专题 · FULL STORY

Wan 3.0：从神秘预告到实测惊艳

8月23日起多位博主预告一款可秒级生成有声视频的神秘模型，次日阿里通义万相官宣为 Wan 3.0，支持30秒文档转视频并在多平台上线。随后用户实测显示其多镜头调度与音画生成能力亮眼，被认为有望挑战 SeeDance。

2026-08-23 ~ 2026-08-25 · 3 集 · 21 条

第 1 集 · 神秘新视频模型预告：秒级生成有声视频(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，具体技术细节尚未公开。

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。

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。据@Scobleizer转述的演示信息，其生成视频的速度快于视频本身的播放时长，接近实时生成水平。用户可在阿里云百炼、千问AI等平台体验，API 限时7折优惠。

生成长度：单次可原生生成最长30秒带音频视频，无需拼接，原生支持同步音频。
一致性：据@LudovicCreator转述，可在30秒内保持人物、对话、镜头、多场景切换及唇形同步的高度一致性；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。
控制能力：支持文生视频、首帧与尾帧控制，Runware 上最多支持20个参考输入。
多模态输入：FAL 上支持文本、图片、音频、视频、网页及文档作为输入；据@heypearlai介绍，可直接读取 DOC、XLS、PPT、PDF 和 Markdown 文件，实现"投文档出视频"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，质量稳定且显著提升，社区并已出现面向30秒视频时代的 Prompt 编写技巧分享。
应用情况：据@sunychoudhary转述，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 及 Leonardo，次日 Runway 也正式宣布上线 WAN 3.0；据@runwayml介绍，该模型支持使用多张图像、视频和音频作为参考输入来控制生成结果。
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。

30秒原生长视频生成与接近实时的速度，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）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、Runware、Magnific、Leonardo、Runway 五个第三方平台，生态扩张迅速，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。

多位用户分享了 WAN 3.0 的生成实测。一段纯文本生成（无参考图）的 30 秒床具对抗奇幻视频中，模型自动完成多镜头调度、布料物理模拟及背景配乐，一次性生成成功且质量极高。有用户称其可能成为新的视频模型之王，并具备挑战 SeeDance 2.5 的实力。