Wan KI: Alibabas Videomodell — was Wan 3.0 kann

Was ist Wan KI

Wan ist Alibabas Familie von Videomodellen. Bekannt ist sie für zwei Linien: offene Modelle, die du herunterladen und selbst betreiben kannst, und Cloud-Flaggschiffe.

Wan 2.1 und Wan 2.2 hat Alibaba auf GitHub und Hugging Face unter der Apache-2.0-Lizenz veröffentlicht. Wan 2.2 erschien am 28. Juli 2025: Mixture-of-Experts-Architektur, Modelle für Text-zu-Video, Bild-zu-Video, Sprache-zu-Video und Figurenanimation. Das kleinere Wan 2.2 TI2V-5B erzeugt 720p mit 24 fps und läuft auf einer Grafikkarte der RTX-4090-Klasse.

Wan 3.0 ist das Cloud-Flaggschiff. Alibaba startete zuerst eine Beta und öffnete am 24. August 2026 die API für alle. Gleichzeitig erschien das schnellere Wan 3.0 Prime. Das vorherige Wan 2.7 schaffte bis zu 15 Sekunden – Wan 3.0 hat die Länge verdoppelt.

Was Wan 3.0 kann

30 Sekunden in einer Generierung. Wan 3.0 erzeugt bis zu 30 Sekunden mit 30 fps und schlägt anhand des Prompts selbst eine passende Länge vor. Innerhalb eines Clips kannst du mehrere Einstellungen beschreiben – das Modell fügt sie mit gemeinsamem Ton zusammen.

Ton und Sprache. Wan 3.0 erzeugt Dialoge der Figuren, Geräusche der Szene und Hintergrundmusik ohne separate Vertonung. Alibaba verspricht natürliche Sprache in mehreren Sprachen und eine einheitliche Stimme pro Figur im Clip.

Bis zu 20 Referenzen. Neben Text nimmt das Modell Bilder, Videos, Audio und – erstmals bei Wan – Dokumente und Webseiten an: doc, xls, ppt, pdf, txt, key, pages, numbers, md, eine Datei bis 100 MB und 50 Seiten. Bis zu 5 Audioclips mit zusammen bis zu 15 Sekunden geben Musik oder Stimme vor – so entstehen Tänze im Takt und Lippensynchronität.

Bearbeiten ohne Neugenerierung. In einem fertigen Clip kannst du Bild, Handlung oder Dialoge ändern, ohne alles neu zu erzeugen.

Hochformat-Clips für Social Media und Werbung: 9:16 wird genauso eingestellt wie Querformat.

Wan-Versionen

	Wan 2.2	Wan 2.7	Wan 3.0
Erschienen	28. Juli 2025	vor Wan 3.0	24. August 2026
Länge	kurze Clips	bis 15 s	bis 30 s
Auflösung	480p, 720p	–	480p, 720p, 1080p
Ton	separates Speech-to-Video-Modell	–	zusammen mit dem Video
Offene Gewichte	ja, Apache 2.0	nein	nein
Platz bei Arena (21.09.2026)	42 (A14B)	–	6 von 48

Wofür sich Wan eignet

• Kurze Geschichten und Stories – 30 Sekunden und mehrere Einstellungen in einer Generierung.
• Clips aus einem Dokument. Lade eine Präsentation oder eine Produktbeschreibung hoch – Wan 3.0 übernimmt den Inhalt daraus.
• Tänze und Musikclips – eine Audio-Referenz gibt den Rhythmus vor.
• Werbeclips im Hochformat mit Produkt und Ton.
• Eigene Infrastruktur. Die offenen Wan 2.1 und 2.2 laufen auf deinem eigenen Server ohne API-Kosten.

Wan und Alternativen

	Wan 3.0	Seedance 2.5	Hailuo (MiniMax H3)	Gemini Omni
Entwickler	Alibaba	ByteDance	MiniMax	Google
Länge	bis 30 s	bis 30 s	4–15 s	3–10 s, verlängerbar bis 40
Auflösung	bis 1080p	vom Entwickler nicht angegeben	bis 2K	bis 4K
Ton	ja	ja	Stereo	ja
Referenzen	bis 20, inkl. Dokumente	bis 50	bis 12	Fotos und Videos
Platz bei Arena	6	7 (2.5)	8	1–2

Wan 3.0 und Seedance 2.5 sind die beiden Modelle mit 30 Sekunden pro Generierung. Wan punktet mit Dokumenten als Input und dem Preis, Seedance mit der Zahl der Referenzen. Wenn du 2K oder 4K brauchst, schau dir H3 und Gemini Omni an.

Wie man Prompts für Wan schreibt

• Einstellungen ausformulieren: „Shot 1: Totale … Shot 2: Halbnahe … Shot 3: Großaufnahme …“ – so dehnt Wan nicht einen Moment auf 30 Sekunden.
• Dialoge in Anführungszeichen und mit Angabe, wer spricht.
• Ton in eine eigene Zeile: „Sound: Zuggeräusch, knirschender Schnee, leises Klavier“.
• Länge passend zum Inhalt. Verlang keine 30 Sekunden für eine einzige Aktion: Wan schlägt die optimale Länge selbst vor.
• Text im Bild kurz halten. Alibaba räumt ein, dass Schriftzüge noch nicht immer exakt gelingen.

So nutzt du Wan in AI2Face

Wan ist im AI2Face-Generator verfügbar, ein Alibaba-Cloud-Konto brauchst du nicht. Du kannst einen Prompt auf Wan, Seedance, Hailuo und Gemini Omni laufen lassen und die Ergebnisse vergleichen. Die Kosten jeder Generierung siehst du vor dem Start, bezahlt wird per Karte oder Krypto, und Credits aus Paketen verfallen nicht. Neue Konten bekommen nach der Registrierung Startguthaben.

Einschränkungen

• Ton und Schriftzüge. Alibaba schreibt offen, dass Klangtextur und Textgenauigkeit im Bild noch verbessert werden.
• Bis 1080p. 2K und 4K bietet Wan 3.0 nicht.
• 30 Sekunden sind teuer. Ein 1080p-Clip dieser Länge kostet in der API 6 $ – teste die Idee zuerst mit 5–8 Sekunden in 480p.
• Wan 3.0 ist geschlossen. Herunterladen lassen sich nur Wan 2.1 und 2.2.

Fazit

Wan 3.0 erzeugt einige der längsten Clips aller Videomodelle 2026: 30 Sekunden mit Ton in einer Generierung, Platz 6 bei Arena und die seltene Fähigkeit, ein Video aus einem Dokument zu machen. Nimm es für Geschichten, Stories und Werbung, bei denen Länge und Ton zählen; für 2K Hailuo H3, für maximale Qualität Gemini Omni. Wenn du eigene Infrastruktur brauchst, sind die offenen Wan 2.1 und 2.2 weiterhin die beste kostenlose Wahl. In AI2Face steht Wan neben allen anderen Modellen bereit.