Wan 3.0 API
Wan 3.0 คือโมเดลสร้างวิดีโอจาก Alibaba Tongyi Lab ที่สร้างวิดีโอความยาวสูงสุด 30 วินาทีพร้อมเสียงที่ซิงค์กันในครั้งเดียว และรองรับการอ้างอิงอินพุตหลากหลายรูปแบบ
Wan 3.0 เป็นโมเดลสร้างวิดีโอจาก Alibaba Tongyi Lab ที่เปิดตัวเมื่อวันที่ 6 สิงหาคม 2026 ในฐานะพับลิกเบตา โมเดลนี้สร้างวิดีโอต่อเนื่องในเทคเดียวความยาวสูงสุด 30 วินาที และสร้างเสียงที่ซิงโครไนซ์ไปพร้อมกับวิดีโอในการประมวลผลรอบเดียวกัน จุดเด่นคือ Omni-Reference ซึ่งรับอินพุตได้หลายประเภท ทั้งรูปภาพ วิดีโอ คลิปเสียง เอกสาร สเปรดชีต สไลด์ PDF และ URL ของหน้าเว็บ โดยรองรับการอ้างอิงสูงสุด 20 รายการต่อการสร้างหนึ่งครั้ง และสามารถระบุตำแหน่งของแต่ละรายการในพรอมป์ได้ เช่น image 1 หรือ video 3
โมเดลนี้รองรับอัตราส่วนภาพทุกแบบตั้งแต่ 16:9 ถึง 9:16 และมีสามระดับความละเอียดคือ 480p, 720p และ 1080p นอกจากสร้างวิดีโอใหม่แล้ว ยังแก้ไขเนื้อหาวิดีโอที่มีอยู่ผ่านคำสั่งภาษาธรรมชาติได้ เหมาะกับงานเล่าเรื่องในรูปแบบภาพยนตร์และคลิปสั้น การสื่อสารองค์กรและรายงานธุรกิจรายไตรมาส คลิปอธิบายการตลาด เนื้อหาสำหรับ TikTok, Instagram Reels และ YouTube Shorts ภาพสินค้าเพื่ออีคอมเมิร์ซและโฆษณา รวมถึงการเปลี่ยนฉาก ปรับสภาพแวดล้อม และปรับสไตล์ภาพของวิดีโอเดิม
จุดแข็งของ Wan 3.0 คือความสมจริงของภาพ ความต่อเนื่องของการเคลื่อนไหว และการทำตามพรอมป์อย่างแม่นยำ โดยสามารถแสดงแสง เงื่อนไขที่กำหนด การวางวัตถุ และลำดับการเคลื่อนไหวได้ตามที่ระบุ ความสม่ำเสมอของฉากคงที่ตลอดความยาวคลิปในภาพนิ่งหรือภาพที่เคลื่อนไหวช้า และรักษารายละเอียดพื้นผิวได้ดีในภาพสินค้า ทั้งข้อความบนฉลากและไฮไลต์สะท้อนแสงตลอดระยะเวลาคลิป ทั้งนี้ โมเดลยังอยู่ในสถานะพรีวิวผ่าน API ต้องขออนุมัติการเข้าถึง เป็นโมเดลแบบปิดน้ำหนักที่ไม่มีตัวเลือกติดตั้งภายในองค์กร พับลิกเบตายังไม่รองรับเอาต์พุต 4K และต้องใช้ทรัพยากร GPU สูง โดยมีข้อสังเกตว่าฉากไดนามิกที่มีตัวละครหลายตัวมีโอกาสคลาดเคลื่อนในการจัดตำแหน่งตัวละครรอง
อัปเดต:
ID โมเดล
wan-3.0- เอาต์พุต
- video
จุดเด่น
- วิดีโอต่อเนื่องสูงสุด 30 วินาที
- เสียงซิงโครไนซ์ในรอบเดียว
- Omni-Reference อ้างอิงได้ 20 รายการ
- อัตราส่วนภาพ 16:9 ถึง 9:16
- ความละเอียด 480p, 720p และ 1080p
- แก้ไขวิดีโอเดิมด้วยคำสั่งภาษา
ผู้ให้บริการ
เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
เบนช์มาร์ก
- 1173
ตารางอันดับ text-to-video พร้อมเสียงของ Artificial Analysis
คะแนน Elo
คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่
ข้อมูลจำเพาะวิดีโอ
- อัตราส่วนภาพ
- 16:9 / 4:3 / 1:1 / 3:4 / 9:16
- เสียง · เอาต์พุต
- ใช่
- ความยาว · ต่ำสุด
- 2 วินาที
- ความยาว · สูงสุด
- 30 วินาที
- ความยาว · ขั้น
- 1 วินาที
- ความละเอียด
- 480p / 720p / 1080p
เอกสารอ้างอิง API
ยังไม่มีการเผยแพร่ข้อมูลโปรโตคอลของโมเดลนี้ ดูข้อกำหนดการเชื่อมต่อได้ในเอกสารอ้างอิง API
เอกสารอ้างอิง API →คำถามที่พบบ่อย
รู้จัก Wan 3.0?
Wan 3.0 เป็นโมเดลสร้างวิดีโอจาก Alibaba Tongyi Lab ที่เปิดตัวเมื่อวันที่ 6 สิงหาคม 2026 ในฐานะพับลิกเบตา โมเดลนี้สร้างวิดีโอต่อเนื่องในเทคเดียวความยาวสูงสุด 30 วินาที และสร้างเสียงที่ซิงโครไนซ์ไปพร้อมกับวิดีโอในการประมวลผลรอบเดียวกัน จุดเด่นคือ Omni-Reference ซึ่งรับอินพุตได้หลายประเภท ทั้งรูปภาพ วิดีโอ คลิปเสียง เอกสาร สเปรดชีต สไลด์ PDF และ URL ของหน้าเว็บ โดยรองรับการอ้างอิงสูงสุด 20 รายการต่อการสร้างหนึ่งครั้ง และสามารถระบุตำแหน่งของแต่ละรายการในพรอมป์ได้ เช่น image 1 หรือ video 3 โมเดลนี้รองรับอัตราส่วนภาพทุกแบบตั้งแต่ 16:9 ถึง 9:16 และมีสามระดับความละเอียดคือ 480p, 720p และ 1080p นอกจากสร้างวิดีโอใหม่แล้ว ยังแก้ไขเนื้อหาวิดีโอที่มีอยู่ผ่านคำสั่งภาษาธรรมชาติได้ เหมาะกับงานเล่าเรื่องในรูปแบบภาพยนตร์และคลิปสั้น การสื่อสารองค์กรและรายงานธุรกิจรายไตรมาส คลิปอธิบายการตลาด เนื้อหาสำหรับ TikTok, Instagram Reels และ YouTube Shorts ภาพสินค้าเพื่ออีคอมเมิร์ซและโฆษณา รวมถึงการเปลี่ยนฉาก ปรับสภาพแวดล้อม และปรับสไตล์ภาพของวิดีโอเดิม จุดแข็งของ Wan 3.0 คือความสมจริงของภาพ ความต่อเนื่องของการเคลื่อนไหว และการทำตามพรอมป์อย่างแม่นยำ โดยสามารถแสดงแสง เงื่อนไขที่กำหนด การวางวัตถุ และลำดับการเคลื่อนไหวได้ตามที่ระบุ ความสม่ำเสมอของฉากคงที่ตลอดความยาวคลิปในภาพนิ่งหรือภาพที่เคลื่อนไหวช้า และรักษารายละเอียดพื้นผิวได้ดีในภาพสินค้า ทั้งข้อความบนฉลากและไฮไลต์สะท้อนแสงตลอดระยะเวลาคลิป ทั้งนี้ โมเดลยังอยู่ในสถานะพรีวิวผ่าน API ต้องขออนุมัติการเข้าถึง เป็นโมเดลแบบปิดน้ำหนักที่ไม่มีตัวเลือกติดตั้งภายในองค์กร พับลิกเบตายังไม่รองรับเอาต์พุต 4K และต้องใช้ทรัพยากร GPU สูง โดยมีข้อสังเกตว่าฉากไดนามิกที่มีตัวละครหลายตัวมีโอกาสคลาดเคลื่อนในการจัดตำแหน่งตัวละครรอง
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน คิดค่าบริการตามต้นทุนการสร้างจริง ดูยอดสุดท้ายได้ในใบแจ้งหนี้
Wan 3.0 รับอินพุตประเภทใดได้บ้าง
รับข้อความ รูปภาพ วิดีโอ เสียง เอกสาร สเปรดชีต สไลด์ PDF และ URL ของหน้าเว็บ โดย Omni-Reference รองรับการอ้างอิงสูงสุด 20 รายการต่อการสร้างหนึ่งครั้ง
สร้างวิดีโอได้ยาวและละเอียดแค่ไหน
สร้างวิดีโอต่อเนื่องในเทคเดียวได้ยาวสูงสุด 30 วินาที พร้อมเสียงที่ซิงโครไนซ์ในการประมวลผลรอบเดียวกัน และมีสามระดับความละเอียดคือ 480p, 720p และ 1080p
สามารถแก้ไขวิดีโอที่มีอยู่ได้หรือไม่
ได้ โมเดลรองรับการแก้ไขเนื้อหาวิดีโอเดิมผ่านคำสั่งภาษาธรรมชาติ เช่น การเปลี่ยนฉาก การปรับสภาพแวดล้อม และการปรับสไตล์ภาพ
Wan 3.0 แตกต่างจาก Wan 2.7 อย่างไร
จากข้อมูลที่มี Wan 3.0 ใช้สถาปัตยกรรม diffusion-transformer ที่พัฒนาต่อจากซีรีส์ Wan และเพิ่มความสามารถในการสร้างเสียงที่ซิงโครไนซ์กับวิดีโอในรอบเดียว รวมถึง Omni-Reference ที่รับอินพุตได้หลากหลายขึ้น
มีข้อจำกัดอะไรบ้าง
อยู่ในสถานะพรีวิวผ่าน API ที่ต้องขออนุมัติการเข้าถึง เป็นโมเดลปิดน้ำหนักที่ไม่สามารถติดตั้งภายในองค์กรได้ พับลิกเบตายังไม่รองรับ 4K และต้องใช้ GPU จำนวนมากสำหรับการประมวลผล