Wan3.0：第一个看得懂 PPT 的视频模型
阿里通义的 Wan3.0 在 2026 年 8 月 24 日转正式开放。它有两个别家没有的东西：文档输入，也就是 PPT、PDF、Excel 可以直接当素材；以及一个在整个 AI 视频赛道里很少见的身份——Wan 家族唯一没有开源的一代。这一页把官方说了什么、每一档怎么收费、以及它没说的那部分，分开写清楚。
这一页写到的模型和平台，下面是对应的官方入口，链接都指向厂商自己的页面，我们与它们没有从属关系。之所以专门列出来，是因为一个只告诉你「这是什么」、却不说「去哪儿用」的页面，等于只做了一半。
Wan3.0 到底是什么
Wan3.0 是阿里通义实验室的视频生成模型，2026 年 8 月 24 日从公测转为正式开放——阿里云在自家产品动态里把它写成「视频生成模型 Wan3.0 正式上线」，同一天新京报的报道把它总结为「单段 30 秒，PPT 也能变视频」。
它是 Wan 家族的第三代主干。前两代（2.1、2.2）在开放权重社区里是最受欢迎的视频模型之一，而 3.0 做了一件这个家族之前没做过的事：把文档当成一种输入模态。不是「你看着 PPT 写提示词」，而是把 doc、xls、ppt、pdf、md 这些文件直接交给模型，让它自己读里面的结构和文字。
把它和别家放在一起看，位置就很清楚。2026 年下半年，「单次 30 秒」几乎是头部视频模型的共同门槛——字节的 Seedance 2.5、快手的可灵 4.0、阿里的 Wan3.0 都在争这一条线。真正让 Wan3.0 有区分度的是另外两件事：它读文档，以及它的商业定位几乎写在脸上——影视与短剧制作团队、创作者平台、广告营销机构、游戏与设计团队、文旅传播——全是「要规模化出片」的组织客户，不是散客。
相比 Wan2.x，到底改了什么
| 项目 | Wan2.x（2.1 / 2.2） | Wan3.0 |
|---|---|---|
| 发布方式 | 开源权重，Apache-2.0，可本地部署 | 只提供 API 与官方应用，没有开源 |
| 单次生成 | 短片段，需拼接 | 原生 30 秒，最高 1080P，支持一镜到底 |
| 时长控制 | 手动指定 | 智能时长推荐 + 视频续写 |
| 输入模态 | 文本、图像、音频、视频 | 再加上文档与网页 |
| 组合参考 | 分项上限较低 | 最高 10 张图 + 5 段视频 + 5 段音频（单次请求） |
| 声音 | 不原生 | 原生音画生成，画面与声音一次产出 |
| 视频编辑 | 自 Wan2.7 起支持 | 延续：可改画面、剧情、台词而无需整条重生成 |
| 计费 | 自建部署，算力自付 | 按生成秒数计费，失败不计费 |
表里有两行值得单独读。第一行是身份的变化：Wan2.2 在 2025 年 7 月 28 日以 Apache-2.0 发布了代码和权重，社区里那些便宜的本地视频工作流大多建立在它上面；Wan3.0 没有任何开放发布的说明，这意味着这一类工作流在这一代断了。第二行是声音：Wan2.x 时代普遍要「先生成画面、后期再配」，原生音画生成省掉的正是这一步对不齐的返工。
「文档变视频」的实际边界
这是 Wan3.0 唯一的独家卖点，所以最值得把边界说清。官方给出的规则是明确的：每次请求最多 1 个文件或链接，不超过 100MB，不超过 50 页，支持 doc、xls、ppt、pdf、txt、key、pages、numbers 和 md。官方演示的四类用法是：
- 产品 PPT → 品牌片或新品广告。把一份品牌介绍文档丢进去，配一句提示词，输出一支完整品牌片。
- 培训课件 → 视频课程。把讲义转成有画面的内容，而不是把文字挂在 PPT 上念。
- 表格数据 → 动态图表。把数字变成会动的可视化，这是最依赖画面文字准确性的一类。
- 商业报告 → 解说视频。把结论转成带解说的成片，用于内部汇报或对外传播。
它为什么能这么做，官方给的机制解释是提示词工程与指令遵循能力：模型把提示词当作控制中心，由它去解释输入、组织内容、决定最终表达。翻译成实用的一句话就是——文档是素材，提示词仍然是导演。只丢文档不写提示词，等于不给方向。
在哪儿能真的用上它
和 Seedance 一样，Wan3.0 不是一个「注册一下就完事」的产品，而是通过几条不同的路径到达你的模型——路径决定你的价格、你的限制和你的权利。
- 万相官网——通义自己的消费端入口。想先看看它能干什么、不想碰 API，就从这里开始。
- 阿里云百炼——国内开发者路径。API 名称 wan3.0-video，官方写明无需申请即可直接调用，按秒计费，另有 Prime 优速推理服务。这是把它接进自己产品最直接的一条路。
- 千问 AI 平台与千问 APP——官方公布的第一批入口之一，面向已经在用千问的用户。
- 第三方平台——官方自己说明 Wan3.0 已在 Flova、Libtv、巨日禄、海艺等平台同步上线。这类平台用自己的定价和条款转售，用起来方便，但你付的是一层加价，而且条款与阿里官方的不一定相同。
由此有三个实际问题。第一，视频编辑能力的可用范围要在界面上确认：官方说编辑能力从 Wan2.7 延续，但不同平台开放的功能不一定完全一致。第二，第三方平台的积分不是「视频的计量单位」——任何把积分直接换算成条数、却不注明分辨率和时长的表，都是猜的。第三，失败不计费这条只对官方 API 明确成立，转售平台是否照做要单独确认。
每一档分别怎么收费
Wan3.0 的计价方式很干净：按生成视频的秒数算，分辨率决定单价。下面是 2026 年 10 月从官方口径读到的数字。
| 档位 | 国内（阿里云百炼） | 国际站（Model Studio） |
|---|---|---|
| 480P | 0.3 元 / 秒 | $0.05 / 秒 |
| 720P | 0.6 元 / 秒 | $0.10 / 秒 |
| 1080P | 1.2 元 / 秒 | $0.20 / 秒 |
拿最常用的 720P 算一笔：一条 30 秒的成片，单次生成本身是 18 元。按前面说的「每个可用镜头重抽两到三次」，真实成本落在 36 到 54 元之间一条。1080P 翻倍。这就是按秒计费的关键——时长是成本的一阶变量，重抽次数是二阶变量，而后者通常比前者更贵。
它没说出口的三件事
这一段是这一页和多数转载文章的区别所在。我们去找了三样东西，结果如下。
| 你会以为有的 | 实际情况 |
|---|---|
| 开源的权重 | 没有。 Wan2.2 于 2025 年 7 月 28 日以 Apache-2.0 开放了代码和权重，Hugging Face 与魔搭的 Wan-AI 组织、以及 GitHub 上都能拿到。但 Wan3.0 的官方公告只讲 API 调用。我们逐条查过 Hugging Face 的 Wan-AI 组织，名下 27 个仓库里最新的是 Wan2.2 系列，没有任何 Wan3.0 仓库。想本地跑 Wan3.0，目前没有合法路径。 |
| 独立的横向评测 | 没有找到。 目前能读到的效果描述，来源是官方演示片和官方引用的企业用户表态。我们在一手来源里没有找到权威第三方盲测榜上 Wan3.0 的成绩。审慎的读法是：能力在演示里看得见，但「比谁强」这件事目前还没有独立证据。 |
| 工程规格（帧率、码率等） | 公告里没列。 官方口径覆盖的是时长、分辨率、模态、文档限制、价格和失败计费，没有帧率、码率、单次最大请求数这类接口级细节。要拿这些参数，只能读百炼的 API 文档，而不是读新闻稿。 |
这三件事都不说明模型差——它是目前把办公材料转成视频最直接的一条路，这一点没有争议。但它们意味着：你读到的任何关于 Wan3.0 参数量、训练数据或「吊打某某」的说法，在有来源证实之前都应当当作宣传。
怎么真的卡出一条能用的视频
Wan3.0 的文档输入改变了一件事：过去你的起点是提示词，现在你的起点可以是一份文件。但这也意味着新的失败方式。
-
把文档先当成素材来整理，而不是直接上传。
模型读的是文件里的结构和文字，所以塞一份 50 页什么都讲的 PPT 进去，等于给它 50 个互相冲突的方向。先删到只留你要讲的那三页，把结论写成一句话放在首页。官方说提示词是控制中心——那就给控制中心一个明确的目标。
-
提示词写「时间表」，不写形容词。
30 秒意味着模型有能力读整数秒的结构。「0–6 秒：产品特写，慢速推近。6–18 秒：使用场景。18–30 秒：Logo 与落版。」这种写法让它可控，而不是靠运气。这也是它相对前代最实质的升级。
-
低分辨率试结构，高分辨率只渲定稿。
单价随分辨率阶梯上升。先用 480P 把 30 秒的节奏和构图定下来，只把要留下的那一条按 1080P 重渲一次。这是你花费上最大的一根杠杆——比挑便宜的平台有用得多。
-
先在时间线上改，再想重抽。
官方把视频编辑作为保留能力写进了公告，可以改画面、剧情、台词。它的意义就是别因为一秒不对而扔掉好的二十九秒。先想编辑，再想重新生成。
-
把带文字的镜头单独挑出来检查。
官方承认画面内文字的渲染精度仍在改进，而文档变视频这类任务里，画面文字往往就是信息本身。标题、数字、Logo、图表标签——每一个都值得单独看一眼。这一条是 Wan3.0 特有的注意事项。
-
打标，并保留素材来源记录。
发布时带上平台的 AI 生成标记，记录每个参考素材和文档的来源。Wan3.0 的定位就是企业级量产，客户会问；这份记录不是形式主义。
常见问题
Wan3.0 是什么？
阿里通义实验室的视频生成模型，2026 年 8 月 24 日从公测转为正式开放。它是 Wan 家族第一个把单次生成推到 30 秒、也是第一次支持文档输入的一代——doc、xls、ppt、pdf、md 等格式可以直接当素材，官方把这一点叫作「万物皆可成片」。入口包括万相官网、阿里云百炼、千问 AI 平台与千问 APP，API 名称 wan3.0-video。
Wan3.0 多少钱？
按生成秒数计费，分辨率决定单价。国内百炼 480P / 720P / 1080P 为每秒 0.3 / 0.6 / 1.2 元；国际站同档为每秒 0.05 / 0.10 / 0.20 美元。API 无需申请即可调用，官方说明失败不计费。上线时的 7 折优惠已于 2026 年 9 月 23 日结束——网上还在流传的 0.21 元每秒是旧价。
Wan3.0 开源吗？能本地跑吗？
不开源。Wan2.2 在 2025 年 7 月 28 日以 Apache-2.0 开放了代码和权重（Hugging Face、魔搭的 Wan-AI 组织，GitHub 也有），但 Wan3.0 的公告只讲 API。我们查过 Hugging Face 上 Wan-AI 组织下的 27 个仓库，最新的是 Wan2.2 系列，没有 Wan3.0。所以目前没有本地运行的合法路径——如果你需要本地或离线生成，应当围绕 Wan2.2 这类开放权重模型做规划，见 免费工具这条线。
「文档变视频」真能用吗？
能力是官方公布的，限制也是：每次最多 1 个文件或链接，不超过 100MB、不超过 50 页。官方举的例子是产品 PPT 变品牌片、课件变视频课程、报表变动态图表、报告变解说视频。但官方在同一份 FAQ 里承认画面内文字的渲染精度仍在改进，而这类任务最依赖画面文字。按「分镜与画面的加速器」用它，而不是按「PPT 一键出片」用它。
最长能生成多久？
单次最长 30 秒，最高 1080P，支持原生音画生成。另有智能时长推荐（先读提示词再建议长度）和视频续写（在结果上接着往下讲）。来自 Wan2.7 的视频编辑能力也延续了下来，可以改画面、剧情和台词，不必整条重生成。
Wan2.2 和 Wan3.0 有什么区别？
时长从短片段到 30 秒并加上智能时长与续写；新增文档与网页输入；真实感被单列为升级重点（官方说法是「千人千面」，不再是千篇一律的 AI 脸）。还有一条容易被忽略：Wan2.2 开源，Wan3.0 不开源。
用 Wan3.0 做商业项目安全吗？
官方把目标客户直接写成影视与短剧制作、创作者平台、广告营销、游戏与设计、文旅传播和音乐娱乐等有规模化出片需求的企业，公测期间就已进入这些企业的生产流程。但「可以商用」不等于「生成什么都安全」——上传真实人物照片、受保护品牌资产或他人作品做参考，权利风险仍在你这侧。用原创主体，保留素材来源记录。
Wan3.0 和 Seedance 2.5、可灵 4.0 比怎么样？
三者都在争「单次 30 秒」这条线，但侧重不同。Wan3.0 独有的是文档输入，是把办公材料转成视频最直接的选择；Seedance 2.5 走音视频一体路线，强项是同步人声和最多 50 个参考素材的组合；可灵 4.0 截至 2026 年 10 月仍是已官宣未全量开放的状态。三者之间没有同口径的公开对比测试，请基于你自己的素材实测选择。
站内其他内容
- Seedance 2.5——字节的 30 秒模型，走音视频一体路线，也是目前参考素材额度最高的一个。
- 可灵 4.0——快手已官宣但未全量开放的一代。哪些是官方说的、哪些只是媒体转述，以及按实际消耗折算后的真实价格。
- MiniMax H3——Arena 图生视频盲测第一，而且是少数能下载权重的前沿视频模型。和 Wan3.0 的闭源路线正好构成对照。
- Higgsfield Genjutsu——把已拍好的视频换角色、换场景、换物件，不用重拍，也不需要写提示词。
- 免费 AI 视频工具对比——哪一类工具真能免费用、各自复用了什么素材、付钱之前该确认什么。