万相 Wan3.0 正式上线：一次生成 30 秒视频，连 PPT、PDF 都能直接变成创作素材
…
AI 视频终于开始从：
“生成一个几秒钟的片段”
往：
“直接做一段完整内容”
继续走了。
8 月 24 日，阿里正式上线新一代视频生成模型：
Wan3.0。
这次最直观的升级就是：
单次最长 30 秒。
而且不是只能输入一句 Prompt。
现在图片、视频、音频，甚至 DOC、XLS、PPT、PDF、MD 文档和网页链接，都可以直接作为创作参考。
简单理解：
以前是：
文字 → 视频。
现在越来越接近：
什么素材都可以 → 视频。
一、一次可以直接生成 30 秒
过去 AI 视频最大的问题之一就是：
太短。
5 秒一个片段。
10 秒一个片段。
真正想做短剧、广告或者 MV，往往需要自己生成大量素材，再进入剪辑软件重新拼接。
Wan3.0 现在把单次生成上限提高到了：
30 秒。
而且支持：
480P；
720P；
1080P。
对于短视频来说，30 秒已经足够完成一个相对完整的小段落。
例如：
开场环境；
人物出现；
镜头推进；
人物动作；
对白；
镜头切换；
最后落到产品。
可以全部放在一次生成中完成。
二、30 秒真正难的是“一致性”
单纯让模型多生成 20 秒其实并不是最难的。
真正麻烦的是：
时间越长，越容易崩。
比如：
第 3 秒还是这个人；
第 15 秒脸变了；
第 20 秒衣服颜色又换了。
或者汽车从一个镜头切到下一个镜头以后：
车型直接变掉。
所以 Wan3.0 正式版重点继续增强：
跨镜头角色一致性、场景一致性以及主体稳定性。
这对于：
短剧；
影视；
广告；
MV
特别重要。
AI 视频真正想进入生产流程，不能只保证：
第一帧好看。
而是整段视频里：
人、物、场景都得保持住。
三、PPT、PDF 现在也能直接拿来生成视频
这次我觉得很实用的一个功能，是：
文档输入。
Wan3.0 支持：
DOC；
XLS；
PPT；
PDF；
MD
等文件作为参考输入。
比如你有一份：
产品介绍 PPT。
以前的流程可能是：
阅读 PPT
↓
提炼卖点
↓
写视频脚本
↓
拆分镜头
↓
准备素材
↓
生成视频现在可以直接把 PPT 交给模型，让它理解里面的内容，再结合 Prompt 生成视频。
对于：
产品宣传；
教育课件；
企业介绍；
电商；
行业报告
这类内容尤其方便。
四、连网页都能作为视频参考
除了文档，Wan3.0 还支持：
公开网页链接。
比如给一个产品官网，再告诉模型：
根据网页中的产品信息，制作一段 20 秒科技产品发布短片，重点展示产品外观、三项核心功能和品牌视觉。
模型可以先理解网页内容，再继续进行视频创作。
这时候 AI 视频的输入已经不只是：
一张参考图。
而是：
文字
+
图片
+
视频
+
音频
+
文档
+
网页
↓
Wan3.0
↓
视频这也是所谓：
All-in-One 全能参考。
五、文生、图生、首尾帧、参考视频统一到一个模型
以前做 AI 视频经常需要先决定：
我到底该用哪个模型？
文生视频一个模型。
图生视频另一个。
首尾帧又一个。
参考视频再换一个。
Wan3.0 现在使用统一的：
wan3.0-video
把多个能力整合在一起。
目前可以覆盖：
文生视频
图生视频
首帧生视频
首尾帧生视频
参考生视频
再结合音频、文件和网页等输入。
对于开发者来说也更加简单：
不用为不同视频任务维护一堆完全不同的模型接口。
六、声音也是直接生成的一部分
Wan3.0 默认可以生成：
有声视频。
不是画面生成以后再单独找一个工具配音。
而是让：
画面；
对白；
环境声音；
整体节奏
一起进入视频生成过程。
例如：
夜晚东京街头，一辆跑车快速驶过湿润路面，轮胎卷起水花，远处传来汽车发动机声和城市环境音。
模型不仅要画出画面。
还要让：
发动机；
轮胎；
街道环境
跟视频运动对应起来。
这对于提升成片感非常重要。
七、短剧和影视会是 Wan3.0 很重要的场景
30 秒以后，AI 视频的使用场景会明显发生变化。
以前比较适合：
一个视觉镜头。
以后可以尝试：
一小段剧情。
比如：
0–5 秒建立环境，女孩进入咖啡馆；5–12 秒看到桌面上的信；12–20 秒特写人物神情；20–27 秒打开信件；27–30 秒镜头停在信纸内容。
这已经有明确：
起承转合。
所以 Wan3.0 在公测期间已经开始进入：
AI 短剧；
影视制作；
MV
等内容生产流程。
对 AI 视频来说，这比单纯增加分辨率更值得关注。
八、广告和电商也会更方便
广告最需要的是：
可控。
比如一个产品不能：
第一镜头是黑色；
下一镜头突然变成银色。
Logo 也不能变。
产品结构更不能乱。
Wan3.0 对参考图和主体一致性的提升，就很适合这一类场景。
例如：
上传一张产品图。
然后说：
生成一段 15 秒运动耳机广告。产品外观、Logo、颜色和结构必须保持与参考图一致。前 5 秒展示运动员跑步，中间展示产品特写，最后 3 秒产品悬浮在黑色背景中。
相比完全依靠文字描述：
参考素材会让结果更容易控制。
九、文旅宣传也会是一个高频场景
文旅视频通常需要：
风景；
建筑；
人物；
历史文化；
镜头运动；
旁白和氛围音乐。
过去制作成本比较高。
现在可以把：
景区资料；
旅游介绍 PDF；
真实照片；
宣传文案
全部作为参考。
再生成：
城市宣传；
景区短片；
文化故事；
旅行视频。
尤其结合 30 秒多镜头能力后，一次生成已经可以完成一条比较完整的社交媒体宣传内容。
十、API 分三档价格
Wan3.0 API 目前按照输出分辨率计费。
国内标准价格为：
480P：0.3 元 / 秒
720P：0.6 元 / 秒
1080P：1.2 元 / 秒
如果直接生成一段 30 秒视频，按照标准价格计算：
480P 大约：
9 元
720P 大约：
18 元
1080P 大约：
36 元。
需要注意，如果使用视频作为输入，部分场景会同时计算输入视频与输出视频时长。
十一、8 月 24 日至 9 月 23 日限时 7 折
Wan3.0 正式上线后，阿里云百炼和千问AI平台同步开启 API 限时优惠。
活动时间：
2026 年 8 月 24 日—9 月 23 日。
7 折后的价格分别为：
480P：0.21 元 / 秒
720P：0.42 元 / 秒
1080P：0.84 元 / 秒
换算成一段 30 秒视频：
480P：
约 6.3 元
720P：
约 12.6 元
1080P：
约 25.2 元。
如果是大量生产 AI 短剧、广告或者视频素材，这个差距会比较明显。
十二、Wan3.0 已经不只是一个“视频抽卡模型”
我觉得 Wan3.0 这次最值得看的，不只是：
30 秒。
真正的变化是视频模型开始从：
给我生成一个镜头。
继续走到：
理解我手上的各种资料，然后帮我完成一段视频。
输入已经可以包括：
文本；
图片；
视频；
声音；
PDF；
PPT；
网页。
输出又可以包含：
多镜头；
人物；
声音；
连续剧情。
这越来越接近一个：
AI 视频创作引擎。
结语
Wan3.0 正式版可以记住几个重点：
单次最长 30 秒。
最高 1080P。
支持文本、图片、视频、音频。
支持 DOC、XLS、PPT、PDF、MD。
支持网页链接。
文生、图生、首尾帧和参考视频统一。
跨镜头一致性进一步提升。
以及：
API 首月限时 7 折。
以前 AI 视频更像：
生成素材。
现在随着时长、参考一致性、多模态输入和音频能力一起提升，它开始越来越适合直接参与：
短剧；
广告；
MV；
文旅；
电商
这些真正的内容生产流程。
30 秒也许只是一个数字。
但当一次生成开始可以承载：
多个镜头 + 人物一致性 + 声音 + 完整叙事
以后，AI 视频的玩法确实会比以前丰富很多。
相关链接
万相 Wan3.0 官方体验
阿里云百炼 Wan3.0 专题
https://www.aliyun.com/benefit/scene/wan
Wan3.0 官方模型文档
https://help.aliyun.com/zh/model-studio/wan3-0-video
Wan3.0 文生视频使用文档
https://help.aliyun.com/zh/model-studio/text-to-video-guide
Wan3.0 API 文档
https://help.aliyun.com/zh/model-studio/wan3-video-generation-api-reference
阿里云百炼模型价格
https://help.aliyun.com/zh/model-studio/model-pricing
阿里云百炼
https://www.aliyun.com/product/bailian
千问AI平台
标签
评论 0
最新评论登录后发布评论并参与互动。
暂无评论，欢迎抢沙发。