专题 · FULL STORY

阿里Wan 3.0:从神秘预告到实测刷屏

8月下旬多位博主预告一款生成快于播放时长的新视频模型，8月24日阿里通义万相官宣为Wan 3.0，可原生生成30秒带音频1080p视频。随后模型密集登陆多平台并迎来实测热潮，成本约为Seedance的三分之一。

2026-08-23 ~ 2026-08-26 · 3 集 · 62 条

第 1 集 · 神秘新视频模型本周发布：生成快于播放时长(2026-08-23,5 条)

本周将有一款神秘的新视频生成模型发布，多位博主和开发者陆续预告其能力：生成含声音的短视频仅需约 2 秒，快于视频播放时长，且在原生分辨率下生成音频、不使用任何降质手段，具体技术细节与发布方身份尚未公开。

已确认

  • 博主 markk 于 8 月 23 日预告，该模型 2 秒即可生成一段包含声音的 10 秒视频，生成质量相当不错。
  • 开发者 isidentical 的预告给出更具体的特性：原生音频、原生分辨率输出，声称 2 秒内生成 5 秒视频；明确不使用缓存、量化、稀疏注意力等降低质量的手段，并借此批评近期许多采用此类技巧的服务。
  • 博主 bennash 指出该模型生成速度快于播放时长（如生成 5 秒视频仅需 4 秒），用户可批量输入提示词、几乎无等待地连续观看；他认为当质量与提示词控制达到电影级水准时，将带来实时按需生成视频的体验。
  • 开发者 altryne 同样预告了原生分辨率音频视频生成、拒绝降质的特性，并宣称将发布独立第三方基准测试结果，表示这将改变视频生成领域的格局。

尚未确认

  • 模型名称、技术细节与发布方身份尚未公开。
  • 生成速度（2 秒生成 5 秒还是 10 秒视频）在不同帖子中的说法略有出入，以正式发布为准。

为什么重要

  • 若生成速度快于播放时长属实，视频生成将从「等待产出」转向「实时按需生成」，改变内容消费和创作的工作流。
  • 对缓存、量化、稀疏注意力的公开批评，直接指向当前主流视频生成服务的隐性降质问题；若独立第三方基准测试如期发布，可能成为行业质量对比的新参照。

第 2 集 · 阿里发布Wan 3.0：30秒原生音画视频引实测热潮(2026-08-24,46 条)

8月24日，阿里通义万相团队正式发布视频生成模型Wan 3.0，从8月6日开始的公测转为正式发布。模型单次可原生生成最长30秒带音频的1080p视频，并支持文档、网页等多模态输入，发布两日内即接入多家第三方平台。实测反馈普遍认为相较2.7版本是质的飞跃，生态扩张迅速，值得关注。

已确认

  • 生成长度：单次可原生生成最长30秒带音频视频，据@thetripathi58实测转述可生成30秒1080p视频且不消耗过多额度，无需拼接，原生支持同步音频；文生视频与图生视频模式统一，一个提示词即可完成。
  • 一致性与唇形同步：据@JaynitMakwana、@thetripathi58、@iamfakhrealam 等多人实测转述，可在30秒内保持人物、对话、镜头、多场景切换的高度一致性，多语言（含口音）对话与场景中途切换语言时唇形同步依然稳定；@mhdfaran 实测其在同场景中保持两个不同角色的身份一致性；Magnific 平台演示展示了跨22年、三个年龄段和13个场景的人物面部一致性。@iamfakhrealam 认为这解决了多数视频模型仍会翻车的问题。
  • 控制能力：支持文生视频、首帧与尾帧控制；官方公测宣传中还包含写实级渲染与 Omni-Reference 全模态参考生成能力；Runware 上最多支持20个参考输入。
  • 导演级分镜：据@thetripathi58与@iamfakhrealam实测，单个提示词单次生成可包含7个分镜，支持推拉镜头、180度环绕、多角度序列等复杂运镜，无需在文生视频和图生视频模式间切换。
  • 多模态输入与风格：FAL 上支持文本、图片、音频、视频、网页及文档作为输入，可直接读取 doc、xls、ppt、pdf、md 文件实现投文档出视频工作流；@smohinii 转述风格覆盖写实电影、3D动画、儿童内容、唱歌与口音对话角色；@LearnWithBishal 展示了与 Magnific Suite 结合生成好莱坞级画质的工作流。
  • 实测反馈：据@OdinLovis转述，实测者认为其相比2.7版本不只是更新，更像一个全新模型；@JaynitMakwana认为特写镜头面部表情无常见AI僵死感、场景混乱时动作依然稳定，称其为相当大的飞跃；@heyabusiddik 关注其面部表情无限制、任何人都可以成为主角的宣传，若属实将大幅降低故事短片制作门槛；社区已出现面向30秒视频时代的Prompt编写技巧分享。
  • 应用情况：公测期间模型已被用于短剧、电影制作、广告营销、旅游推广和音乐视频创作。
  • 平台覆盖：发布当日已上线 FAL、Runware、Magnific、Leonardo 及 each::labs（支持单提示词30秒连续视频与原生音画同步），此外还登陆主打电影级视觉创作的 Newtake 平台；8月25日 Runway 正式宣布上线 WAN 3.0，支持多张图像、视频和音频作为参考输入；模型也在 Qwen Cloud 上可用。
  • 获取方式与优惠：用户可在阿里云百炼、千问AI等平台体验，API限时7折优惠；据@thetripathi58与@iamfakhrealam介绍，部分平台提供40%折扣，Magnific 相关优惠持续至9月30日。
  • 背景：据@talkingatoms引述路透社报道，此次发布紧随阿里巴巴完成100亿美元股票出售之后。

为什么重要

  • 30秒原生长视频生成与据@Scobleizer转述的快于播放时长、接近实时的生成速度，明显缩小了AI视频与实用化生产之间的差距。
  • 丰富的参考输入（多模态文档、首尾帧、多参考图像）与单提示词7分镜导演能力，降低了可控叙事与广告等场景的制作门槛，投文档出视频尤其贴近内容生产工作流。
  • 发布两日内即接入 FAL、Runway、Magnific、Leonardo、each::labs、Newtake 等第三方平台，开发者可即刻调用，且公测期已在影视、营销等真实场景落地。

还有 26 条相关讨论 →

第 3 集 · WAN 3.0 多平台上线实测：质量逼近 Seedance 2.5，成本仅三分之一(2026-08-24,11 条)

WAN 3.0 视频生成模型于 8 月 24-25 日密集上线 Pika API Club、Topview 及 DeeVid AI 平台并迎来首批实测。多位创作者反馈其质量出色且接近 Seedance 2.5，而成本约为其三分之一，被认为有望挑战其头部地位。

已确认

  • @markk 于 8 月 24 日率先分享 WAN 3.0 一次生成成功的 30 秒视频，称质量极高，可能成为新的视频模型之王，并有能力挑战 Seedance 2.5。
  • @minchoi 实测其支持 1080p 分辨率下单次生成 30 秒视频，画面质量高，通过拼接两次生成并配乐完成飞行场景视频；其另展示纯文本（无参考图）生成的 30 秒奇幻场景视频，模型自动处理多镜头调度、布料物理模拟及背景配乐，一次性生成能力强。
  • @TomLikesRobots 实测口型同步功能，称口型开合自然，仅需单张图片加音频即可生成；官方称该版本支持 20 种（语言/能力，原文截断）。他指出 Pika API Club 定价透明且比竞品最高便宜 35%。
  • @gizakdag 表示会大量使用该模型并附上参考素材；@DrSingularity 评价性价比很高，已用其制作约 10 个视频并计划继续测试。
  • 成本方面：同等精度下 WAN 3.0 Prime 生成成本约 1.2 万积分，Seedance 约 3 万积分（用户实测转述）；Topview 上生成 30 秒视频成本 $1.20，Seedance 2.5 为 $3.60。
  • @aftahiai 与 @heyabusiddik 的对比测试均显示两者基于相同 Prompt 的输出质量差距小于预期，核心问题是微小质量差异是否值得显著更高的成本；WAN 3.0 同时已上线 DeeVid AI，主打更低生成成本与更强运动感，后续关注点集中在动态效果、一致性及成本。
  • Topview 推出 Ultra Annual 套餐并提供 365 天退款政策（细节原文截断）。
  • @ZabihullahAtal 转述称 WAN 3.0 支持阿拉伯语并具备背景思考模式，生成视频细节具有电影感。

为什么重要

  • WAN 3.0 在 30 秒长视频生成能力上直接对标 Seedance 2.5，而价格约为其三分之一，大幅降低创作者试错成本，可能重塑视频生成模型的性价比格局。
  • 口型同步、多镜头调度、物理模拟、阿拉伯语支持等能力使其在实用化创作流程中具备竞争力，Pika、Topview、DeeVid 多平台同步上架也加快了其普及速度。