Wan: нейросеть Alibaba для видео — что умеет Wan 3.0

Что такое нейросеть Wan

Wan — видеомодели Alibaba. Семейство известно двумя направлениями: открытыми моделями, которые можно скачать и запустить у себя, и облачными флагманами.

Wan 2.1 и Wan 2.2 Alibaba выложила на GitHub и Hugging Face под лицензией Apache 2.0. Wan 2.2 вышла 28 июля 2025 года: архитектура Mixture-of-Experts, модели для видео по тексту, по фото, по речи и для анимации персонажей. Младшая Wan 2.2 TI2V-5B делает 720p при 24 кадрах в секунду и запускается на видеокарте уровня RTX 4090.

Wan 3.0 — облачный флагман. Alibaba сначала открыла бета-тест, а 24 августа 2026 года запустила API для всех. Вместе с ней вышла ускоренная Wan 3.0 Prime. Предыдущая Wan 2.7 делала до 15 секунд — Wan 3.0 удвоила длину.

Что умеет Wan 3.0

30 секунд за одну генерацию. Wan 3.0 делает до 30 секунд при 30 кадрах в секунду и сама предлагает подходящую длительность по промпту. Внутри ролика можно расписать несколько планов — модель соберёт их с общим звуком.

Звук и речь. Wan 3.0 генерирует реплики героев, звуки сцены и фоновую музыку без отдельной озвучки. Alibaba заявляет естественную речь на нескольких языках и единый голос героя в ролике.

До 20 референсов. Кроме текста, на вход идут изображения, видео, аудио и — впервые у Wan — документы и веб-страницы: doc, xls, ppt, pdf, txt, key, pages, numbers, md, один файл до 100 МБ и 50 страниц. До 5 аудио-клипов общей длиной до 15 секунд задают музыку или голос: так делают танцы под бит и синхронизацию губ.

Правка без перегенерации. В готовом ролике можно поменять картинку, сюжет или реплики, не генерируя всё заново.

Вертикальные ролики для соцсетей и рекламы: формат 9:16 задаётся так же, как горизонтальный.

Версии Wan

	Wan 2.2	Wan 2.7	Wan 3.0
Вышла	28 июля 2025	до Wan 3.0	24 августа 2026
Длительность	короткие ролики	до 15 с	до 30 с
Разрешение	480p, 720p	—	480p, 720p, 1080p
Звук	отдельная модель Speech-to-Video	—	вместе с видео
Открытые веса	да, Apache 2.0	нет	нет
Место в Arena (21.09.2026)	42 (A14B)	—	6 из 48

Для каких задач подходит Wan

• Короткие истории и сторис — 30 секунд и несколько планов за одну генерацию.
• Ролики по документу. Загрузите презентацию или описание товара — Wan 3.0 возьмёт из него содержание.
• Танцы и клипы под музыку — аудио-референс задаёт ритм.
• Рекламные вертикальные ролики с предметом и звуком.
• Своя инфраструктура. Открытые Wan 2.1 и 2.2 можно запустить на своём сервере без оплаты API.

Wan и аналоги

	Wan 3.0	Seedance 2.5	Hailuo (MiniMax H3)	Gemini Omni
Разработчик	Alibaba	ByteDance	MiniMax	Google
Длительность	до 30 с	до 30 с	4–15 с	3–10 с, продление до 40
Разрешение	до 1080p	разработчик не раскрывает	до 2K	до 4K
Звук	да	да	стерео	да
Референсы	до 20, включая документы	до 50	до 12	фото и видео
Место в Arena	6	7 (2.5)	8	1–2

Wan 3.0 и Seedance 2.5 — две модели с 30 секундами за генерацию. Wan выделяется документами на входе и ценой, Seedance — числом референсов. Если важна картинка в 2K или 4K, смотрите H3 и Gemini Omni.

Как писать промпты для Wan

• Расписывайте планы: «Shot 1: общий план… Shot 2: средний… Shot 3: крупный…» — так Wan не растянет один момент на 30 секунд.
• Реплики — в кавычках с указанием, кто говорит.
• Звук — отдельной строкой: «Sound: шум поезда, хруст снега, тихое пианино».
• Длительность — по смыслу. Не просите 30 секунд для одного действия: Wan сама подскажет оптимальную длину.
• Текст в кадре — коротко. Alibaba признаёт, что надписи пока получаются не всегда точно.

Как использовать Wan в AI2Face

В AI2Face Wan доступна в генераторе из России без VPN и аккаунта Alibaba Cloud. Один промпт можно запустить на Wan, Seedance, Hailuo и Gemini Omni и сравнить результат. Стоимость каждой генерации видна до запуска, оплата — картой российского банка, по СБП или криптовалютой, кредиты из пакетов не сгорают. После регистрации начисляются стартовые кредиты.

Ограничения

• Звук и надписи. Alibaba прямо пишет, что фактура звука и точность текста в кадре ещё улучшаются.
• До 1080p. 2K и 4K у Wan 3.0 нет.
• 30 секунд — дорого. Ролик в 1080p такой длины стоит в API $6 — сначала проверяйте идею на 5–8 секундах в 480p.
• Wan 3.0 закрыта. Скачать можно только Wan 2.1 и 2.2.

Выводы

Wan 3.0 — одна из самых длинных видеомоделей 2026 года: 30 секунд со звуком за одну генерацию, 6-е место в рейтинге Arena и редкая возможность делать ролик по документу. Берите её для историй, сторис и рекламы, где важна длина и звук; для 2K — Hailuo H3, для максимального качества — Gemini Omni. Если нужна своя инфраструктура, открытые Wan 2.1 и 2.2 по-прежнему лучший бесплатный выбор. В AI2Face Wan работает из России вместе с остальными моделями.