阿里視頻大模型Wan3.0開啟公測：文檔、ppt也能變視頻

8月6日，阿里巴巴視頻生成大模型Wan 3.0開啟公測，在生成時長、萬能創作、全能參考以及真實世界還原等維度全面升級：單次可生成30秒視頻，完整表達創作意圖；在文本、圖片、音頻、視頻四種基礎模態之外，首次支持doc、xls、ppt、pdf、md等文檔格式輸入；力求準確還原真實世界——人物千人千面，每一幀畫面既真實、又可信。

生成時長的延展是Wan3.0最直觀的升級。單段30秒生成讓敘事節奏更游刃有余，連續運鏡、一鏡到底等復雜鏡頭語言得以充分表達，AI視頻從“生成一個鏡頭”走向“講述一段完整的故事”。Wan3.0還有智能時長功能，可根據提示詞自動推薦合適時長。

Wan3.0正從視頻生成模型躍遷為信息的表達載體，不僅能以文本、圖片、音頻、視頻作為全能參考，還能讀取文檔、ppt等結構化信息，搭配提示詞即可生成教學課件、產品演示、業務匯報等內容。支持格式覆蓋doc、xls、ppt、pdf、md等，單個文件或鏈接不超過100MB、50頁。比如上傳一個智能眼鏡產品的ppt，配上提示詞，就能得到一個完整的形象片。

這背后，是模型強大的提示詞工程與指令遵循能力，將提示詞轉化為調度輸入、控制表達的中樞。

視頻生成模型正從內容生成升級為生產力工具，用戶對畫面的要求不止于清晰，更要真實。無論是現實場景還是數字化信息，Wan3.0都力求精準地復刻與呈現。生成視頻中的人像力求“千人千面”，更敏銳地刻畫五官與皮膚細節，人物情緒表達自然克制，微表情與肢體動作彼此聯動。全能參考任務中，角色、道具、聲音、空間關系、風格等細粒度維度均可穩定保持。數字化信息的畫面審美也同步提升，讓圖表、數據與界面內容同樣擁有質感。

此外，Wan3.0的視頻編輯能力也有大幅提升，支持修改畫面、劇情與臺詞。Wan3.0在聲音質感與文字準確度方面仍有進步空間。

即日起，Wan3.0在阿里云百煉、萬鏡一刻、萬相官網、千問創作PC端、IF STUDIO和堆友開啟公測，在千問APP灰度開放。480P/720P/1080P的API價格分別為0.3/0.6/1.2 元/秒，API接口將于近期全量開放。