Wan 3.0: Videos bis 30 Sekunden aus Text, Fotos, Audio und Dokumenten — was Alibabas Modell kann

Was ist Wan 3.0

Wan 3.0 ist Alibabas Flaggschiff-Videomodell aus der Wan-Familie. Anfang August 2026 öffnete Alibaba den Beta-Zugang, am 24. August die API für alle, ohne Antrag. Den Überblick über die Familie, einschließlich der offenen Wan 2.1 und 2.2, finden Sie auf der Seite Wan KI.

Alibaba nennt Wan 3.0 ein „All-in-one“-Modell. Ein Modellname deckt Generierung aus Text, aus Einzelbildern und aus Referenzen, Bearbeitung und Verlängerung ab: Wan erkennt die Aufgabe an den Dateien und an den Worten im Prompt.

Zusammen mit Wan 3.0 erschien Wan 3.0 Prime, eine beschleunigte Version mit denselben Funktionen.

In der Arena-Rangliste vom 21. September 2026 steht Wan 3.0 auf Platz 6 von 48 Videomodellen. Darüber liegen nur zwei Versionen von Gemini Omni, FLUX 3 Video aus der Familie FLUX 3, Grok Imagine Video 1.5 und Seedance 2.0.

Was Wan 3.0 kann

30 Sekunden in einer Generierung. Die Länge liegt zwischen 2 und 30 Sekunden bei 30 Bildern pro Sekunde. Stellen Sie die „smarte“ Dauer ein, wählt Wan selbst eine zur Handlung passende Länge. Für mehrere Einstellungen rät Alibaba, 4–6 Sekunden pro Einstellung einzuplanen und sie mit Timecodes auszuschreiben.

Ton von Anfang an. Dialog, Hintergrundmusik und Effekte entstehen zusammen mit dem Video. Der Ton ist standardmäßig an und lässt sich abschalten.

Bis zu 20 Referenzen. Wan 3.0 nimmt in einem Auftrag an:

Typ	Limit
Bilder	bis 10, jedes bis 20 MB
Video	bis 5, zusammen bis 15 s, jedes bis 100 MB
Audio	bis 5, zusammen bis 15 s, jedes bis 15 MB
Dokument oder Link	1 Datei (doc, docx, xls, xlsx, ppt, pptx, pdf, txt, md) oder 1 öffentliche Seite

Video aus einem Dokument. Laden Sie eine Produktpräsentation oder einen Bericht hoch und beschreiben Sie kurz den Tonfall — Wan 3.0 nimmt den Inhalt aus der Datei und setzt den Clip zusammen. Alibaba nennt Beispiele: Präsentation → Markenfilm, Bericht → gesprochenes Briefing. Die Datei darf bis 100 MB und 50 Seiten haben.

Bearbeitung eines fertigen Clips. Laden Sie ein Video hoch und schreiben Sie, was sich ändern soll: „ersetze“, „entferne“, „ändere in“. Objekt, Hintergrund oder Dialog lassen sich tauschen, ohne alles neu zu generieren.

Verlängerung. Auf „verlängere“ oder „setze fort“ schreibt Wan den Clip nach vorn, nach hinten oder in beide Richtungen weiter. Quelle plus Fortsetzung sind nicht länger als 30 Sekunden.

Erstes und letztes Bild. Ein Bild setzt den Start, zwei setzen Start und Ende.

Gesichter und Emotionen. Alibaba hebt vielfältige realistische Gesichter, Mikromimik und Körpersprache hervor, dazu scharfe Oberflächen, Diagramme und Text — für App-Demos und Video-Infografik.

Wan 3.0 und Wan 3.0 Prime: die Unterschiede

	Wan 3.0	Wan 3.0 Prime
Wofür	Hauptmodell	dasselbe, schneller
Länge	2–30 s	2–30 s
Auflösung	480p, 720p, 1080p	480p, 720p, 1080p
Ton	ja	ja
Preis pro Sekunde (480p / 720p / 1080p)	0,05 / 0,10 / 0,20 $	0,068 / 0,14 / 0,28 $
30 s in 1080p	6,00 $	8,40 $

Funktionen und Parameter von Prime sind dieselben — Alibaba verkauft es als schnellere Generierung ohne Qualitätsverlust. Wenn Sie nicht eilen, ist das normale Wan 3.0 etwa 30 % günstiger.

Wofür sich Wan 3.0 eignet

• Kurzfilme, Serien und Clips — 30 Sekunden und mehrere Einstellungen in einer Generierung.
• Werbung nach Briefing — Produktpräsentation rein, Clip raus.
• Oberflächen-Demos und Infografik — Alibaba hebt scharfe App-Bildschirme und Diagramme hervor.
• Reisefilme ohne Dreh vor Ort.
• Clips zur Musik — die Audio-Referenz gibt Rhythmus und Stimme vor.
• Bearbeitung und Verlängerung fertiger Clips ohne komplette Neugenerierung.

Wan 3.0 und Alternativen

	Wan 3.0	Seedance 2.5	MiniMax H3	HappyHorse KI 1.1
Entwickler	Alibaba	ByteDance Seed	MiniMax	Alibaba
Länge	2–30 s	4–30 s	4–15 s	3–15 s
Auflösung	bis 1080p	bis 1080p	bis 2K	bis 1080p
Referenzen	10 Fotos, 5 Videos, 5 Audios	bis 50 Dateien	9 Fotos, 3 Videos, 3 Audios	bis 9 Fotos
Dokument als Eingabe	ja	nein	nein	nein
Bearbeitung und Verlängerung	ja	ja	Bearbeitung	Bearbeitung (Modell 1.0)
Arena-Platz (21.09.2026)	6	7	8	10 (1.0)
Preis pro Sekunde, 1080p	0,20 $	—	0,13 $ (2K)	—

Wan 3.0 und Seedance 2.5 aus der Familie Seedance sind zwei Modelle mit 30 Sekunden pro Generierung: Wan ist günstiger und liest Dokumente, Seedance nimmt mehr Referenzen. MiniMax H3 gewinnt bei der Auflösung, HappyHorse ist Alibabas zweites Videomodell für kurze Clips mit Dialog.

Prompts für Wan 3.0 schreiben

1. Dateien nach Nummern benennen: “Image 1”, “Video 1”, “Audio 1”. Jeder Typ hat eine eigene Zählung, in der Reihenfolge des Hochladens.
2. Einstellungen mit Timecodes ausschreiben, 4–6 Sekunden pro Einstellung.
3. Bearbeitung und Verlängerung brauchen Schlüsselwörter: “edit video”, “replace”, “remove”, “change to” oder “extend”, “continue”. Ohne sie versteht Wan die Aufgabe nicht.
4. Beim Dokument kurz schreiben: Tonfall und Ziel, den Inhalt nimmt das Modell aus der Datei.
5. Entwurf in 480p. Alibaba rät selbst, die Idee in niedriger Auflösung zu prüfen und erst danach 1080p zu rechnen.

Beispiel zur Storyboard-Reihe oben:

0–6 s: Totale, ein Großvater mit Schirmmütze und ein Mädchen mit zwei Zöpfen
steigen mit einem roten Drachen einen grasigen Hügel am Meer hinauf. 6–12 s:
Nahaufnahme, der Großvater knotet die Schnur und sagt: "Halt dich fest."
12–18 s: Halbtotale, das Mädchen läuft, der Drache steigt. 18–24 s: von unten,
der rote Drache hoch in den Wolken. 24–30 s: Totale, beide sitzen im Gras und
schauen bei Sonnenuntergang aufs Meer. Ton: Wind, Brandung, das Lachen des
Mädchens, eine warme Gitarrenmelodie.

Wan 3.0 in AI2Face nutzen

Wan 3.0 ist im Generator von AI2Face neben MiniMax H3, Kling 3.0 und Veo 3.1.

1. Registrieren Sie sich — neue Konten bekommen Startguthaben.
2. Öffnen Sie den Generator, wechseln Sie zu Video und wählen Sie Wan 3.0.
3. Laden Sie Einzelbilder, Referenzen oder ein Dokument hoch, schreiben Sie den Prompt und stellen Sie Länge und Auflösung ein.
4. Die Kosten in Credits sehen Sie vor dem Start. Guthaben aus Paketen verfällt nicht. Sie zahlen per Karte oder Krypto.

Die Folie mit den Produktdaten oder die Storyboard-Bilder machen Sie bequem im selben Generator — in GPT Image 2.5 oder Nano Banana Pro.

Grenzen

• Bis 1080p. 2K und 4K hat Wan 3.0 nicht — dafür sehen Sie sich MiniMax H3 und Kling 3.0 an.
• Ton und Text werden noch nachgebessert. Alibaba schreibt ausdrücklich, dass Klangtextur und die Genauigkeit von Schrift im Bild besser werden.
• Modi lassen sich nicht mischen. Referenzen, ein Dokument oder ein Link lassen sich in einem Auftrag nicht mit erstem und letztem Bild kombinieren.
• Ein Dokument oder ein Link — nicht beides zugleich; die Seite muss sich ohne Anmeldung öffnen.
• Lange Clips sind teuer. 30 Sekunden in 1080p kosten in der API 6 $, mit Prime 8,40 $.
• Keine Gewichte. Wan 3.0 ist nur Cloud; herunterladen lassen sich Wan 2.1 und 2.2.

Fazit

Wan 3.0 ist das flexibelste lange Videomodell 2026: 30 Sekunden mit Ton, 20 Referenzen, ein Clip aus einer Präsentation oder einem Link, Bearbeitung und Verlängerung in einem Modell. Platz 6 in Arena bei 0,20 $ pro Sekunde 1080p — günstiger als die meisten Nachbarn in der Rangliste. Nehmen Sie Wan 3.0 für Geschichten, Werbung nach Briefing und Clips zur Musik; für 2K MiniMax H3, für Dutzende Referenzen Seedance 2.5. Prime brauchen Sie nur, wenn Geschwindigkeit wichtiger ist als der Preis.