Wan 3.0 API

Wan 3.0 — видеомодель от Alibaba Tongyi Lab, выпущенная 6 августа 2026 года в публичной бете. Она создаёт нативное видео длительностью до 30 секунд одним непрерывным дублем и в том же проходе генерирует синхронизированную звуковую дорожку. Модель поддерживает соотношения сторон от 16:9 до 9:16 и три уровня разрешения: 480p, 720p и 1080p. В основе лежит парадигма диффузионного трансформера, усовершенствованная в серии Wan. Функция Omni-Reference позволяет принимать изображения, видео, аудиоклипы, документы, таблицы, слайды, PDF и URL веб-страниц — до 20 референсных входов за одну генерацию. К ним можно обращаться позиционно в промпте, например «изображение 1» или «видео 3». Модель также изменяет существующее видео по инструкциям на естественном языке. Среди применений — создание короткометражных фильмов и историй, корпоративные коммуникации и квартальные отчёты, маркетинговые и корпоративные объяснения, короткий контент для TikTok, Instagram Reels и YouTube Shorts, рекламные и коммерческие снимки продуктов, а также смена сцен, изменение окружения и визуальный рестайлинг готового видео. Wan 3.0 лидирует в таблице Artificial Analysis text-to-video с аудио с результатом 1 173 Elo. Сильные стороны — визуальная точность, связность движения и следование промпту, надёжная передача освещения, размещения объектов и последовательностей действий. На статичных или медленно движущихся кадрах согласованность сцены сохраняется на всей длине клипа, а для продуктовых снимков удерживаются текст на этикетках и зеркальные блики. Возможности «документ-в-видео» и «веб-страница-в-видео» описаны как отраслевой прорыв. Ограничения: доступ по одобрению в API-превью, закрытые веса без локального развёртывания, отсутствие 4K в публичной бете, высокие требования к GPU (по оценкам, 4–8 A100 или H100 для полного чекпоинта), дрейф вторичных персонажей в динамичных сценах и нехватка независимых бенчмарков — на Video Arena модель пока не представлена.

Стоимость зависит от выбранного поставщика, его цен и вашего использования. Для длинных запросов могут действовать другие цены — смотрите подробности. Оплата по фактическим затратам на генерацию. Итоговая сумма указана в счёте.

Текст, изображения, видео, аудио, документы, таблицы, слайды, PDF и URL веб-страниц. В одной генерации можно использовать до 20 референсных входов через Omni-Reference.

Модель генерирует видео длительностью до 30 секунд одним непрерывным дублем. Доступны три уровня разрешения: 480p, 720p и 1080p.

Да, Wan 3.0 изменяет существующий видеоконтент по инструкциям на естественном языке. Это включает смену сцен, изменение окружения и визуальный рестайлинг.

Да, синхронизированная звуковая дорожка создаётся в том же проходе, что и видео.

Поддерживаются все соотношения сторон от 16:9 до 9:16.

Нет, это модель с закрытыми весами без возможности локального развёртывания. Она доступна через Alibaba Cloud Model Studio и Qwen Cloud под идентификатором wan3.0-video, а также на wan.video и сторонних платформах.