阿里巴巴 · Wan 3.0 · 2026 年 8 月发布

用通义万相 Wan 3.0 生成有声视频

Wan 3.0(通义万相 3.0)是阿里巴巴最新的视频模型,可以把一段文字提示词或一张照片变成视频,对白、音乐和音效在同一次生成中一起完成。在 ViNano 上打开浏览器就能用,可选 480p、720p 或 1080p,时长 5、10 或 15 秒,还能同时设置首帧和尾帧。

Wan 3.0 需要付费账户,每段视频都会消耗积分(见下表)。免费账户可以用注册赠送的积分,使用 Seedance 1.0 Pro 生成视频。 ViNano 是独立平台,与 Alibaba 没有关联。

加载中...

本平台生成内容均由人工智能模型生成,不代表平台立场。 [免责声明]。 [隐私政策]。

Wan 3.0 是什么?

Wan 3.0(模型 ID:wan3.0-video)是阿里巴巴通义万相视频模型的第三代。阿里巴巴于 2026 年 8 月初开放公测,2026 年 8 月 24 日全面开放使用。根据阿里云的 Wan 3.0 使用指南,它输出 30 fps、带原生音频的 MP4,输入可以是文字、图片、参考视频片段,甚至是文档。

ViNano 提供的是大多数人最常用的 Wan 3.0 功能:文生视频和图生视频(可选尾帧),每段视频都带声音。阿里巴巴的 API 单段最长支持 30 秒;在 ViNano 上可选 5、10 或 15 秒。ViNano 在云端运行模型,你不需要自备 GPU。

本页信息已于 2026年11月 对照上方官方资料核对。

Wan 3.0 在 ViNano 上的参数与积分

以下是上方生成器为 Wan 3.0 提供的可选项。这些数字和生成器读取的是同一份配置,价格调整后也会自动同步。

分辨率480p / 720p / 1080p
视频时长5 / 10 / 15 秒
画面比例16:9 / 9:16 / 1:1 / 4:3 / 3:4
输入方式文字提示词,或最多 2 张图片(首帧和尾帧)
声音与视频一同生成
5 秒视频所需积分480p 150 积分 · 720p 300 积分 · 1080p 600 积分

视频越长,消耗的积分按比例越多:同一分辨率下,10 秒视频的积分是 5 秒视频的两倍。购买付费方案或积分包即可获得积分;视频生成失败时,用掉的积分会退回你的账户。

Wan 3.0 的强项

Wan 3.0 适合当作日常视频模型,原因有四个。

声音与画面一起生成

Wan 3.0 会把对白、背景音乐和音效与画面一起生成,说话的角色或街头场景出来时就带着匹配的声音。阿里巴巴表示音频质感仍在改进,发布前请先检查一下人声。

首帧和尾帧

上传一张照片设定开场画面,或上传两张,分别设定视频的开头和结尾。模型会补出两者之间的动作,适合产品旋转展示、前后对比和转场。

一条提示词写多个镜头

阿里巴巴的指南介绍了分镜式提示词,也就是在一段视频里安排几个短镜头。每个镜头单独写一句,比如先写远景、再写特写,Wan 3.0 会尝试在镜头之间切换。

五种画面比例

可选 16:9、9:16、1:1、4:3 或 3:4,同一个创意可以做成 YouTube 视频、竖屏 Reels 或方形帖子,不用再裁剪。

Wan 3.0 提示词示例

从下面任意一条开始,换掉主体、地点或氛围即可。每条都适合 5 到 10 秒的视频。

有声街头采访

夜市里,一位穿黄色雨衣的街头记者把话筒递向一位笑眯眯的老爷爷。他笑着说:“全城最好吃的面,天天晚上都这么香。”背景里铁锅滋滋作响,人声嘈杂,手持镜头,温暖的霓虹灯光。

产品亮相

一台哑光黑色无线音箱在湿润的石面上缓缓旋转,水珠在灯光下闪闪发亮。镜头慢慢推近,柔和的低音音乐响起,音箱的环形灯亮起蓝光。棚拍布光,浅景深。

两个镜头讲个小故事

镜头 1:黄昏时分,悬崖上的灯塔远景,下方海浪拍岸。镜头 2:灯塔里,一个女孩点亮一盏旧油灯,暖光映满她的脸,特写。舒缓的钢琴音乐,电影感调色。

如何用 Wan 3.0 生成视频

  1. 描述镜头画面

    写清楚视频里发生什么:主体、动作、镜头运动和氛围。每条提示词只写一个清晰的场景,效果最好。

  2. 添加图片(可选)

    上传一张照片,让它动起来。如果 Wan 3.0 支持尾帧,可以再加一张图片,指定视频结束时的画面。

  3. 选择时长、分辨率和比例

    YouTube 选 16:9,TikTok 和 Reels 选 9:16,信息流选 1:1。开始之前,按钮上会显示所需积分。

  4. 生成并下载

    大多数视频一到三分钟就能生成。可以直接下载 MP4,也可以稍后在视频历史记录中找到。

大家用 Wan 3.0 做什么

  • 带声音的社交短视频

    角色开口说话或做出反应的竖屏短视频,不用另外录音,也不用后期再配乐。

  • 产品和广告初稿

    让产品照片动起来,把最后一帧设成产品主图,在正式拍摄前先试几个创意方向。

  • 讲解视频和分镜

    把一句脚本变成动态场景,和团队一起检查节奏和机位。

  • 让静态图片动起来

    把旅行照片、插画或 AI 图片作为首帧上传,让它们动起来。图片也可以先在 AI 修图 里做好。

Wan 3.0 与同类模型对比

Wan 3.0 是 Wan 系列里价格较低的型号。下面是它和 ViNano 上同类模型的对比。

模型分辨率时长声音5 秒视频最低积分
Wan 3.0480p / 720p / 1080p5 / 10 / 15 秒有150 积分
Wan 3.0 Prime480p / 720p / 1080p5 / 10 / 15 秒有230 积分
Kling 3.0 Turbo720p / 1080p5 / 10 / 15 秒有455 积分
Seedance 2.0 Mini480p / 720p5 / 10 / 15 秒有80 积分
  • 想更快拿到结果,选 Wan 3.0 Prime。阿里巴巴对 Prime 的描述是能力相同、速度和价格不同,所以它每秒价格更高,但并不保证画质更好。
  • 想用快手的有声快速模型,选 Kling 3.0 Turbo;想以更低成本混合使用图片、视频和音频参考,选 Seedance 2.0 Mini。

Wan 3.0 常见问题

ViNano 上的 Wan 3.0 免费吗?

不免费。Wan 3.0 仅限付费账户使用,每段视频都会消耗积分,上表列出了各分辨率的价格。免费账户可以用注册赠送的积分,使用 Seedance 1.0 Pro 生成 AI 视频。

Wan 3.0 开源吗?

之前的 Wan 2.x 模型公开过权重,但我们还没有找到 Wan 3.0 官方开放权重的发布。阿里巴巴通过 Model Studio(百炼)API 提供 Wan 3.0,ViNano 在云端运行,不需要安装任何东西。

Wan 3.0 视频最长多少秒?

阿里巴巴的 API 每次生成最长 30 秒。在 ViNano 上每段视频可选 5、10 或 15 秒。想讲更长的故事,可以分别生成几段,再用视频剪辑软件拼起来。

Wan 3.0 支持 4K 吗?

阿里巴巴的官方资料都没有列出 Wan 3.0 支持 4K。文档写明的分辨率是 480p、720p 和 1080p,ViNano 上提供的也正是这三档。

Wan 3.0 能生成带声音的视频吗?

能。对白、音乐和音效会和视频一起生成。想让角色说话,把台词用引号写进提示词即可。

Wan 3.0 和 Wan 3.0 Prime 有什么区别?

两者功能和分辨率相同。Prime 是阿里巴巴的加速档:出片更快,每秒价格也更高。如果不赶时间,Wan 3.0 用更少的积分就能提供同样的能力。