Wan 3.0 API

Wan 3.0 由阿里通义实验室开发，于 2026 年 8 月 6 日开启公开测试，基于 Wan 系列持续打磨的扩散 Transformer 架构。它支持文生视频，也能同时接收图像、视频、音频、文档、表格、幻灯片、PDF 和网页链接等多种输入，单次生成最多可引用 20 个参考素材，并可在提示词中按位置指代，例如「图像 1」或「视频 3」。模型支持 16:9 到 9:16 的全部画幅比例，提供 480p、720p、1080p 三档分辨率，单条视频最长 30 秒且一次连续完成。 除生成新视频外，Wan 3.0 还能通过自然语言指令修改已有视频内容，用于场景替换、环境调整和视觉风格重塑。在画面表现上，模型对指定光照条件、物体摆放和动作序列的还原较为可靠，静态或缓慢运动的镜头能保持整段视频的场景一致性；产品类镜头可较好地保留表面细节，包括标签文字和高光反射。根据资料，它还具备文档生成视频和网页生成视频的能力，被描述为行业首创。 这款模型适合 AI 电影与短剧创作、企业传播与季度业务汇报、营销与企业讲解视频，以及 TikTok、Instagram Reels、YouTube Shorts 等平台的短视频内容；电商与广告产品镜头同样适用。需要注意的是，它目前处于 API 预览阶段，需要申请访问权限，属于闭源权重模型，不支持本地部署，公开测试版不提供 4K 输出，推理需要大量 GPU 资源。

费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格，详见计费明细。 按实际生成费用计费，具体金额以账单为准。

支持文本、图像、视频、音频、文档、表格、幻灯片、PDF 以及网页 URL 输入，单次生成最多可引用 20 个参考素材，并可按位置在提示词中指代。

单条视频最长 30 秒，在一次连续生成中完成，并同时输出同步音频。

提供 480p、720p、1080p 三档分辨率，支持从 16:9 到 9:16 的全部画幅比例。公开测试版暂不支持 4K 输出。

可以，通过自然语言指令即可修改现有视频内容，适用于场景变化、环境修改和视觉风格重塑。

模型处于 API 预览阶段，需要申请访问审批，可通过阿里云百炼和 Qwen Cloud 以模型 ID wan3.0-video 调用。

Wan 3.0 在 Wan 系列基础上强化了原生音频同步生成与 Omni-Reference 多模态参考能力，同系列的 Wan 2.7 则属于较早一代的视频模型。