文章摘要
8 月 6 日，阿里旗下 Wan 3.0 视频生成大模型开启公测。该模型在多方面升级，输入模态新增多种文档支持，30 秒生成完整视频且有智能时长推荐，真实世界还原能力增强，视频编辑能力提升。不过，声音质感与文字准确度待优化。目前已在多家平台公测和部分 APP 灰度测试， API 接口定价分三档，全量接口将近期推出。

8月6日，旗下的Wan 3.0视频生成大模型正式开启公测。这款模型在多个核心维度完成了全面升级，不再局限于传统的单镜头视频生成，而是进化成为了全能的信息创作载体。

首先在输入模态上实现了重大突破：除了原本支持的文本、图片、音频、视频四种基础格式外，模型首次加入了对doc、xls、ppt、pdf、md等多种文档类文件的支持，单个文件或链接的大小不超过100MB，页数限制在50页以内。用户只需要上传对应文档并搭配提示词，就能快速生成教学课件、产品演示片、业务汇报视频等实用内容，比如上传一份智能眼镜的产品演示PPT，就能一键生成完整的品牌形象宣传视频。这背后离不开模型强大的提示词工程与指令遵循能力，提示词已经成为调度输入内容、控制最终表达效果的核心中枢。

生成时长的升级也是本次公测的一大亮点。Wan 3.0支持单次生成30秒的完整视频，能够让创作者从容安排叙事节奏，连续运镜、一镜到底等复杂的镜头语言都可以得到充分展现，让AI视频从“生成单个镜头”升级为“讲述完整的故事”。除此之外，模型还搭载了智能时长推荐功能，可以根据用户输入的提示词自动匹配合适的视频时长，进一步降低了创作门槛。

随着AI视频工具向生产力工具转型，用户对视频的要求也从“画面清晰”升级为“真实可信”。Wan 3.0在真实世界还原上做出了针对性优化：生成的人物形象力求千人千面，能够细致刻画五官与皮肤细节，人物的情绪表达自然克制，微表情与肢体动作能够形成自然联动；在全能参考任务中，角色设定、道具细节、声音风格、空间关系以及整体创作风格等细粒度的要求，都能够得到稳定的保持。就连图表、数据界面等数字化信息的视觉呈现，也能够同步提升质感，让整体画面更加专业美观。

此外，Wan 3.0的视频编辑能力也得到了大幅提升，用户可以对生成后的视频画面、剧情走向以及台词内容进行修改调整。不过目前模型仍存在一定的优化空间，比如在声音质感与文字准确度方面还有提升的余地。

即日起，Wan 3.0已经在多家合作的AI创作平台开启公测，同时在部分主流AI创作APP开启灰度测试。API接口的定价按照分辨率分为三档：480P为0.3元每秒，720P为0.6元每秒，1080P为1.2元每秒，全量开放的API接口也将在近期正式推出。

以上内容不代表本平台立场，仅供读者参考