Wan 3.0

Wan 3.0是什么

Wan 3.0 是阿里云 Wan 视频生成模型系列的新一代模型，面向 AI 视频创作、广告、影视、设计、游戏及内容生产等场景提供视频生成能力。

模型采用 All-in-One 的统一视频生成方式，可以根据不同输入和任务自动匹配相应的视频生成能力，无需针对不同创作任务切换多个模型。当前支持文本、图片、视频、音频、文件和网页链接等输入，并能够生成最高 1080P、最长30秒的视频。

Wan 3.0 的一个重要特点是将视频画面与声音生成结合起来。生成的视频可以包含对白、背景音乐和音效，并支持角色、物体、空间关系以及声音等内容的一致性表现。

Wan 3.0核心功能

Wan 3.0文生视频

输入文字提示词即可生成视频。

用户可以描述人物、场景、动作、镜头、环境以及故事发展等内容，由模型根据文本生成完整视频。

单次生成最长支持30秒，并支持多镜头叙事。

Wan 3.0图生视频

可以将图片作为视频生成的起始画面，根据文字描述让静态图片转化为动态视频。

支持首帧控制，也支持首尾帧控制，可用于角色动画、产品展示、场景转场等创作。

Wan 3.0参考生视频

支持使用参考图片、参考视频和参考音频进行视频生成。

当前单次请求最多支持10张参考图片、5个参考视频以及5个参考音频，其中参考视频和参考音频总时长均有相应限制。

Wan 3.0全模态参考

Wan 3.0 可以将不同类型的素材组合起来作为创作参考。

支持：

图片
视频
音频
文档
网页

官方产品页面展示的创作能力支持最多组合10张图片、5个视频和5个音频，同时可以使用文档和网页作为内容参考。

Wan 3.0文档生成视频

支持将 DOC、DOCX、XLS、XLSX、PPT、PPTX、PDF、TXT、Markdown 等文件作为输入素材。

模型可以理解文件中的内容，并将其转化为视频创作素材。

Wan 3.0网页生成视频

支持通过公开网页链接提供创作参考，让模型理解网页中的内容并用于视频生成。

文件和网页链接不能在同一个请求中同时使用。

Wan 3.0音视频同步生成

模型支持原生音视频生成，可以同步生成对白、背景音乐和音效。

这使视频生成从单纯的视觉内容生成进一步扩展到完整的视听内容制作。

Wan 3.0角色一致性

支持保持人物身份、动作、服装、声音以及场景等内容的一致性。

对于连续故事、广告和角色短片等场景，可以减少不同镜头之间人物形象发生明显变化的问题。

Wan 3.0视频编辑

支持视频编辑和视频延展，可以基于已有视频继续生成后续内容。

模型能够理解已有视频中的人物、环境和动作关系，并根据新的提示词进行内容扩展。

Wan 3.0首尾帧控制

可以分别指定视频的第一帧和最后一帧，由模型生成中间的动态过程。

该能力适合用于产品变形、场景转换、人物动作以及视觉转场等内容制作。

Wan 3.0多镜头叙事

支持在一次生成任务中完成连续的视频叙事。

通过更加完整的导演式提示词，可以描述镜头运动、人物动作、场景变化和故事发展，从而生成具有连续叙事结构的视频。

Wan 3.0多分辨率输出

支持：

480P
720P
1080P

视频最高支持1080P输出，帧率为30fps，输出格式为 MP4。

Wan 3.0多种画幅

支持多种视频比例：

16:9
4:3
1:1
3:4
9:16
Adaptive

Adaptive 模式可以根据输入素材自动匹配合适的画幅。

Wan 3.0 API

提供视频生成 API，可以将 Wan 3.0 的视频生成能力集成到第三方应用、网站、内容生产平台和企业业务系统中。

模型采用异步任务方式进行视频生成，开发者可以通过 API 创建任务，再根据任务 ID 获取生成结果。

Wan 3.0产品优势

全模态输入：支持文本、图片、视频、音频、文件和网页等多种输入。
最长30秒生成：单次生成最长支持30秒视频。
音视频一体化：支持画面、对白、音乐和音效同步生成。
参考一致性：支持人物、物体、场景和声音等内容保持一致。
多种创作方式：覆盖文生视频、图生视频、参考生视频、视频编辑和视频延展。
多分辨率输出：支持480P、720P和1080P。
多画幅支持：覆盖横屏、竖屏和自适应画幅。
API能力：可以直接通过 API 接入企业和第三方应用。
生产级应用：面向影视、广告、设计、游戏和内容生产等实际应用场景。

Wan 3.0应用场景

Wan 3.0短视频制作

可以根据文本、图片和参考素材快速制作短视频内容，适用于社交媒体、短视频平台和内容营销。

Wan 3.0广告视频

可以将产品图片、品牌素材和创意描述转化为广告视频，适用于产品宣传、品牌营销和电商内容制作。

Wan 3.0影视创作

支持最长30秒连续视频和多镜头叙事，可用于影视预告片、概念片、分镜验证和视觉创意开发。

Wan 3.0游戏内容制作

可以使用角色、场景和动作参考素材生成游戏宣传片、角色展示和剧情视频。

Wan 3.0电商视频

可以将商品图片和产品信息转化为产品展示视频、广告视频和 UGC 风格内容。

Wan 3.0数字内容创作

适用于动画、角色视频、视觉艺术、创意短片等数字内容制作。

Wan 3.0文档转视频

可以利用 PPT、PDF、Word 等资料作为创作参考，将已有信息转化为视频内容。

Wan 3.0网页内容转视频

可以将公开网页内容作为创作输入，用于内容介绍、产品展示和营销视频制作。

Wan 3.0企业AI视频应用

通过 API 将视频生成能力集成到企业内容生产系统、营销平台、设计工具和 AI 应用中。

Wan 3.0使用教程

第一步：进入Model Studio

第二步：选择创作方式

根据需求选择文本生成视频、图片生成视频、参考视频生成或其他视频创作模式。

第三步：输入提示词

描述视频中的人物、场景、动作、镜头运动、视觉风格和故事内容。

例如：

一名宇航员站在火星峡谷边缘，远处出现巨大的太阳风暴，镜头从远景缓慢推进到人物近景，电影级光影。

第四步：添加参考素材

根据创作需求上传人物图片、产品图片、参考视频、音频或者其他素材。

第五步：选择视频参数

选择视频分辨率、画面比例和视频时长。

目前支持480P、720P和1080P，视频时长支持2～30秒。

第六步：生成视频

提交任务后等待视频生成。

API 模式采用异步任务机制，视频生成通常需要一定处理时间。

第七步：查看和下载

生成完成后可以预览视频，并保存生成结果。

API 返回的视频 URL 有效期为24小时，需要及时保存视频文件。

Wan 3.0收费标准

Wan 3.0 按视频生成时长计费，不同输出分辨率对应不同价格。

当前 Model Studio 产品页面显示 Standard 版本限时优惠价格为：

480P：US$0.035/秒，原价 US$0.05/秒
720P：US$0.07/秒，原价 US$0.10/秒
1080P：US$0.14/秒，原价 US$0.20/秒

按照30秒计算，当前优惠价格分别约为 US$1.05、US$2.10和US$4.20。产品页面显示该优惠截至 2026年9月24日00:00（UTC+8），最终价格以 Model Studio 控制台实际显示为准。

需要注意，Alibaba Cloud 文档公布的是模型调用的原价，不包含限时促销。例如当前文档显示新加坡区域原价为：

480P：US$0.05/秒
720P：US$0.10/秒
1080P：US$0.20/秒

中国北京区域文档显示原价分别为 US$0.041256/秒、US$0.082513/秒和 US$0.165025/秒。不同区域的价格存在差异。

实际收费标准、促销价格、区域价格以及 API 调用费用以 Alibaba Cloud Model Studio 当前控制台显示为准。

Wan 3.0常见问题（FAQ）

Wan 3.0是什么？

Wan 3.0 是阿里云推出的全模态 AI 视频生成模型，支持文本、图片、视频、音频、文档和网页等多种输入。

Wan 3.0可以生成多长的视频？

单次生成最长支持 30秒。

Wan 3.0支持哪些分辨率？

支持 480P、720P和1080P。

Wan 3.0支持声音吗？

支持。模型可以原生生成对白、背景音乐和音效，实现音视频一体化生成。

Wan 3.0支持图片生成视频吗？

支持，可以使用图片作为首帧，也支持首尾帧控制。

Wan 3.0支持参考图吗？

支持，单次请求最多可以使用10张参考图片。

Wan 3.0支持视频参考吗？

支持，单次请求最多可以使用5个参考视频，参考视频总时长不超过15秒。

Wan 3.0支持音频参考吗？

支持，单次请求最多可以使用5个参考音频，参考音频总时长不超过15秒。

Wan 3.0支持PDF和PPT吗？

支持。可以将 DOC、XLS、PPT、PDF、TXT、Markdown 等文件作为输入素材。

Wan 3.0支持API吗？

支持。Wan 3.0 已提供视频生成 API，可用于第三方应用和企业系统集成。

Wan 3.0和Wan 2.7有什么区别？

Wan 3.0 在视频生成时长、全模态参考、音视频生成、角色和场景一致性等方面进行了升级，单次生成时间提高到30秒，并支持文档和网页等新的输入形式。

Wan 3.0有没有高速版本？

有。Wan3.0-Video-Prime 是 Wan 3.0 Video 的高速版本，在保持相应视频生成能力的同时重点提升生成速度。