8月6日，阿里巴巴视频生成大模型Wan 3.0开启公测。新版模型在生成时长、创作方式、参考能力和真实世界还原等维度全面升级，单次可生成30秒视频，并首次支持文档格式输入。
生成时长的延展是Wan 3.0最直观的升级。单段30秒生成让叙事节奏更游刃有余，连续运镜、一镜到底等复杂镜头语言得以充分表达，AI视频从“生成一个镜头”走向“讲述一段完整的故事”。此外，Wan 3.0还具备智能时长功能，可根据提示词自动推荐合适时长。
Wan 3.0正从视频生成模型跃迁为信息的表达载体，不仅能以文本、图片、音频、视频作为全能参考，还能读取文档、ppt等结构化信息，搭配提示词即可生成教学课件、产品演示、业务汇报等内容。支持格式覆盖doc、xls、ppt、pdf、md等，单个文件或链接不超过100MB、50页。例如，上传一个智能眼镜产品的ppt，配上提示词，就能得到一个完整的形象片。
这背后是模型强大的提示词工程与指令遵循能力，将提示词转化为调度输入、控制表达的中枢。视频生成模型正从内容生成升级为生产力工具，用户对画面的要求不止于清晰，更要真实。Wan 3.0力求精准复刻与呈现现实场景和数字化信息，生成视频中的人像力求“千人千面”，更敏锐地刻画五官与皮肤细节，人物情绪表达自然克制，微表情与肢体动作彼此联动。在全能参考任务中，角色、道具、声音、空间关系、风格等细粒度维度均可稳定保持。数字化信息的画面审美也同步提升，让图表、数据与界面内容同样拥有质感。
此外，Wan 3.0的视频编辑能力也有大幅提升，支持修改画面、剧情与台词。Wan 3.0在声音质感与文字准确度方面仍有进步空间。
即日起，Wan 3.0在阿里云百炼、万镜一刻、万相官网、千问创作PC端、IF STUDIO和堆友开启公测，在千问APP灰度开放。480P/720P/1080P的API价格分别为0.3/0.6/1.2元/秒，API接口将于近期全量开放。