Wan 3.0：用文字、照片、音频和文档生成最长30秒的视频——阿里巴巴这款模型能做什么

Wan 3.0是什么

Wan 3.0是阿里巴巴Wan家族里的旗舰视频模型。2026年8月初，阿里巴巴开放了内测，8月24日又把API开放给所有人，不用申请。整个家族的介绍，包括开放的Wan 2.1和2.2，在通义万相页面。

阿里巴巴把Wan 3.0称为“一站式”模型。一个模型名覆盖按文字、按画面、按参考生成，以及修改和延长：Wan根据文件组合和提示词里的说法自己判断任务。

和Wan 3.0一起发布的还有Wan 3.0 Prime，能力相同，速度更快。

在2026年9月21日的Arena排名里，Wan 3.0排在48个视频模型中的第6。排在它前面的只有两个版本的Gemini Omni、FLUX 3家族里的FLUX 3 Video、Grok Imagine Video 1.5和Seedance 2.0。

Wan 3.0能做什么

一次生成30秒。 时长从2秒到30秒，每秒30帧。如果选“智能”时长，Wan会按情节自己挑一个合适的长度。多个镜头时，阿里巴巴建议每个镜头留4–6秒，并按时间码写出来。

声音一起出。 对白、背景音乐和音效跟画面一起生成。声音默认打开，也可以关掉。

最多20个参考。 Wan 3.0在一次任务里接受：

类型	上限
图片	最多10张，每张不超过20 MB
视频	最多5段，合计不超过15秒，每段不超过100 MB
音频	最多5段，合计不超过15秒，每段不超过15 MB
文档或链接	1个文件（doc、docx、xls、xlsx、ppt、pptx、pdf、txt、md）或1个公开网页

按文档出片。 上传产品演示文稿或报告，再用短短几句写明调性——Wan 3.0会从文件里取出内容，拼成片子。阿里巴巴举的例子是：演示文稿做成品牌形象片，报告做成配音简报。文件不超过100 MB、50页。

修改已经做好的片子。 上传视频，写明要改什么：“替换”“去掉”“改成”。可以换物体、背景或对白，不用整条重做。

延长。 写上“延长”或“继续”，Wan会把片子往前补、往后补，或两边都补。原片加上续上的部分不超过30秒。

首帧和尾帧。 一张图定开头，两张定开头和结尾。

人脸和情绪。 阿里巴巴单独强调多样、真实的人脸、微表情和肢体语言，以及清晰的界面、图表和文字——用来做应用演示和视频信息图。

Wan 3.0和Wan 3.0 Prime有什么不同

	Wan 3.0	Wan 3.0 Prime
用途	主力模型	同一个，更快
时长	2–30秒	2–30秒
分辨率	480p、720p、1080p	480p、720p、1080p
声音	有	有
每秒价格（480p／720p／1080p）	0.05／0.10／0.20美元	0.068／0.14／0.28美元
1080p的30秒	6.00美元	8.40美元

Prime的功能和参数相同——阿里巴巴把它作为更快、画质不降的生成来卖。如果不赶时间，普通的Wan 3.0大约便宜30%。

Wan 3.0适合哪些任务

• 短片、剧集和音乐短片——一次生成30秒、好几个镜头。
• 按简报做广告——进去的是产品演示文稿，出来的是片子。
• 界面演示和信息图——阿里巴巴强调清晰的应用画面和图表。
• 旅游短片，不用到现场拍摄。
• 配着音乐的短片——音频参考定节奏和人声。
• 修改和延长已经做好的片子，不用整条重做。

Wan 3.0和同类模型

	Wan 3.0	Seedance 2.5	MiniMax H3	HappyHorse AI 1.1
开发者	阿里巴巴	ByteDance Seed	MiniMax	阿里巴巴
时长	2–30秒	4–30秒	4–15秒	3–15秒
分辨率	最高1080p	最高1080p	最高2K	最高1080p
参考	10张图、5段视频、5段音频	最多50个文件	9张图、3段视频、3段音频	最多9张图
文档输入	有	没有	没有	没有
修改和延长	有	有	修改	修改（1.0模型）
Arena名次（2026-09-21）	6	7	8	10（1.0）
1080p每秒价格	0.20美元	—	0.13美元（2K）	—

Wan 3.0和Seedance家族里的Seedance 2.5，是两个一次能做30秒的模型：Wan更便宜，还读得懂文档；Seedance能放更多参考。MiniMax H3赢在分辨率，HappyHorse是阿里巴巴第二款做带对白短片的视频模型。

Wan 3.0提示词怎么写

1. 按编号称呼文件： “Image 1”、“Video 1”、“Audio 1”。每种类型单独编号，按上传顺序。
2. 用时间码写镜头， 每个镜头4–6秒。
3. 修改和延长必须有关键词： “edit video”、“replace”、“remove”、“change to”，或者“extend”、“continue”。没有这些词，Wan看不懂任务。
4. 有文档时写短一点： 只写调性和目的，内容由模型从文件里取。
5. 草稿用480p。 阿里巴巴自己建议先用低分辨率试想法，再做1080p。

按上面那条分镜写的例子：

0–6秒：全景，戴帽子的爷爷和扎着两根辫子的女孩，拿着红风筝走上海边的草坡。
6–12秒：特写，爷爷系上线，说：“抓牢。” 12–18秒：中景，女孩跑起来，风筝升起。
18–24秒：从下往上，红风筝高高地在云里。24–30秒：全景，两人坐在草地上，看日落时的海。
声音：风、浪声、女孩的笑、一段温暖的吉他旋律。

在AI2Face里怎么用Wan 3.0

Wan 3.0在AI2Face生成器里，和MiniMax H3、Kling 3.0、Veo 3.1放在一起。

1. 注册账号，新账户会得到欢迎积分。
2. 打开生成器，切到视频，选择Wan 3.0。
3. 上传画面、参考或文档，写好提示词，设定时长和分辨率。
4. 积分费用在开始前显示。套餐积分不会过期。可以用银行卡或加密货币支付。

产品参数那一页，或者分镜的画面，都可以在同一个生成器里做——用GPT Image 2.5或Nano Banana Pro。

限制

• 最高1080p。 Wan 3.0没有2K和4K——这两档去看MiniMax H3和Kling 3.0。
• 声音和画面文字还在打磨。 阿里巴巴写得很明白：声音的质感和画面里文字的准确度都在变好。
• 模式不能混用。 参考、文档或链接，不能和首尾帧放在同一次任务里。
• 一份文档或一个链接，不能两个同时给；网页必须不用登录就能打开。
• 长片子贵。 1080p的30秒在API里是6美元，Prime是8.40美元。
• 没有权重。 Wan 3.0只有云端；能下载的是Wan 2.1和2.2。

总结

Wan 3.0是2026年最灵活的长视频模型：30秒有声、20个参考、按演示文稿或链接出片，修改和延长都在同一个模型里。Arena第6，1080p每秒0.20美元，比排名里大多数邻居便宜。故事、按简报做的广告、配乐短片用Wan 3.0；要2K用MiniMax H3，要几十个参考用Seedance 2.5。只有速度比价格更要紧时，才需要Prime。