Wan AI: model video Alibaba — apa saja kemampuan Wan 3.0

Apa itu Wan AI

Wan adalah keluarga model video dari Alibaba. Keluarga ini dikenal lewat dua jalur: model terbuka yang bisa diunduh dan dijalankan sendiri, serta model unggulan di cloud.

Wan 2.1 dan Wan 2.2 dirilis Alibaba di GitHub dan Hugging Face dengan lisensi Apache 2.0. Wan 2.2 rilis pada 28 Juli 2025 dengan arsitektur Mixture-of-Experts dan model untuk teks ke video, gambar ke video, ucapan ke video, serta animasi karakter. Wan 2.2 TI2V-5B yang lebih kecil menghasilkan 720p pada 24 fps dan berjalan di kartu grafis kelas RTX 4090.

Wan 3.0 adalah model unggulan di cloud. Alibaba lebih dulu membuka beta, lalu meluncurkan API untuk semua pada 24 Agustus 2026. Bersamaan dengannya rilis Wan 3.0 Prime yang lebih cepat. Wan 2.7 sebelumnya membuat klip hingga 15 detik — Wan 3.0 menggandakan durasinya.

Apa yang bisa dilakukan Wan 3.0

30 detik dalam satu generasi. Wan 3.0 membuat hingga 30 detik pada 30 fps dan menyarankan sendiri durasi yang pas berdasarkan prompt. Di dalam satu klip Anda bisa menulis beberapa shot — model akan menyatukannya dengan suara yang sama.

Suara dan ucapan. Wan 3.0 membuat dialog karakter, suara adegan, dan musik latar tanpa sulih suara terpisah. Alibaba mengklaim ucapan yang alami dalam beberapa bahasa dan suara yang konsisten untuk setiap karakter di dalam klip.

Hingga 20 referensi. Selain teks, input bisa berupa gambar, video, audio, dan — untuk pertama kalinya di Wan — dokumen serta halaman web: doc, xls, ppt, pdf, txt, key, pages, numbers, md, satu file hingga 100 MB dan 50 halaman. Hingga 5 klip audio dengan total hingga 15 detik menentukan musik atau suara: begitulah cara membuat tarian mengikuti ketukan dan sinkronisasi bibir.

Edit tanpa membuat ulang. Di klip yang sudah jadi, Anda bisa mengubah gambar, alur, atau dialog tanpa membuat semuanya dari awal.

Video vertikal untuk media sosial dan iklan: format 9:16 diatur sama seperti format horizontal.

Versi Wan

	Wan 2.2	Wan 2.7	Wan 3.0
Rilis	28 Juli 2025	sebelum Wan 3.0	24 Agustus 2026
Durasi	klip pendek	hingga 15 dtk	hingga 30 dtk
Resolusi	480p, 720p	—	480p, 720p, 1080p
Suara	model Speech-to-Video terpisah	—	bersama video
Bobot terbuka	ya, Apache 2.0	tidak	tidak
Peringkat Arena (21/09/2026)	42 (A14B)	—	6 dari 48

Untuk tugas apa Wan cocok

• Cerita pendek dan Stories — 30 detik dan beberapa shot dalam satu generasi.
• Video dari dokumen. Unggah presentasi atau deskripsi produk, dan Wan 3.0 akan mengambil isinya.
• Tarian dan klip musik — referensi audio menentukan ritme.
• Iklan vertikal dengan produk dan suara.
• Infrastruktur sendiri. Wan 2.1 dan 2.2 yang terbuka bisa dijalankan di server sendiri tanpa biaya API.

Wan dan alternatifnya

	Wan 3.0	Seedance 2.5	Hailuo (MiniMax H3)	Gemini Omni
Pengembang	Alibaba	ByteDance	MiniMax	Google
Durasi	hingga 30 dtk	hingga 30 dtk	4–15 dtk	3–10 dtk, bisa diperpanjang hingga 40
Resolusi	hingga 1080p	tidak diungkap pengembang	hingga 2K	hingga 4K
Suara	ya	ya	stereo	ya
Referensi	hingga 20, termasuk dokumen	hingga 50	hingga 12	foto dan video
Peringkat Arena	6	7 (2.5)	8	1–2

Wan 3.0 dan Seedance 2.5 adalah dua model yang membuat 30 detik per generasi. Wan menonjol lewat input dokumen dan harganya, Seedance lewat jumlah referensi. Jika Anda butuh gambar 2K atau 4K, lihat H3 dan Gemini Omni.

Cara menulis prompt untuk Wan

• Rinci setiap shot: “Shot 1: wide shot… Shot 2: medium… Shot 3: close-up…” — dengan begitu Wan tidak meregangkan satu momen selama 30 detik.
• Taruh dialog dalam tanda kutip dan sebutkan siapa yang berbicara.
• Tulis suara di baris tersendiri: “Sound: suara kereta, derak salju, piano lembut”.
• Sesuaikan durasi dengan isi. Jangan minta 30 detik untuk satu aksi: Wan akan menyarankan durasi optimal sendiri.
• Teks di layar dibuat singkat. Alibaba mengakui tulisan di dalam frame belum selalu akurat.

Cara memakai Wan di AI2Face

Wan tersedia di generator AI2Face tanpa perlu akun Alibaba Cloud. Anda bisa menjalankan satu prompt di Wan, Seedance, Hailuo, dan Gemini Omni lalu membandingkan hasilnya. Biaya setiap generasi terlihat sebelum dijalankan, pembayaran bisa dengan kartu atau kripto, dan kredit dari paket tidak hangus. Akun baru mendapat kredit sambutan setelah mendaftar.

Keterbatasan

• Suara dan tulisan. Alibaba terang-terangan menyebut tekstur suara dan akurasi teks di layar masih terus diperbaiki.
• Hingga 1080p. Wan 3.0 tidak punya 2K maupun 4K.
• 30 detik itu mahal. Klip 1080p sepanjang itu seharga $6 di API — uji ide dulu dengan 5–8 detik dalam 480p.
• Wan 3.0 tertutup. Hanya Wan 2.1 dan 2.2 yang bisa diunduh.

Kesimpulan

Wan 3.0 menghasilkan sebagian klip terpanjang di antara model video 2026: 30 detik bersuara dalam satu generasi, peringkat 6 di Arena, dan kemampuan langka membuat video dari dokumen. Pakai untuk cerita, Stories, dan iklan yang mementingkan durasi dan suara; untuk 2K, pilih Hailuo H3, dan untuk kualitas maksimal, Gemini Omni. Jika Anda butuh infrastruktur sendiri, Wan 2.1 dan 2.2 yang terbuka tetap pilihan gratis terbaik. Di AI2Face, Wan tersedia bersama semua model lainnya.