阿里視頻大模型Wan3.0開啟公測：文檔、ppt也能變視頻

## 阿里視頻大模型 Wan3.0 開啟公測：上傳 PPT 和文檔，即可生成完整視頻故事

8 月 6 日，阿里巴巴視頻生成大模型 Wan 3.0 正式開啟公測。此次升級覆蓋生成時長、全能創作、全能參考與真實世界還原等多個核心維度，標誌著 AI 視頻生成從「生成單個鏡頭」向「講述完整故事」邁出關鍵一步。尤其值得關注的是，Wan 3.0 首次支持 doc、xls、ppt、pdf、md 等文檔格式輸入，用戶只需上傳一份產品說明書或教學課件，搭配簡單提示詞，即可生成一條完整的形象片或教學視頻。這一變化，讓視頻生成模型從內容創作工具，進一步晉升為可直接服務於辦公、教育與商業場景的生產力基礎設施。 ### 單次生成 30 秒視頻，敘事節奏更從容

Wan 3.0 最直觀的升級，在於單段視頻生成時長被拓展至 30 秒。在以往的 AI 視頻工具中，用戶往往只能生成數秒鐘的短片段，鏡頭語言的表達受到極大限制，連續運鏡、一鏡到底等複雜拍攝手法難以實現。而 30 秒的生成能力，讓 AI 能夠承載更完整的敘事結構，從場景鋪墊、情節推進到情緒爆發，都能夠在單次生成中流暢呈現。同時，Wan 3.0 還具備智能時長功能，可根據用戶輸入的提示詞內容，自動推薦最適合的視頻時長，降低了手動調參的門檻，讓創作者能更專注於內容本身。 ### 文檔直接變視頻，教學課件與業務彙報一鍵生成

如果說時長升級是量變，那麼文檔輸入支持則堪稱質變。Wan 3.0 正從一個單純的視頻生成模型，躍遷為信息的綜合表達載體。除了傳統的文本、圖片、音頻、視頻四種基礎模態之外，此次公測首次加入了對結構化文檔的理解能力，支援 doc、xls、ppt、pdf、md 等常見辦公格式，單個文件或連結不超過 100MB、50 頁。舉例來說，用戶上傳一個智能眼鏡產品的 PPT，輸入「生成一支產品形象片」的提示詞，Wan 3.0 便能自動提取 PPT 中的產品賣點、設計語言和數據圖表，將其轉化為具有敘事節奏的視頻畫面。這意味著，教學課件、產品演示、業務彙報等日常辦公內容，都能在分鐘級別內被改寫成高質量的視頻形式，極大提升了信息傳播的效率與表現力。 ### 提示詞工程賦能，文檔信息精準調度

能夠實現文檔到視頻的跨越，背後依託的是 Wan 3.0 強大的提示詞工程與指令遵循能力。模型能夠將用戶輸入的自然語言提示詞，轉化為調度各類輸入信息的中樞，精準控制哪些文字內容該被呈現、哪些圖表該被強調、哪些視覺風格該被採用。在處理結構化文檔時，Wan 3.0 不僅能讀懂文字，還能理解版面佈局與邏輯層級，將原本靜態的知識體系，重構為動態的視聽語言。這一能力的突破，讓 AI 視頻生成不再依賴於用戶提供精修的分鏡腳本，而是可以從粗糙的原始素材中，自主提煉出具有傳播價值的核心敘事。 ### 真實世界還原升級：千人千面與細粒度穩定保持

伴隨視頻生成模型從內容生成走向生產力工具，用戶對畫面的要求已不止於清晰，更在於真實。Wan 3.0 在此次升級中，力求精準復刻現實世界的複雜細節。在人物表現上，生成視頻中的人像做到「千人千面」，五官刻畫與皮膚質感更加敏銳，人物情緒表達自然剋制，微表情與肢體動作能夠彼此聯動，不再像過往 AI 視頻中常見的僵硬與塑膠感。在場景與道具層面，全能參考任務中的角色、道具、聲音、空間關係、風格等細粒度維度，均能在生成過程中保持穩定一致，避免了以往多鏡頭切換時出現的角色外貌漂移或場景邏輯混亂問題。 ### 數字化信息也有審美，圖表數據不再枯燥

除了對物理世界的還原，Wan 3.0 還針對數字化信息畫面進行了美學升級。在以往的 AI 視頻中，圖表、數據與界面內容的呈現往往相對粗糙，難以融入整體視頻的視覺風格。此次 Wan 3.0 對螢幕錄製、數據可視化、UI 介面等內容的畫面質感進行了專門優化，讓原本枯燥的數據圖表也能擁有電影級的質感與光感。這對於金融分析、科技測評、企業彙報等大量依賴數據展示的視頻場景而言，無疑是重大利好，使得 AI 生成的視頻在商業與專業場合中更具說服力。 ### 視頻編輯能力大幅提升：改畫面、改劇情、改臺詞

Wan 3.0 的視頻編輯能力同樣迎來大幅升級。新版本支援對已生成視頻進行局部修改，用戶可以針對畫面中的特定元素進行調整，也可以修改劇情走向，甚至改變角色臺詞。這意味著創作者不再需要為了修正一個小瑕疵而重新生成整段視頻，大幅提升了後期製作的靈活性與效率。不過，官方也坦言，Wan 3.0 在聲音質感與文字準確度方面，仍存在進步空間。在包含大量精確文字或高保真音效的場景中，模型表現仍有待進一步優化，這也是團隊後續迭代的重點方向。 ### 多平台同步公測，API 價格同步公佈

即日起，Wan 3.0 已在阿里雲百鍊、萬鏡一刻、萬相官網、千問創作 PC 端、IF STUDIO 和堆友等平台開啟公測，並在千問 APP 中灰度開放。對於開發者與企業用戶最為關心的 API 服務，Wan 3.0 也公佈了明確的定價策略：480P 解析度為 0.3 元/秒，720P 為 0.6 元/秒，1080P 為 1.2 元/秒。API 接口將於近期全量開放，屆時企業可將 Wan 3.0 的視頻生成與編輯能力，便捷地整合進自身的產品與工作流程之中。 ### AI 視頻賽道升溫，從「玩具」走向「工具」

縱觀當下 AI 視頻生成賽道，各大廠商都在加速迭代。就在 Wan 3.0 發佈的同一周，螞蟻集團開源了 Avernet，探索人與智能體的高效協作模式；PPIO 也正式發佈「Fusion 融合模型」，試圖以十分之一的價格實現頂級模型的智商。與此同時，阿里巴巴旗下的 Qwen3.8 Agentic 能力在 Artificial Analysis 榜單中得分全球第一，顯示出阿里在 AI 底層能力上的持續積累。在此背景下，Wan 3.0 的此次升級，不僅是單一產品的功能躍遷，更折射出行業的整體趨勢：AI 視頻生成正在告別「炫技」階段，向著真正解決用戶實際問題的生產力工具演進。當文檔、PPT 都能輕鬆變成電影級視頻，內容生產的門檻將被進一步拉低，而創意與表達的邊界，也將被重新定義。