Wan 3.0 API
Alibaba Wan 3.0 — генеративна відеомодель, що створює до 30 секунд нативного відео з синхронізованим звуком і підтримує до 20 референсних входів різних типів.
Wan 3.0 — це відеомодель від Alibaba Tongyi Lab, представлена 6 серпня 2026 року в публічній бета-версії. Вона побудована на парадигмі дифузійного трансформера, вдосконаленій у серії Wan. Модель здатна генерувати нативне відео тривалістю до 30 секунд в одному безперервному дублі, одночасно створюючи синхронізовану звукову доріжку. Підтримуються співвідношення сторін від 16:9 до 9:16 та три рівні роздільної здатності: 480p, 720p і 1080p.
Завдяки технології Omni-Reference Wan 3.0 приймає зображення, відео, аудіо, документи, таблиці, слайди, PDF-файли та URL-адреси вебсторінок, дозволяючи до 20 референсних входів за одну генерацію. Референси можна адресувати позиційно в запиті, наприклад «зображення 1» або «відео 3». Модель також дозволяє змінювати наявне відео за допомогою інструкцій природною мовою.
Wan 3.0 найкраще підходить для AI-фільмів і короткометражних історій, корпоративних комунікацій, маркетингових пояснювальних відео, короткого контенту для TikTok, Instagram Reels і YouTube Shorts, а також для рекламних зйомок продуктів в електронній комерції. Документ-до-відео та вебсторінка-до-відео описані як перші в індустрії. Модель забезпечує сильну візуальну точність, узгодженість руху та дотримання запитів, надійно відтворюючи освітлення, розташування об'єктів і послідовності дій.
Оновлено:
MODEL ID
wan-3.0- Вихід
- video
Ключові можливості
- Відео до 30 секунд в одному дублі
- Синхронізований звук у тому ж проході
- До 20 референсних входів
- Позиційне посилання на референси
- Роздільна здатність 480p, 720p, 1080p
- Першість у документ-до-відео
Постачальники
Порівняйте ціни API у різних постачальників. Виберіть постачальника, щоб переглянути всі тарифи й умови.
Бенчмарки
- 1173
Artificial Analysis: рейтинг текст-до-відео зі звуком
Elo
Результати за публікацією постачальника моделі.
Параметри відео
- Співвідношення сторін
- 16:9 / 4:3 / 1:1 / 3:4 / 9:16
- Аудіо · Вихід
- Так
- Тривалість · Мінімум
- 2 секунд
- Тривалість · Максимум
- 30 секунд
- Тривалість · Крок
- 1 секунд
- Роздільна здатність
- 480p / 720p / 1080p
Довідка API
Відомості про протокол цієї моделі не опубліковано. Вимоги до інтеграції дивіться в довідці API.
Довідка API →Часті запитання
Що таке Wan 3.0?
Wan 3.0 — це відеомодель від Alibaba Tongyi Lab, представлена 6 серпня 2026 року в публічній бета-версії. Вона побудована на парадигмі дифузійного трансформера, вдосконаленій у серії Wan. Модель здатна генерувати нативне відео тривалістю до 30 секунд в одному безперервному дублі, одночасно створюючи синхронізовану звукову доріжку. Підтримуються співвідношення сторін від 16:9 до 9:16 та три рівні роздільної здатності: 480p, 720p і 1080p. Завдяки технології Omni-Reference Wan 3.0 приймає зображення, відео, аудіо, документи, таблиці, слайди, PDF-файли та URL-адреси вебсторінок, дозволяючи до 20 референсних входів за одну генерацію. Референси можна адресувати позиційно в запиті, наприклад «зображення 1» або «відео 3». Модель також дозволяє змінювати наявне відео за допомогою інструкцій природною мовою. Wan 3.0 найкраще підходить для AI-фільмів і короткометражних історій, корпоративних комунікацій, маркетингових пояснювальних відео, короткого контенту для TikTok, Instagram Reels і YouTube Shorts, а також для рекламних зйомок продуктів в електронній комерції. Документ-до-відео та вебсторінка-до-відео описані як перші в індустрії. Модель забезпечує сильну візуальну точність, узгодженість руху та дотримання запитів, надійно відтворюючи освітлення, розташування об'єктів і послідовності дій.
Як нараховується оплата за використання?
Рахунок залежить від обраного постачальника, його цін і вашого використання. Довші вхідні дані або інші умови можуть мати інші ціни. Оплата за фактичною вартістю генерації. Остаточну суму дивіться в рахунку.
Які типи входів підтримує Wan 3.0?
Модель приймає текст, зображення, відео, аудіо, документи, таблиці, слайди, PDF-файли та URL-адреси вебсторінок. Технологія Omni-Reference дозволяє використовувати до 20 референсних входів за одну генерацію.
Якої довжини відео можна згенерувати?
Wan 3.0 створює нативне відео до 30 секунд в одному безперервному дублі. Водночас генерується синхронізована звукова доріжка.
Які рівні роздільної здатності доступні?
Підтримуються три рівні: 480p, 720p і 1080p. Публічна бета-версія не підтримує вихід у 4K.
Для яких завдань найкраще підходить модель?
Вона добре підходить для AI-фільмів, коротких історій, корпоративних комунікацій, маркетингових пояснювальних відео, контенту для соціальних мереж і рекламних зйомок продуктів.
Чи можна редагувати наявне відео за допомогою Wan 3.0?
Так, модель підтримує зміну наявного відео через інструкції природною мовою. Це включає зміну сцен, модифікацію середовища та візуальний рестайлінг.
Які обмеження має публічна бета-версія?
Модель доступна в API-превʼю з необхідністю схвалення доступу. Вона має закриті ваги без можливості локального розгортання, а для повного чекпойнта можуть знадобитися 4–8 GPU A100 або H100.