# Wan（通义万相）：阿里巴巴的视频模型，Wan 3.0能做什么

> Wan（通义万相）是阿里巴巴的视频模型系列。2026年8月24日正式上线的Wan 3.0可生成最长30秒、带对白、音效和音乐的视频，最多支持20个参考：照片、视频、音频，甚至文档。在Arena的48个模型中排名第6。早先的Wan 2.1和2.2以Apache 2.0开源。Wan已上线AI2Face生成器。

开发者: Alibaba · 发布时间: 2026-08-24 · 更新于 2026-10-02
URL: https://ai2face.com/zh/models/wan

## 关键信息

| | |
|---|---|
| 开发方 | 阿里巴巴 |
| 版本 | Wan 3.0和3.0 Prime（2026年8月24日）、Wan 2.7、开源的Wan 2.2和2.1 |
| 功能 | 根据文本、照片、视频、音频和文档生成带声音的视频；编辑视频 |
| 时长 | Wan 3.0 — 单次生成最长30秒；Wan 2.7 — 最长15秒 |
| 分辨率 | 480p、720p、1080p，30帧/秒 |
| 声音 | 对白、音效和音乐与视频同时生成 |
| 参考 | 最多20个文件，其中音频最多5个、总长不超过15秒 |
| API价格 | 480p／720p／1080p每秒0.05／0.10／0.20美元 |
| AI2Face | 已上线 |

## 通义万相Wan是什么

Wan是阿里巴巴的视频模型系列，以两条路线著称：可以下载并自行部署的开源模型，以及云端旗舰模型。

**Wan 2.1和Wan 2.2**由阿里巴巴以Apache 2.0许可发布在GitHub和Hugging Face上。Wan 2.2于2025年7月28日发布，采用Mixture-of-Experts架构，包含文生视频、图生视频、语音生视频和角色动画模型。较小的Wan 2.2 TI2V-5B可生成24帧/秒的720p视频，能在RTX 4090级别的显卡上运行。

**Wan 3.0**是云端旗舰。阿里巴巴先开放了公测，2026年8月24日向所有人开放API，同时推出了更快的Wan 3.0 Prime。上一代Wan 2.7最长15秒，Wan 3.0把时长翻了一倍。

## Wan 3.0能做什么

**单次生成30秒。** Wan 3.0可生成30帧/秒、最长30秒的视频，还会根据提示词自动建议合适的时长。一条视频里可以写多个镜头，模型会用统一的声音把它们串起来。

[红色列车驶入雪山车站，围着绿色围巾的年轻女子走下车厢，一只老狗踏雪向她跑来](https://ai2face.com/_astro/media/models/wan/three-shot-story.mp4 "一个提示词生成三个镜头：远景、中景和特写，共用一条音轨。Wan 3.0，720p，15秒")

**声音与对白。** Wan 3.0无需单独配音，就能生成角色对白、场景音效和背景音乐。阿里巴巴称其支持多种语言的自然语音，并能在视频中保持角色声音一致。

[办公室茶水间里，一位卷发女子把一杯咖啡递给戴眼镜的男子，两人聊了几句后笑了起来](https://ai2face.com/_astro/media/models/wan/office-dialogue.mp4 "正反打对话：两位角色的台词都写在提示词里。Wan 3.0，8秒")

**最多20个参考。** 除文本外，还可输入图片、视频、音频，以及Wan首次支持的文档和网页：doc、xls、ppt、pdf、txt、key、pages、numbers、md，单个文件最大100MB、50页。最多5段、总长不超过15秒的音频可以指定音乐或声音，用来做踩点舞蹈和口型同步。

**无需重新生成即可修改。** 在成片中可以修改画面、情节或台词，不必全部重来。

**竖版视频**适合社交媒体和广告：9:16的设置方式和横版一样。

[湿润的石头上放着一瓶加了柠檬片的柠檬水，冰块在周围慢动作落下，镜头环绕瓶身](https://ai2face.com/_astro/media/models/wan/vertical-ad.mp4 "9:16竖版广告，带气泡声和冰块声。Wan 3.0，8秒")

## Wan的版本

| | Wan 2.2 | Wan 2.7 | Wan 3.0 |
|---|---|---|---|
| 发布时间 | 2025年7月28日 | Wan 3.0之前 | 2026年8月24日 |
| 时长 | 短视频 | 最长15秒 | 最长30秒 |
| 分辨率 | 480p、720p | — | 480p、720p、1080p |
| 声音 | 单独的Speech-to-Video模型 | — | 与视频同时生成 |
| 开放权重 | 有，Apache 2.0 | 无 | 无 |
| Arena排名（2026.09.21） | 42（A14B） | — | 48个中第6 |

## Wan适合哪些任务

- **短故事和快拍** — 一次生成30秒、多个镜头。
- **根据文档生成视频。** 上传演示文稿或商品介绍，Wan 3.0会从中提取内容。
- **舞蹈和音乐短片** — 用音频参考控制节奏。
- **竖版广告**，带产品和声音。
- **自有基础设施。** 开源的Wan 2.1和2.2可以部署在自己的服务器上，无需支付API费用。

## Wan与同类模型对比

| | Wan 3.0 | [Seedance 2.5](/zh/models/seedance) | [Hailuo（MiniMax H3）](/zh/models/hailuo) | [Gemini Omni](/zh/models/gemini-omni) |
|---|---|---|---|---|
| 开发方 | 阿里巴巴 | ByteDance | MiniMax | Google |
| 时长 | 最长30秒 | 最长30秒 | 4–15秒 | 3–10秒，可延长至40秒 |
| 分辨率 | 最高1080p | 开发方未公布 | 最高2K | 最高4K |
| 声音 | 有 | 有 | 立体声 | 有 |
| 参考 | 最多20个，含文档 | 最多50个 | 最多12个 | 照片和视频 |
| Arena排名 | 6 | 7（2.5） | 8 | 1–2 |

Wan 3.0和Seedance 2.5是两款单次生成就能出30秒的模型。Wan的优势在于支持文档输入和价格，Seedance的优势在于参考数量。如果需要2K或4K画面，可以看看H3和Gemini Omni。

## Wan提示词怎么写

- **分镜写清楚：** “Shot 1：远景… Shot 2：中景… Shot 3：特写…”，这样Wan不会把一个瞬间拉长到30秒。
- **台词放在引号里，** 并注明是谁在说。
- **声音单独写一行：** “Sound：火车声、踩雪声、轻柔的钢琴”。
- **时长要符合内容。** 一个动作不要要求30秒，Wan会自己建议最合适的时长。
- **画面中的文字要简短。** 阿里巴巴也承认，文字目前还不总是准确。

## 如何在AI2Face中使用Wan

Wan已上线AI2Face生成器，无需阿里云账号。你可以把同一个提示词分别交给Wan、Seedance、Hailuo和Gemini Omni，对比效果。每次生成的费用在开始前显示，支持银行卡或加密货币支付，积分包里的积分不会过期。新账号注册后即可获得欢迎积分。

## 局限

- **声音和文字。** 阿里巴巴明确表示，声音质感和画面文字的准确度仍在改进中。
- **最高1080p。** Wan 3.0没有2K和4K。
- **30秒不便宜。** 这样一条1080p视频在API中要6美元，建议先用480p、5–8秒验证创意。
- **Wan 3.0不开源。** 只有Wan 2.1和2.2可以下载。

## 总结

Wan 3.0是2026年能生成最长视频的模型之一：单次生成30秒带声音的视频，Arena排名第6，还具备根据文档生成视频这一少见能力。适合看重时长和声音的故事、快拍和广告；要2K就选Hailuo H3，追求极致画质就选Gemini Omni。如果需要自有部署，开源的Wan 2.1和2.2依然是最好的免费选择。在AI2Face中，Wan和其他所有模型放在一起，随时可用。

## 常见问题

### 通义万相Wan是什么？

阿里巴巴的视频模型系列。最新的Wan 3.0可根据文本、照片、视频、音频和文档生成最长30秒的带声音视频，在Arena的48个模型中排名第6。

### Wan 3.0和Wan 2.x有什么区别？

Wan 3.0单次生成最长30秒，而Wan 2.7为15秒；它支持输入文档和网页，角色一致性更好，人脸也更多样。声音与视频同时生成。

### Wan可以下载吗？

Wan 2.1和Wan 2.2可以：阿里巴巴已在GitHub和Hugging Face以Apache 2.0许可开源，较小的5B模型可在RTX 4090级别的显卡上运行。Wan 3.0通过云端API使用。

### Wan 3.0多少钱？

阿里巴巴API价格：480p每秒0.05美元，720p每秒0.10美元，1080p每秒0.20美元。一条30秒的1080p视频需6美元。在AI2Face中，每次生成前都会显示费用。

### Wan有声音吗？

有。Wan 3.0会与视频同时生成角色对白、场景音效和背景音乐。最多可上传5个音频参考，让角色随音乐起舞或用指定的声音说话。

## 资料来源

- 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/en/news/product/video-generation-model-wan30-officially-launched-nsb
- https://github.com/Wan-Video/Wan2.2
- https://arena.ai/leaderboard/text-to-video