# 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是阿里巴巴的视频模型，2026年8月24日向所有人开放。一次生成最长30秒的1080p有声视频，最多接受10张照片、5段视频和5段音频，外加一份文档或一个网页，也能修改和延长已经做好的片子。旁边还有更快的Wan 3.0 Prime。Wan 3.0可在AI2Face生成器里使用。

开发者: Alibaba · 发布时间: 2026-08-24 · 更新于 2026-10-28
URL: https://ai2face.com/zh/models/wan-3-0

## 关键信息

| | |
|---|---|
| 开发者 | 阿里巴巴（Alibaba Cloud Model Studio） |
| 发布日期 | 2026年8月公测，公开API为2026年8月24日 |
| 版本 | Wan 3.0和加速版Wan 3.0 Prime |
| 时长 | 2–30秒，或按提示词自动选的“智能”时长；每秒30帧 |
| 分辨率 | 480p、720p、1080p |
| 声音 | 对白、音乐和音效与画面一起生成，默认开启 |
| 参考 | 最多10张照片、5段视频和5段音频，外加文档或链接 |
| 修改 | 替换物体和背景、改对白、向前和向后延长 |
| API价格 | 480p／720p／1080p每秒0.05／0.10／0.20美元 |
| 在AI2Face | 有，在生成器里 |

## 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](/zh/models/wan)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](/zh/models/gemini-omni)、[FLUX 3](/zh/models/flux-3)家族里的FLUX 3 Video、[Grok Imagine Video 1.5](/zh/models/grok-imagine-video-1-5)和[Seedance 2.0](/zh/models/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。

![五格电影画面排成一行：爷爷和孙女带着红风筝上山，爷爷系线，女孩奔跑，风筝在天上，两人在日落时坐在草地上](https://ai2face.com/_astro/storyboard.Bxpn5Xvs_xJTKU.jpg "同一个故事的五个镜头——按每个镜头4–6秒，一条30秒的Wan 3.0片子刚好装下。画面由Nano Banana Pro生成")

**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。

![演示文稿的一页：太阳能露营灯的照片，以及SOLAR LANTERN L1、12 h of light、300 g、IP67 waterproof这几行字](https://ai2face.com/_astro/slide.BVPuzfAk_tIBKB.jpg "这样的一页可以直接当文档交给Wan 3.0，产品参数由模型从里面读取。画面由GPT Image 2.5 Flare生成")

**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。

![竖构图：穿黄色雨衣的骑行者在夜间湿漉漉的街上，从路灯下经过，积水里映着灯光](https://ai2face.com/_astro/vertical.CMRExT9b_Z1GzdTt.jpg "给社交短片用的9:16竖向起始帧。画面由Nano Banana Pro生成")

## 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](/zh/models/seedance-2-5) | [MiniMax H3](/zh/models/minimax-h3) | [HappyHorse AI](/zh/models/happyhorse) 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](/zh/models/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](/zh/models/minimax-h3)、[Kling 3.0](/zh/models/kling-3-0)、[Veo 3.1](/zh/models/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](/zh/models/gpt-image-2-5)或[Nano Banana Pro](/zh/models/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](/zh/models/minimax-h3)，要几十个参考用[Seedance 2.5](/zh/models/seedance-2-5)。只有速度比价格更要紧时，才需要Prime。

## 常见问题

### Wan 3.0能做什么？

按文字、画面和参考生成最长30秒的1080p有声视频。最多接受10张照片、5段视频、5段音频，以及一份文档或一个链接，也能修改和延长成片。Arena排名48个里的第6。

### Wan 3.0 Prime和Wan 3.0有什么不同？

Prime是加速版：阿里巴巴承诺生成明显更快，画质不变。功能和参数相同，每秒价格大约是1.4倍：1080p为0.28美元，普通版是0.20美元。

### Wan 3.0能下载吗？

不能。Wan 3.0只通过阿里巴巴的云端API，以及已经接入它的服务来用。开放、可下载的只有更早的Wan 2.1和2.2。

### Wan 3.0怎么收费？

阿里巴巴API里，480p每秒0.05美元，720p每秒0.10美元，1080p每秒0.20美元。30秒的1080p片子是6美元，同样长度的480p草稿是1.50美元。失败的生成不收费。

### Wan 3.0有免费的吗？

API没有免费档。在AI2Face，注册后会得到欢迎积分，够做一条Wan 3.0短片，费用在开始前显示。

## 资料来源

- 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