支持文本、图片与文档生成最长30秒AI视频

阿里巴巴旗下视频生成模型Wan3.0于2026年8月正式开放公测。与上一代Wan2.5相比，Wan3.0最显著的升级是将最大视频时长从15秒延长至30秒，同时大幅扩展了输入格式的兼容范围。除常规的文本和图片外，用户现在可以直接上传PDF文档、网页链接以及PowerPoint演示文稿作为生成素材，将静态内容转化为动态视频。

在多模态输入能力上，Wan3.0支持文本、图像、视频与音频的同步处理。单次提示词最多可包含10张图片、5段视频片段和5段音频素材，为复杂创作场景提供了充足的素材整合空间。此外，模型内置智能推荐功能，可根据用户的提示内容自动建议最合适的视频时长，并配备视频延长工具，方便对已有视频进行续接扩展。

AI生成视频长期面临画面漂移和细节失真的问题，尤其在人脸和用户界面等精细区域表现明显。Wan3.0针对这一痛点进行了专项优化，通过更严格地锚定参考素材中的角色外观、道具形态和空间布局关系，力求在整段视频中保持视觉元素的高度一致性，从而提升生成内容的可用性。

Wan3.0提供标准版和Prime两个服务层级，目前标准版享有七折优惠。以1080p分辨率为例，标准版每秒视频定价0.2美元，生成一段30秒完整视频约需6美元；Prime版速度更快，同等规格费用为8.4美元。用户可通过wan.video官网、阿里云模型工作室或Qwen Cloud API三种渠道访问该服务。

阿里巴巴为Wan3.0规划了广泛的商业应用场景，涵盖影视制作提速、短剧与社交媒体内容创作、企业营销与培训视频生成，以及为自动驾驶和机器人系统提供仿真训练数据等方向。这一布局折射出阿里巴巴在AI领域的全面加码战略——公司刚刚完成港股史上最大规模股票增发以筹集AI投资资金，最新季度净利润也因AI支出大幅攀升而同比下滑75%。

要点

• Wan3.0将AI视频生成时长上限翻倍至30秒，并首次支持PDF、PPT、网页等文档格式直接作为输入源。
• 模型支持多模态混合输入，单次可处理最多10张图片、5段视频和5段音频，并针对人脸和界面的画面一致性问题进行了专项优化。
• 标准版1080p定价每秒0.2美元，30秒视频约6美元，通过官网、阿里云及API三种渠道均可访问。
• 阿里巴巴将Wan3.0定位于影视、营销、自动驾驶仿真等多元场景，显示其AI商业化布局的纵深扩展。
• 大规模AI投入已对财务产生显著压力，阿里巴巴最新季度利润同比下滑75%，并发起港股史上最大规模增发融资。