务说明：影片给谁看、希望观众记住什么、哪些名称必须准确、哪些段落只作背景。再挑与本次镜头有关的页面，而不是让所有资料以同等重要程度参与生成。输入容量增加后，筛选的价值反而更大。
把剧情信息变成可见变化
“店主想起往事”是一句可以写进剧本的意思，却还不是明确的画面。观众可能通过手突然停住、视线从照片移向顾客、说话前的短暂停顿理解它。选择哪种表达，关系到景别、时长和后续剪辑，不能只交给模型自由补充。
先做一份镜头安排，可以把这段拆成递照片的双人中景、照片背面的细节、店主的反应。若希望一镜完成，也要说明注意力怎样从递物转向表情。镜头数量不是重点，重点是关键信息有没有一个观众能看懂的落点。
较长片段还会放大信息排序的问题。顾客说完一句话后，店主是否先看照片再回答？照片上的秘密什么时候出现？若顺序错了，视频可能看起来连贯，故事却提前泄露或失去悬念。多给几秒钟，不会自动修复叙事顺序。
一份长剧本，可以拆成怎样的生成任务
先从场景开始拆，不急着按字数平均切块。一场戏至少需要知道地点、在场角色、人物想做什么、阻碍来自哪里，以及结束时状态怎样变化。然后再决定景别：城门全景交代环境，灯罩近景交代故障，人物中景表现修理，点亮后的远景完成结果。每个镜头都有信息任务，才不会把长剧本压缩成几张气氛海报。
对同一条镜头，可以保留三层说明。第一层写不可缺少的信息，例如灯必须在结尾亮起；第二层写实现方式，例如固定机位、人物先调整灯座再后退；第三层才写可讨论的风格，例如偏暖灯光与夜色对比。若所有文字都堆成一段，修改风格时很容易误动故事条件。
需要更长段落时，先判断它是动作连续，还是故事连续。人物从街口走到城门可以是同一个动作段；从黄昏准备到深夜点灯，则可能需要时间跳跃。模型支持更长输出，不等于这两种关系应该用同一种镜头连接。该剪切时仍然可以剪切，不必为了展示长生成而牺牲叙事。
文档与网页输入也有实际边界。百炼说明相应页面需要无需登录即可访问；私有资料不能只贴一个自己浏览器能打开的地址。正式使用前，先确认模型确实读到了需要的内容，再讨论后续视频是否忠实于它。对专有名词、活动日期等关键信息，仍应逐项核对。
参考资料之间，也需要做一次对表
角色板写店主穿深色围裙，场景图里却出现另一个穿西装的人；剧本文字说深夜，风格图却是正午阳光。每份资料独立看都能用，合在一起却没有统一答案。输入前先清理这些冲突，通常比生成后再追问“为什么不听话”更可控。
网页和文档也可能携带与你的任务无关的内容。例如文档中旧版角色设定尚未删掉，或网页正文之外还有推荐材料。真正用于生成的部分应当明确标出，尤其要保护没有授权公开的剧本与客户资料，先核对所用入口的数据处理说明。
这次公开测试展示了更丰富的输入方向，但它没有让前期整理失去价值。对个人创作者而言，可以先用少量、清楚、不冲突的材料做一段可复查的镜头，再决定是否把更多资料纳入流程。模型能读多少，与项目应该交给它什么，仍然是两道不同的题。
这条公开测试消息可以看作创作输入范围的扩展，不宜直接解释成整部作品已经可以省去拆解。更多材料让模型有机会理解得更充分；把故事讲清楚，则仍需要知道此时此刻应该用到哪一部分。
同一个模型名，素材角色仍然不能乱填
百炼当前文档明确区分了素材类型。first_frame用作起始画面，last_frame用作结束画面，reference_image则是参考图片。首尾帧模式与全模态参考的组合规则并不相同，不能因为都写在一个模型文档里，就认为所有类型可以随意混用。
这对漫剧最直接的影响，是角色板的放置位置。组合参考板可以说明脸、发型和服装，但若要用首帧启动镜头，应准备一张已经包含本镜场景、站位与动作起点的画面。把有多个视角的人物板放进首帧槽，再要求它“忽略白底，直接开始剧情”，会把两份职责揉在一起。
多模态任务还要给每份素材一个明确作用。比如第一张图提供修灯人的外观，第二张图说明城门结构，视频只借用缓慢上升的机位，音频用于声音参考。提示词中把对应关系讲清楚，能让你在结果不对时找到需要修改的材料，而不是把所有文件重新上传一遍。
长材料先压成一份“镜头用信息”
可以把二十页资料改写成三栏：必须准确的事实、需要被看见的事件、只用于帮助理解的背景。第一栏交给校对，第二栏进入分镜，第三栏不必全部展示。这样模型读到的材料与创作者希望观众接收的内容有了区别。
若成片漏掉关键事件，先检查它有没有明确进入镜头任务；若出现不应展示的背景，检查资料说明有没有划定用途。能读更多材料以后，信息筛选仍然决定作品讲什么。
资料来源与延伸阅读
- Alibaba Cloud Community：Alibaba Unveils Wan3.0 with Twice as Long Video Outputs from a Richer Variety of Inputs
- 百炼：万相3.0视频生成使用指南
资料复核：2026年11月4日。文中的自拟情节、演算与检查方法用于教学；产品能力以对应版本的公开说明为依据，未将文档核对写成账号实测。