阿里视频大模型Wan3.0公测：支持文档转视频

8月6日，阿里巴巴视频生成大模型Wan 3.0正式开启公测，在生成时长、创作方式、参考能力及真实世界还原等维度全面升级。最直观的变化是单次可生成30秒视频，相比此前版本大幅延长，让AI视频从“生成一个镜头”走向“讲述一段完整的故事”，连续运镜、一镜到底等复杂镜头语言得以实现。同时，模型新增智能时长功能，可根据提示词自动推荐合适的视频时长。

Wan3.0的另一项突破是首次支持文档格式输入，在文本、图片、音频、视频四种基础模态之外，新增对doc、xls、ppt、pdf、md等格式的支持。用户上传单个文件或链接（不超过100MB、50页），搭配提示词即可生成教学课件、产品演示、业务汇报等内容。例如，上传一个智能眼镜产品的PPT，就能得到完整的形象片。这标志着Wan3.0正从单纯的视频生成模型，跃迁为信息的表达载体，将结构化文档转化为视觉叙事。

在真实世界还原方面，Wan3.0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。同时，数字化信息的画面审美也同步提升，让图表、数据与界面内容更具质感。此外，视频编辑能力大幅增强，支持修改画面、剧情与台词，但声音质感与文字准确度仍有进步空间。

即日起，Wan3.0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，并在千问APP灰度开放。API价格按分辨率区分：480P为0.3元/秒，720P为0.6元/秒，1080P为1.2元/秒，API接口将于近期全量开放。

从产业视角看，Wan3.0的发布体现了视频生成模型从内容创作工具向生产力工具的转变。支持文档输入意味着AI视频可直接服务于办公、教育、营销等场景，降低了视频制作门槛。对AI应用层企业而言，这类能力有望提升内容生产效率，并带动对底层算力的需求。不过，模型在声音和文字准确性上的不足，也提示当前技术仍有完善空间。