Erstellen Sie bis zu 30 Sekunden lange Videos mit nativem Audio aus Text, Bildern, Videos, Audioreferenzen, Dokumenten und Webseiten. 480P/720P/1080P mit pixelperfekter Referenzkonsistenz.
Erstellen Sie ein Video rein aus einer Textaufforderung (bis zu 30 Sekunden).
Beschreiben Sie die Szene, Bewegung und den Stil, den Sie im Video wünschen
2-30 Sekunden
480P: 15 Edelsteine/s, 720P: 30 Edelsteine/s, 1080P: 60 Edelsteine/s
Adaptive passt automatisch das Verhältnis zwischen Eingabemedien und Intent an.
Erstellen Sie Ihr Wan 3.0 Video
Wan 3.0 ist das neueste All-in-One-Modell von Alibaba. Es verwandelt Textaufforderungen, Bilder, Videos, Audio, Keyframes, Dokumente und Webseiten in Videos von bis zu 30 Sekunden mit nativem synchronisiertem Audio bei 480P, 720P oder 1080P-Auflösung.
Ein Modell umfasst Text-zu-Video, Bild-zu-Video, erste/letzte Frame-Übergänge, multimodale Referenzgeneration, Videobearbeitung und Videoerweiterung – mit pixelperfekter Referenzkonsistenz, die Charaktere, Kleidung, Requisiten und Umgebungen im gesamten Clip auf Ihr Quellmaterial ausrichtet.
Beginnen Sie mit Text, Bildern, Videos, Audio, Keyframes, Dokumenten oder sogar einem Websitelink. Wan 3.0 liest all dein Quellmaterial und gestaltet Szene, Bewegung, Klang und Erzählung um ihn herum.
Erstellen Sie einzelne Clips bis zu 30 Sekunden lang – genügend Platz für Kontext, Aktion, Übergänge und eine zufriedenstellende Schlussfolgerung, ohne Fragmente zusammenzufügen.
Charaktere, Kleidung, Requisiten, Umgebungen und Audio-Hinweise bleiben über veränderte Aktionen und Szenen hinweg eng mit Ihren Referenzen ausgerichtet - zuverlässig für Modefilme, Charakter-Showcases und Markeninhalte.
Native Audio Generation verbindet Dialog, Musik und Umweltklang mit den Bildern, mit natürlicher Klang, regionalem Sprachausdruck und enger audiovisueller Synchronisation.
Verwandeln Sie Briefs, Präsentationen, Tabellenkalkulationen, PDFs und öffentliche Webseiten direkt in dynamisches Video – perfekt für Lektionen, Demos, Zusammenfassungen und Geschäftsinhalte.
Komplexe Actionchoreografie, realistische physische Interaktionen, detaillierte Materialien und nuanzierte Performances – mit erster/letzter Frame-Steuerung für storyboardpräzise Übergänge.
Wählen Sie den Modus „Text-zu-Video“, „Bild-zu-Video“, „Erster und letzter Rahmen“ oder „Referenz-Assets“ (Bilder, Videos, Audios, Dokument- oder Webseitenlink).
Write a prompt (use @Image1/@Video1/@Audio1 tokens to point at reference assets), upload frames, or attach reference material.
Wählen Sie 2-30s Dauer, 480P / 720P / 1080P Auflösung, ein Seitenverhältnis und ob Sie eine synchronisierte Audiospur generieren möchten.
Klicken Sie auf Generieren und warten Sie auf die Verarbeitung. Schauen Sie sich das Ergebnis in eine Vorschau an und laden Sie Ihr Wan 3.0 Video herunter, wenn es bereit ist.
Wan 3.0 generiert Videos bis zu 30 Sekunden lang mit nativ synchronisiertem Audio aus Textaufforderungen, ersten/letzten Bildern und multimodalen Referenzen einschließlich bis zu 10 Bildern, 5 Videos, 5 Audios, einem Dokument oder einem Websitelink.
Wan 3.0 liefert 480P-, 720P- oder 1080P-Videos mit einer Dauer von 2 bis 30 Sekunden. Zu den Aspektverhältnissen gehören adaptive, 16:9, 4:3, 1:1, 3:4 und 9:16.
Die Preise sind pro Sekunde des Ausgabevideos: 15 Edelsteine/s bei 480p, 30 Edelsteine/s bei 720p und 60 Edelsteine/s bei 1080p. Ein 5s 720p Clip kostet 150 Edelsteine; Die Kosten zeigen Aktualisierungen an, bevor Sie sie generieren.
Sie können bis zu 10 Referenzbilder, 5 Referenzveideos und 5 Referenzaudios sowie 1 Dokumentdatei oder 1 Websitelink anhängen. Referenzveideodauer plus Ausgabedauer dürfen nicht mehr als 30 Sekunden überschreiten und Audio muss mit mindestens einem Bild oder Video gepaart werden.
Laden Sie ein erstes Bild und optional ein letztes Bild hoch, und Wan 3.0 generiert ein reibungsloses Übergangsvideo zwischen ihnen mit präziser Bewegungssteuerung.
Beide Modelle akzeptieren genau die gleichen Eingänge und produzieren die gleiche Qualität. Wan 3.0 Prime ist die High-Speed-Version mit deutlich kürzeren Wartezeiten, mit einem Preis von 30/60/120 Edelsteinen pro Sekunde bei 480p/720p/1080p gegenüber 15/30/60 für den Standard-Wan 3.0.
