Wan 3.0 API

Wan 3.0 je video model od Alibaba Tongyi Lab, veřejně dostupný v beta verzi od 6. srpna 2026. Staví na paradigmatu difuzního transformeru, které bylo vylepšeno napříč řadou Wan. V jediném průchodu vytváří nativní video až do délky 30 sekund spolu se synchronizovaným zvukem. Funkce Omni-Reference umožňuje zadat až 20 referenčních vstupů různých typů, včetně obrázků, videí, zvukových klipů, dokumentů, tabulek, prezentací, PDF a webových URL. Na jednotlivé reference lze v promptu odkazovat pozičně, například „obrázek 1“ nebo „video 3“. Model zvládá všechny poměry stran od 16:9 do 9:16 a nabízí tři úrovně rozlišení: 480p, 720p a 1080p. K dispozici je přes Alibaba Cloud Model Studio a Qwen Cloud pod identifikátorem modelu wan3.0-video, dále na wan.video a na platformách třetích stran včetně CometAPI, Runway, Morphic a WaveSpeedAI. Model je dostupný pouze přes API s nutným schválením přístupu, jde o model s uzavřenými váhami bez možnosti lokálního nasazení. Model vyniká věrností obrazu, koherencí pohybu a přesností při dodržování promptu. Spolehlivě vykresluje zadané světelné podmínky, umístění objektů a sled akcí. Konzistence scény zůstává stabilní po celou délku klipu u statických nebo pomalu se pohybujících záběrů. Silné zachování povrchových detailů se hodí pro produktové záběry, kde udrží text na etiketě a odlesky po celou dobu trvání klipu. Model také umí upravovat existující video obsah pomocí přirozeného jazyka, takže lze měnit scény, prostředí nebo vizuální styl. Wan 3.0 se hodí pro AI film a krátké příběhy, firemní komunikaci a čtvrtletní obchodní aktualizace, marketingové a firemní explainery, krátký obsah pro TikTok, Instagram Reels a YouTube Shorts, produktové záběry pro e-commerce a reklamu i pro změny scén a vizuální restylování existujícího videa. Dokument-to-video a webpage-to-video jsou označovány za průmyslovou novinku. Mezi omezení patří, že dynamické scény s více interagujícími subjekty mohou vykazovat posun v pozicích sekundárních postav a veřejná betaverze nepodporuje výstup 4K. Nezávislé benchmarky jsou zatím omezené a model se dosud neobjevil na Video Arena.

Faktura závisí na zvoleném poskytovateli, jeho cenách a vašem využití. Delší vstupy nebo jiné podmínky mohou mít jiné ceny. Účtováno podle skutečných nákladů na generování. Konečnou částku najdete ve faktuře.

Model přijímá textové, obrazové, video, zvukové, dokumentové, tabulkové, prezentacční a PDF vstupy a také webové URL. Funkce Omni-Reference umožňuje kombinovat až 20 referenčních vstupů v jediné generaci.

Wan 3.0 generuje nativní video až do délky 30 sekund v jednom souvislém záběru. Spolu s videem vytváří ve stejném průchodu i synchronizovaný zvuk.

Model nabízí tři úrovně rozlišení: 480p, 720p a 1080p. Podporuje všechny poměry stran od 16:9 do 9:16.

Hodí se pro AI film a krátké příběhy, firemní komunikaci, marketingové explainery, krátký obsah pro sociální sítě, produktové záběry pro e-commerce a reklamu. Uplatní se také při změnách scén a vizuálním restylování existujícího videa.

Wan 3.0 přináší nativní video až do 30 sekund se synchronizovaným zvukem a funkci Omni-Reference s až 20 referenčními vstupy. Mezi další novinky patří dokument-to-video a webpage-to-video, které jsou označovány za průmyslovou novinku.