Wan 3.0 API

Wan 3.0 là mô hình tạo video ra mắt công khai dưới dạng bản beta vào ngày 6 tháng 8 năm 2026, được xây dựng trên nền tảng kiến trúc diffusion-transformer đã qua nhiều phiên bản trong dòng Wan. Mô hình tạo video gốc liên tục dài tối đa 30 giây trong một cảnh quay duy nhất, đồng thời sinh âm thanh đồng bộ với video ngay trong cùng một lượt sinh. Tính năng Omni-Reference cho phép nhận nhiều loại đầu vào như hình ảnh, video, đoạn âm thanh, tài liệu, bảng tính, trang trình chiếu, PDF và URL trang web, với tối đa 20 đầu tham chiếu trong một lần sinh; người dùng có thể gọi từng tham chiếu theo vị trí trong câu lệnh, ví dụ hình ảnh 1 hoặc video 3. Mô hình hỗ trợ mọi tỷ lệ khung hình từ 16:9 đến 9:16 và cung cấp ba mức độ phân giải: 480p, 720p và 1080p. Wan 3.0 phù hợp với các tác vụ sáng tạo và truyền thông đòi hỏi video có hình ảnh trung thực, chuyển động mạch lạc và tuân thủ câu lệnh tốt. Các ứng dụng tiêu biểu gồm phim AI và kể chuyện ngắn, truyền thông doanh nghiệp và cập nhật kết quả kinh doanh hàng quý, video giải thích tiếp thị và giới thiệu doanh nghiệp, nội dung ngắn cho TikTok, Instagram Reels và YouTube Shorts, video sản phẩm cho thương mại điện tử và quảng cáo. Mô hình cũng có thể chỉnh sửa nội dung video có sẵn bằng câu lệnh ngôn ngữ tự nhiên, hỗ trợ thay đổi cảnh, điều chỉnh môi trường và tái tạo phong cách hình ảnh. Về chất lượng, Wan 3.0 dẫn đầu bảng xếp hạng text-to-video có âm thanh của Artificial Analysis với 1.173 Elo, đồng thời duy trì độ trung thực hình ảnh, độ mạch lạc chuyển động và khả năng bám sát câu lệnh ở mức cao. Mô hình tái hiện ổn định các điều kiện ánh sáng, vị trí đối tượng và trình tự hành động được chỉ định, giữ được tính nhất quán cảnh quay trong suốt độ dài clip ở các cảnh tĩnh hoặc chuyển động chậm. Khả năng giữ chi tiết bề mặt cũng nổi bật với video sản phẩm, bao gồm văn bản trên nhãn và điểm sáng phản chiếu suốt thời lượng clip. Tính năng chuyển tài liệu thành video và trang web thành video được mô tả là lần đầu tiên trong ngành. Hiện mô hình đang ở giai đoạn xem trước API và cần được phê duyệt quyền truy cập; đây là mô hình đóng, không có tùy chọn triển khai cục bộ, bản beta công khai chưa hỗ trợ đầu ra 4K và cần nguồn GPU đáng kể để suy luận.

Hóa đơn của bạn phụ thuộc vào nhà cung cấp bạn dùng, giá của họ và mức sử dụng của bạn. Đầu vào dài hơn hoặc các điều kiện khác có thể có giá khác. Tính phí theo chi phí tạo thực tế. Xem hóa đơn để biết số tiền cuối cùng.

Mô hình nhận văn bản, hình ảnh, video, âm thanh, tài liệu, bảng tính, trang trình chiếu, PDF và URL trang web. Tính năng Omni-Reference cho phép dùng tối đa 20 đầu tham chiếu trong một lần sinh.

Mô hình tạo video gốc liên tục dài tối đa 30 giây trong một cảnh quay duy nhất. Âm thanh được sinh đồng bộ với video ngay trong cùng một lượt sinh.

Mô hình hỗ trợ mọi tỷ lệ khung hình từ 16:9 đến 9:16. Có ba mức độ phân giải: 480p, 720p và 1080p; bản beta công khai chưa hỗ trợ đầu ra 4K.

Có. Mô hình có thể thay đổi nội dung video hiện có thông qua hướng dẫn bằng ngôn ngữ tự nhiên, chẳng hạn thay đổi cảnh, điều chỉnh môi trường hoặc tái tạo phong cách hình ảnh.

Mô hình hiện ở giai đoạn xem trước API và cần được phê duyệt quyền truy cập. Wan 3.0 có thể dùng qua Alibaba Cloud Model Studio và Qwen Cloud với mã mô hình wan3.0-video, cùng các nền tảng khác như wan.video, CometAPI, Runway, Morphic và WaveSpeedAI.

Wan 3.0 là phiên bản mới nhất trong dòng Wan, được xây dựng trên kiến trúc diffusion-transformer đã qua nhiều phiên bản. Mô hình hỗ trợ video dài tới 30 giây kèm âm thanh đồng bộ và tính năng Omni-Reference với tối đa 20 đầu vào tham chiếu.