Wan 3.0: video hingga 30 detik dari teks, foto, audio, dan dokumen — apa yang bisa dilakukan model Alibaba

Apa itu Wan 3.0

Wan 3.0 adalah model video unggulan Alibaba dari keluarga Wan. Awal Agustus 2026 Alibaba membuka akses beta, dan pada 24 Agustus meluncurkan API untuk semua orang, tanpa pengajuan. Ikhtisar keluarga, termasuk Wan 2.1 dan 2.2 yang terbuka, ada di halaman Wan AI.

Alibaba menyebut Wan 3.0 model «semua dalam satu». Satu nama model mencakup generasi dari teks, dari bingkai, dan dari referensi, plus penyuntingan dan perpanjangan: Wan membaca tugas dari kumpulan berkas dan kata-kata di prompt.

Bersamaan dengan Wan 3.0 keluar Wan 3.0 Prime, versi yang dipercepat dengan kemampuan yang sama.

Di peringkat Arena pada 21 September 2026, Wan 3.0 berada di posisi 6 dari 48 model video. Di atasnya hanya dua versi Gemini Omni, FLUX 3 Video dari keluarga FLUX 3, Grok Imagine Video 1.5, dan Seedance 2.0.

Apa yang bisa dilakukan Wan 3.0

30 detik dalam satu generasi. Durasi dari 2 sampai 30 detik pada 30 bingkai per detik. Jika Anda memilih durasi «pintar», Wan sendiri menentukan panjang yang pas untuk cerita. Untuk beberapa shot, Alibaba menyarankan 4–6 detik per shot dan menuliskannya dengan timecode.

Suara langsung jadi. Dialog, musik latar, dan efek dihasilkan bersama video. Suara menyala secara bawaan dan bisa dimatikan.

Hingga 20 referensi. Wan 3.0 menerima dalam satu tugas:

Jenis	Batas
Gambar	hingga 10, masing-masing hingga 20 MB
Video	hingga 5, total hingga 15 dtk, masing-masing hingga 100 MB
Audio	hingga 5, total hingga 15 dtk, masing-masing hingga 15 MB
Dokumen atau tautan	1 berkas (doc, docx, xls, xlsx, ppt, pptx, pdf, txt, md) atau 1 halaman publik

Video dari dokumen. Unggah presentasi produk atau laporan dan jelaskan nadanya secara singkat — Wan 3.0 mengambil isi dari berkas itu dan menyusun klip. Alibaba memberi contoh: presentasi → film citra merek, laporan → briefing yang dibacakan. Berkas hingga 100 MB dan 50 halaman.

Menyunting klip yang sudah jadi. Unggah video dan tulis apa yang diubah: «ganti», «hapus», «ubah menjadi». Objek, latar, atau dialog bisa diganti tanpa membuat semuanya dari awal.

Perpanjangan. Dengan «perpanjang» atau «lanjutkan», Wan menambah klip ke depan, ke belakang, atau ke dua arah. Sumber plus lanjutan tidak lebih dari 30 detik.

Bingkai pertama dan terakhir. Satu gambar menentukan awal; dua gambar menentukan awal dan akhir.

Wajah dan emosi. Alibaba secara khusus menonjolkan wajah realistis yang beragam, ekspresi mikro, dan bahasa tubuh, plus antarmuka, grafik, dan teks yang tajam — untuk demo aplikasi dan infografis video.

Wan 3.0 dan Wan 3.0 Prime: perbedaannya

	Wan 3.0	Wan 3.0 Prime
Untuk apa	model utama	sama, lebih cepat
Durasi	2–30 dtk	2–30 dtk
Resolusi	480p, 720p, 1080p	480p, 720p, 1080p
Suara	ya	ya
Harga per detik (480p / 720p / 1080p)	$0,05 / $0,10 / $0,20	$0,068 / $0,14 / $0,28
30 dtk pada 1080p	$6,00	$8,40

Kemampuan dan parameter Prime sama — Alibaba menjualnya sebagai generasi yang lebih cepat tanpa penurunan kualitas. Jika Anda tidak terburu-buru, Wan 3.0 biasa sekitar 30% lebih murah.

Untuk tugas apa Wan 3.0 cocok

• Film pendek, serial, dan klip — 30 detik dan beberapa shot dalam satu generasi.
• Iklan dari brief — presentasi produk masuk, klip keluar.
• Demo antarmuka dan infografis — Alibaba menonjolkan layar aplikasi dan grafik yang tajam.
• Video wisata tanpa pergi ke lokasi syuting.
• Klip mengikuti musik — referensi audio menentukan irama dan suara.
• Penyuntingan dan perpanjangan klip yang sudah jadi, tanpa generasi ulang penuh.

Wan 3.0 dan alternatifnya

	Wan 3.0	Seedance 2.5	MiniMax H3	HappyHorse AI 1.1
Pengembang	Alibaba	ByteDance Seed	MiniMax	Alibaba
Durasi	2–30 dtk	4–30 dtk	4–15 dtk	3–15 dtk
Resolusi	hingga 1080p	hingga 1080p	hingga 2K	hingga 1080p
Referensi	10 foto, 5 video, 5 audio	hingga 50 berkas	9 foto, 3 video, 3 audio	hingga 9 foto
Dokumen sebagai masukan	ya	tidak	tidak	tidak
Sunting dan perpanjang	ya	ya	sunting	sunting (model 1.0)
Peringkat Arena (21/09/2026)	6	7	8	10 (1.0)
Harga per detik 1080p	$0,20	—	$0,13 (2K)	—

Wan 3.0 dan Seedance 2.5 dari keluarga Seedance adalah dua model dengan 30 detik per generasi: Wan lebih murah dan memahami dokumen, Seedance menerima lebih banyak referensi. MiniMax H3 unggul di resolusi, HappyHorse adalah model video kedua Alibaba untuk klip pendek dengan dialog.

Cara menulis prompt untuk Wan 3.0

1. Sebut berkas dengan nomor: “Image 1”, “Video 1”, “Audio 1”. Setiap jenis punya penomoran sendiri, sesuai urutan unggah.
2. Tuliskan shot dengan timecode, 4–6 detik per shot.
3. Penyuntingan dan perpanjangan butuh kata kunci: “edit video”, “replace”, “remove”, “change to” atau “extend”, “continue”. Tanpa itu, Wan tidak memahami tugas.
4. Dengan dokumen, tulis singkat: nada dan tujuan; isinya diambil model dari berkas.
5. Draf di 480p. Alibaba sendiri menyarankan menguji ide pada resolusi rendah, baru kemudian membuat 1080p.

Contoh dari storyboard di atas:

0–6 dtk: bidikan lebar, kakek bertopi dan anak perempuan dengan dua kepang naik
bukit berumput di tepi laut dengan layang-layang merah. 6–12 dtk: bidikan dekat,
kakek mengikat tali dan berkata: "Pegang erat-erat." 12–18 dtk: bidikan sedang,
anak perempuan berlari, layang-layang naik. 18–24 dtk: dari bawah, layang-layang
merah tinggi di awan. 24–30 dtk: bidikan lebar, keduanya duduk di rumput memandang
laut saat matahari terbenam. Suara: angin, debur ombak, tawa anak perempuan,
melodi gitar yang hangat.

Cara memakai Wan 3.0 di AI2Face

Wan 3.0 ada di generator AI2Face, di samping MiniMax H3, Kling 3.0, dan Veo 3.1.

1. Daftar — akun baru mendapat kredit sambutan.
2. Buka generator, pindah ke video, lalu pilih Wan 3.0.
3. Unggah bingkai, referensi, atau dokumen, tulis prompt, atur durasi dan resolusi.
4. Biaya dalam kredit terlihat sebelum dimulai. Kredit dari paket tidak hangus. Pembayaran bisa dengan kartu atau kripto.

Slide spesifikasi produk atau bingkai storyboard praktis dibuat di generator yang sama — di GPT Image 2.5 atau Nano Banana Pro.

Keterbatasan

• Hingga 1080p. Wan 3.0 tidak punya 2K atau 4K — untuk itu, lihat MiniMax H3 dan Kling 3.0.
• Suara dan teks masih disempurnakan. Alibaba menulis dengan jelas bahwa tekstur suara dan ketepatan tulisan di bingkai sedang membaik.
• Mode tidak bisa dicampur. Referensi, dokumen, atau tautan tidak bisa digabung dengan bingkai pertama dan terakhir dalam satu tugas.
• Satu dokumen atau satu tautan — bukan keduanya sekaligus; halaman harus terbuka tanpa login.
• Klip panjang mahal. 30 detik pada 1080p adalah $6 di API, di Prime $8,40.
• Tidak ada bobot. Wan 3.0 hanya cloud; yang bisa diunduh adalah Wan 2.1 dan 2.2.

Kesimpulan

Wan 3.0 adalah model video panjang yang paling fleksibel pada 2026: 30 detik dengan suara, 20 referensi, klip dari presentasi atau tautan, penyuntingan dan perpanjangan dalam satu model. Itu peringkat 6 Arena dengan harga $0,20 per detik 1080p — lebih murah daripada sebagian besar tetangganya di peringkat. Pakai Wan 3.0 untuk cerita, iklan dari brief, dan klip mengikuti musik; jika perlu 2K, MiniMax H3; jika perlu puluhan referensi, Seedance 2.5. Prime hanya diperlukan ketika kecepatan lebih penting daripada harga.