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。
阿里巴巴 · Wan 3.0 · 2026 年 8 月发布
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。
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。
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 适合当作日常视频模型,原因有四个。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
把一句脚本变成动态场景,和团队一起检查节奏和机位。
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 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 3.0 | 480p / 720p / 1080p | 5 / 10 / 15 秒 | 有 | 150 积分 |
| Wan 3.0 Prime | 480p / 720p / 1080p | 5 / 10 / 15 秒 | 有 | 230 积分 |
| Kling 3.0 Turbo | 720p / 1080p | 5 / 10 / 15 秒 | 有 | 455 积分 |
| Seedance 2.0 Mini | 480p / 720p | 5 / 10 / 15 秒 | 有 | 80 积分 |
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。
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。
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。
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。
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。
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。