Wan 3.0 API
Wan 3.0 مدل ویدئوسازی عالیمحور از Alibaba Tongyi Lab است که ویدئوهای بومی تا ۳۰ ثانیه را همراه با صدای همگامشده در یک برداشت پیوسته تولید میکند.
Wan 3.0 از Alibaba Tongyi Lab در ۶ اوت ۲۰۲۶ بهعنوان نسخه بتای عمومی عرضه شده و بر پایه معماری ترانسفورمر انتشار که در خانواده Wan تکامل یافته ساخته شده است. این مدل در یک مرحله واحد ویدئویی تا ۳۰ ثانیه با صدای همگام تولید میکند و قابلیت Omni-Reference آن انواع ورودیها شامل تصویر، ویدئو، کلیپ صوتی، سند، صفحهگسترده، اسلاید، PDF و نشانی وب را میپذیرد. در هر تولید میتوان تا ۲۰ ورودی مرجع را آدرسدهی موقعیتی کرد، مثلاً «تصویر ۱» یا «ویدئوی ۳».
این مدل برای فیلمسازی با هوش مصنوعی و روایت کوتاه، ارتباطات سازمانی و بهروزرسانیهای فصلی کسبوکار، توضیحات بازاریابی و شرکتی، محتوای کوتاه شبکههای اجتماعی مانند TikTok، Instagram Reels و YouTube Shorts، تصاویر محصول در تجارت الکترونیک و تبلیغات، و همچنین تغییر صحنه، اصلاح محیط و بازطراحی بصری ویدئوی موجود مناسب است.
Wan 3.0 نسبت ابعاد ۱۶:۹ تا ۹:۱۶ را پشتیبانی میکند و سه سطح رزولوشن 480p، 720p و 1080p ارائه میدهد. در پیشنمایش API قرار دارد و دسترسی به آن نیازمند تأیید است؛ مدلی با وزن بسته است و گزینه استقرار محلی ندارد، و نسخه بتای عمومی خروجی 4K را پشتیبانی نمیکند.
به‌روزرسانی:
MODEL ID
wan-3.0- خروجی
- video
نکات برجسته
- ویدئوی بومی تا ۳۰ ثانیه در یک برداشت
- تولید صدای همگام در همان مرحله
- Omni-Reference با تا ۲۰ ورودی مرجع
- آدرسدهی موقعیتی مراجع در دستور
- پشتیبانی از ۱۶:۹ تا ۹:۱۶
- سه سطح رزولوشن 480p تا 1080p
ارائه‌دهندگان
قیمت API را بین ارائه‌دهندگان مقایسه کنید. یک ارائه‌دهنده را انتخاب کنید تا همه هزینه‌ها و شرایط را ببینید.
بنچمارک‌ها
- 1173
جدول برترینهای تبدیل متن به ویدئو با صدا در Artificial Analysis
امتیاز Elo
امتیازها همان‌گونه که ارائه‌دهنده مدل منتشر کرده است.
مشخصات ویدیو
- نسبتهای ابعاد
- 16:9 / 4:3 / 1:1 / 3:4 / 9:16
- صدا · خروجی
- بله
- مدت · حداقل
- ۲ ثانیه
- مدت · حداکثر
- ۳۰ ثانیه
- مدت · گام
- ۱ ثانیه
- رزولوشنها
- 480p / 720p / 1080p
مرجع API
جزئیات پروتکل این مدل منتشر نشده است. برای الزامات یکپارچه‌سازی، مرجع API را ببینید.
مرجع API →پرسش‌های متداول
معرفی مدل: Wan 3.0?
Wan 3.0 از Alibaba Tongyi Lab در ۶ اوت ۲۰۲۶ بهعنوان نسخه بتای عمومی عرضه شده و بر پایه معماری ترانسفورمر انتشار که در خانواده Wan تکامل یافته ساخته شده است. این مدل در یک مرحله واحد ویدئویی تا ۳۰ ثانیه با صدای همگام تولید میکند و قابلیت Omni-Reference آن انواع ورودیها شامل تصویر، ویدئو، کلیپ صوتی، سند، صفحهگسترده، اسلاید، PDF و نشانی وب را میپذیرد. در هر تولید میتوان تا ۲۰ ورودی مرجع را آدرسدهی موقعیتی کرد، مثلاً «تصویر ۱» یا «ویدئوی ۳». این مدل برای فیلمسازی با هوش مصنوعی و روایت کوتاه، ارتباطات سازمانی و بهروزرسانیهای فصلی کسبوکار، توضیحات بازاریابی و شرکتی، محتوای کوتاه شبکههای اجتماعی مانند TikTok، Instagram Reels و YouTube Shorts، تصاویر محصول در تجارت الکترونیک و تبلیغات، و همچنین تغییر صحنه، اصلاح محیط و بازطراحی بصری ویدئوی موجود مناسب است. Wan 3.0 نسبت ابعاد ۱۶:۹ تا ۹:۱۶ را پشتیبانی میکند و سه سطح رزولوشن 480p، 720p و 1080p ارائه میدهد. در پیشنمایش API قرار دارد و دسترسی به آن نیازمند تأیید است؛ مدلی با وزن بسته است و گزینه استقرار محلی ندارد، و نسخه بتای عمومی خروجی 4K را پشتیبانی نمیکند.
هزینه استفاده چگونه محاسبه میشود؟
صورتحساب شما به ارائهدهندهای که استفاده میکنید، قیمتهای آن و میزان مصرف شما بستگی دارد. ورودیهای طولانیتر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند. صورتحساب بر اساس هزینه واقعی تولید محاسبه میشود. مبلغ نهایی را در صورتحساب ببینید.
Wan 3.0 چه نوع ورودیهایی را میپذیرد؟
این مدل ورودیهای متنی، تصویری، ویدئویی، صوتی، سند، صفحهگسترده، اسلاید، PDF و نشانی وب را پشتیبانی میکند. قابلیت Omni-Reference آن میتواند تا ۲۰ ورودی مرجع را در یک تولید بپذیرد.
طول ویدئوی تولیدی چقدر است؟
Wan 3.0 ویدئویی بومی تا ۳۰ ثانیه را در یک برداشت پیوسته تولید میکند و صدای همگامشده را در همان مرحله همراه ویدئو میسازد.
چه رزولوشنها و نسبتهای ابعادی پشتیبانی میشوند؟
سه سطح رزولوشن 480p، 720p و 1080p ارائه میشود و همه نسبتهای ابعادی از ۱۶:۹ تا ۹:۱۶ پشتیبانی میشوند.
Wan 3.0 برای چه کارهایی مناسب است؟
برای فیلمسازی با هوش مصنوعی، ارتباطات سازمانی، توضیحات بازاریابی، محتوای کوتاه شبکههای اجتماعی، تصاویر محصول و تغییر صحنه یا بازطراحی بصری ویدئوی موجود کاربرد دارد.
آیا میتوان محتوای ویدئوی موجود را با Wan 3.0 تغییر داد؟
بله، این مدل محتوای ویدئویی موجود را از طریق دستورهای زبان طبیعی تغییر میدهد و برای تغییر صحنه، اصلاح محیط و بازطراحی بصری به کار میرود.
محدودیتهای استقرار Wan 3.0 چیست؟
Wan 3.0 در پیشنمایش API است و دسترسی به آن نیازمند تأیید است. مدلی با وزن بسته است و گزینه استقرار محلی ندارد؛ نسخه بتای عمومی نیز خروجی 4K را پشتیبانی نمیکند.