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

> Wan 3.0 ist Alibabas Videomodell, das das Unternehmen am 24. August 2026 für alle geöffnet hat. In einer Generierung entstehen bis zu 30 Sekunden in 1080p mit Ton. Es nimmt bis zu 10 Fotos, 5 Videos und 5 Audios an, dazu ein Dokument oder eine Webseite, und kann fertige Clips bearbeiten und verlängern. Daneben läuft das schnellere Wan 3.0 Prime. Wan 3.0 ist im Generator von AI2Face verfügbar.

Entwickler: Alibaba · Veröffentlicht: 2026-08-24 · Aktualisiert am 2026-10-28
URL: https://ai2face.com/de/models/wan-3-0

## Wichtige Fakten

| | |
|---|---|
| Entwickler | Alibaba (Alibaba Cloud Model Studio) |
| Erscheinungsdatum | Beta im August 2026, öffentliche API am 24. August 2026 |
| Versionen | Wan 3.0 und das beschleunigte Wan 3.0 Prime |
| Dauer | 2–30 Sekunden oder eine „smarte“ Länge nach dem Prompt; 30 Bilder pro Sekunde |
| Auflösung | 480p, 720p, 1080p |
| Ton | Sprache, Musik und Effekte zusammen mit dem Video, standardmäßig an |
| Referenzen | Bis zu 10 Fotos, 5 Videos und 5 Audios, plus Dokument oder Link |
| Bearbeitung | Objekte und Hintergrund ersetzen, Dialog ändern, vorwärts und rückwärts verlängern |
| API-Preis | 0,05 / 0,10 / 0,20 $ pro Sekunde bei 480p / 720p / 1080p |
| In AI2Face | Ja, im Generator |

## 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](/de/models/wan).

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](/de/models/gemini-omni), FLUX 3 Video aus der Familie [FLUX 3](/de/models/flux-3), [Grok Imagine Video 1.5](/de/models/grok-imagine-video-1-5) und [Seedance 2.0](/de/models/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.

![Fünf Filmstills in einer Reihe: Großvater und Enkelin steigen mit einem roten Drachen den Hügel hinauf, der Großvater knotet die Schnur, das Mädchen läuft, der Drache am Himmel, beide sitzen bei Sonnenuntergang im Gras](https://ai2face.com/_astro/storyboard.Bxpn5Xvs_xJTKU.jpg "Fünf Einstellungen einer Geschichte — so viel passt in einen 30-Sekunden-Clip von Wan 3.0 bei 4–6 Sekunden pro Einstellung. Bilder aus Nano Banana Pro")

**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.

![Präsentationsfolie: Foto einer solarbetriebenen Campinglaterne und die Beschriftungen SOLAR LANTERN L1, 12 h of light, 300 g, IP67 waterproof](https://ai2face.com/_astro/slide.BVPuzfAk_tIBKB.jpg "So eine Folie können Sie Wan 3.0 als Dokument geben: Die Produktdaten nimmt das Modell daraus. Bild aus GPT Image 2.5 Flare")

**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.

![Hochformat: Ein Radfahrer im gelben Regenmantel fährt nachts eine nasse Straße entlang, unter einer Laterne, Lichter spiegeln sich in Pfützen](https://ai2face.com/_astro/vertical.CMRExT9b_Z1GzdTt.jpg "Senkrechtes Startbild 9:16 für einen Clip in sozialen Netzwerken. Bild aus Nano Banana Pro")

## 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](/de/models/seedance-2-5) | [MiniMax H3](/de/models/minimax-h3) | [HappyHorse KI](/de/models/happyhorse) 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](/de/models/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](/de/models/minimax-h3), [Kling 3.0](/de/models/kling-3-0) und [Veo 3.1](/de/models/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](/de/models/gpt-image-2-5) oder [Nano Banana Pro](/de/models/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](/de/models/minimax-h3), für Dutzende Referenzen [Seedance 2.5](/de/models/seedance-2-5). Prime brauchen Sie nur, wenn Geschwindigkeit wichtiger ist als der Preis.

## Häufige Fragen

### Was kann Wan 3.0?

Es macht Clips bis 30 Sekunden in 1080p mit Ton aus Text, Einzelbildern und Referenzen. Es nimmt bis zu 10 Fotos, 5 Videos, 5 Audios und ein Dokument oder einen Link an, bearbeitet fertige Clips und verlängert sie. In Arena steht es auf Platz 6 von 48.

### Worin unterscheidet sich Wan 3.0 Prime von Wan 3.0?

Prime ist die beschleunigte Version: Alibaba verspricht eine spürbar schnellere Generierung bei gleicher Qualität. Funktionen und Parameter sind dieselben, die Sekunde kostet etwa das 1,4-Fache: 0,28 $ statt 0,20 $ bei 1080p.

### Kann man Wan 3.0 herunterladen?

Nein. Wan 3.0 läuft nur über Alibabas Cloud-API und über Dienste, die sie angebunden haben. Offen und herunterladbar sind nur die früheren Wan 2.1 und 2.2.

### Was kostet Wan 3.0?

In Alibabas API 0,05 $ pro Sekunde bei 480p, 0,10 $ bei 720p und 0,20 $ bei 1080p. Ein 30-Sekunden-Clip in 1080p kostet 6 $, ein Entwurf derselben Länge in 480p 1,50 $. Fehlgeschlagene Generierungen werden nicht berechnet.

### Gibt es Wan 3.0 kostenlos?

Die API hat keinen Gratis-Tarif. In AI2Face werden nach der Registrierung Startguthaben gutgeschrieben — sie reichen für einen kurzen Clip in Wan 3.0, die Kosten stehen vor dem Start.

## Quellen

- https://www.alibabacloud.com/en/news/product/video-generation-model-wan30-officially-launched-nsb
- https://www.alibabacloud.com/blog/wan3-0-30-second-ai-video-generation-from-any-input_603452
- https://www.alibabacloud.com/help/en/model-studio/wan3-video-generation-guide
- https://www.alibabacloud.com/help/en/model-studio/wan3-0-video-prime
- https://www.alibabacloud.com/help/en/model-studio/video-generate-edit-model/
- https://arena.ai/leaderboard/text-to-video