Wan 3.0 API
阿里巴巴通義實驗室的 Wan 3.0 是一款能單次生成最長 30 秒原生影片並同步輸出音訊的多模態影片模型。
Wan 3.0 由阿里巴巴通義實驗室推出，於 2026 年 8 月 6 日進入公開測試。它採用貫穿 Wan 系列的擴散 Transformer 架構，可在同一輪生成中產出最長 30 秒的連續原生影片，並同步生成對應音訊，提供 480p、720p 與 1080p 三種解析度，並支援 16:9 到 9:16 之間的所有畫面比例。
模型的核心特色是 Omni-Reference：單次生成最多可接受 20 個參考輸入，涵蓋圖片、影片、音訊片段、文件、試算表、簡報、PDF 與網頁 URL，並可在提示詞中以「圖片 1」、「影片 3」等位置方式指定引用對象。這讓它能把文件或網頁內容直接轉化為影片，也能依自然語言指令修改既有影片的場景、環境與視覺風格。
它適合 AI 電影與短篇敘事、企業溝通與季度業務更新、行銷與企業解說、TikTok、Instagram Reels 與 YouTube Shorts 等短影音，以及電商與廣告產品鏡頭。在靜態或緩慢運鏡的畫面中，場景一致性可維持整段片長；產品鏡頭的標籤文字與高光細節也能穩定保留。不過它目前屬封閉權重模型，僅能透過 API 預覽使用且需申請核准，不支援 4K 輸出，推論也需可觀的 GPU 資源。
更新時間:
模型 ID
wan-3.0- 輸出
- video
核心要點
- 單次生成最長 30 秒原生影片
- 影片與音訊同一輪同步產出
- Omni-Reference 最多 20 個參考輸入
- 文件與網頁可直接轉成影片
- 480p、720p、1080p 三種解析度
- 支援 16:9 至 9:16 全畫面比例
供應商
比較不同供應商的呼叫價格，點擊供應商可查看完整費用和適用條件。
基準測試
- 1173
Artificial Analysis 帶音訊文字轉影片排行榜
Elo 分數
分數來自模型廠商公布的資料，未經獨立驗證。
影片規格
- 長寬比
- 16:9 / 4:3 / 1:1 / 3:4 / 9:16
- 音訊 · 輸出
- 是
- 時長 · 最短
- 2 秒
- 時長 · 最長
- 30 秒
- 時長 · 步長
- 1 秒
- 解析度
- 480p / 720p / 1080p
API 文件
此模型尚未公布具體協定資訊，請查閱 API 文件中的接入要求。
API 文件 →常見問題
什麼是 Wan 3.0?
Wan 3.0 由阿里巴巴通義實驗室推出，於 2026 年 8 月 6 日進入公開測試。它採用貫穿 Wan 系列的擴散 Transformer 架構，可在同一輪生成中產出最長 30 秒的連續原生影片，並同步生成對應音訊，提供 480p、720p 與 1080p 三種解析度，並支援 16:9 到 9:16 之間的所有畫面比例。 模型的核心特色是 Omni-Reference：單次生成最多可接受 20 個參考輸入，涵蓋圖片、影片、音訊片段、文件、試算表、簡報、PDF 與網頁 URL，並可在提示詞中以「圖片 1」、「影片 3」等位置方式指定引用對象。這讓它能把文件或網頁內容直接轉化為影片，也能依自然語言指令修改既有影片的場景、環境與視覺風格。 它適合 AI 電影與短篇敘事、企業溝通與季度業務更新、行銷與企業解說、TikTok、Instagram Reels 與 YouTube Shorts 等短影音，以及電商與廣告產品鏡頭。在靜態或緩慢運鏡的畫面中，場景一致性可維持整段片長；產品鏡頭的標籤文字與高光細節也能穩定保留。不過它目前屬封閉權重模型，僅能透過 API 預覽使用且需申請核准，不支援 4K 輸出，推論也需可觀的 GPU 資源。
如何計算呼叫費用？
費用取決於你使用的供應商、對應價格和實際用量。長文字輸入等情況可能適用不同價格，詳見計費明細。 按實際生成費用計費，具體金額以帳單為準。
Wan 3.0 支援哪些輸入類型？
它接受文字、圖片、影片、音訊、文件、試算表、簡報、PDF 與網頁 URL 等輸入，並以影片與同步音訊作為輸出。
單次生成可以引用多少個參考素材？
單次生成最多可接受 20 個參考輸入，並可在提示詞中以位置方式指定，例如「圖片 1」或「影片 3」。
它可以生成多長的影片？
Wan 3.0 能在單次連續拍攝中生成最長 30 秒的原生影片，並在同一輪同步產出音訊。
它適合哪些任務？
適合 AI 電影與短篇故事、企業溝通與季度業務更新、行銷解說、短影音社群內容、電商與廣告產品鏡頭，以及既有影片的場景與風格改造。
它和 Wan 2.7 有什麼差別？
Wan 3.0 是 Wan 系列的最新成員，建立在系列逐步改良的擴散 Transformer 架構上；兩者的具體差異需以各自的模型資料為準。
使用上有哪些限制？
目前為 API 預覽階段且需申請存取核准，屬封閉權重模型、不提供本地部署，公開測試也不支援 4K 輸出。