Wan 3.0视频生成器
仅从文本提示生成视频（最多30秒）。
0/2000
描述视频中你想要的场景、动作和风格
5
2-30秒
480P:15宝石/秒、720P:30宝石/秒和1080P:60宝石/秒
Adaptive会自动匹配您的输入媒体和意图的比例。
准备好创建您的Wan 3.0视频
使用文本、图像、视频、音频参考、文档和网页的原生音频创建长达30秒的视频。480P/720P/1080P，像素完美参考一致。
仅从文本提示生成视频（最多30秒）。
描述视频中你想要的场景、动作和风格
2-30秒
480P:15宝石/秒、720P:30宝石/秒和1080P:60宝石/秒
Adaptive会自动匹配您的输入媒体和意图的比例。
准备好创建您的Wan 3.0视频
Wan 3.0是阿里巴巴最新的一体式AI视频生成模型。它将文本提示、图像、视频、音频、关键帧、文档和网页转换为长达30秒的视频，并具有480P、720P或1080P分辨率的原生同步音频。
一个模型涵盖了文本到视频、图像到视频、第一帧/最后一帧过渡、多模式参考生成、视频编辑和视频扩展——具有像素完美的参考一致性，使角色、服装、道具和环境在整个剪辑过程中与源材料保持一致。
从文本、图像、视频、音频、关键帧、文档甚至网页链接开始。Wan 3.0会读取你所有的源材料，并围绕它塑造场景、动作、声音和叙事。
生成长达30秒的单个片段——足够容纳上下文、动作、过渡和令人满意的结论，而无需将片段拼接在一起。
角色、服装、道具、环境和音频提示在不断变化的动作和场景中与你的参考保持密切一致，这对于时尚电影、角色展示和品牌内容来说是可靠的。
原生音频生成将对话、音乐和环境声音与视觉效果相结合，具有自然的音色、区域性的语音表达和紧密的视听同步。
将简报、演示文稿、电子表格、PDF和公共网页直接转换为动态视频，非常适合课程、演示、摘要和商业内容。
复杂的动作编排、逼真的物理交互、详细的材料和细致入微的表演——通过第一帧/最后一帧控制，实现故事板精确的过渡。
选择文本到视频、图像到视频、第一帧和最后一帧或参考资源模式（图像、视频、音频、文档或网页链接）。
Write a prompt (use @Image1/@Video1/@Audio1 tokens to point at reference assets), upload frames, or attach reference material.
选择2-30s持续时间、480P/720P/1080P分辨率、宽高比以及是否生成同步音轨。
单击生成并等待处理。预览结果，准备好后下载Wan 3.0视频。
Wan 3.0根据文本提示、第一帧/最后一帧图像和多模式参考生成长达30秒的视频，其中包含本地同步音频，包括多达10张图像、5个视频、5个音频、一个文档或一个网页链接。
Wan 3.0输出480P、720P或1080P视频，持续时间为2至30秒。宽高比包括自适应、16:9、4:3、1:1、3:4和9:16。
价格按每秒输出视频计算：480p时15宝石/秒，720p时30宝石/秒和1080p时60宝石/秒。一个5秒720p的视频片段价值150宝石；生成之前，成本显示会更新。
您最多可以附加10个参考图像、5个参考视频和5个参考音频，以及1个文档文件或1个网页链接。参考视频持续时间加上输出持续时间不得超过30秒，音频必须与至少一个图像或视频配对。
上传第一帧和可选的最后一帧图像，Wan 3.0通过精确的运动控制在它们之间生成平滑过渡视频。
这两种模型接受完全相同的输入，并产生相同的质量。Wan 3.0 Prime是高速版本，等待时间显著缩短，售价为每秒30/60/120宝石，480p/720p/1080p，而标准Wan 3.0为15/30/60宝石。