阿里視頻大模型Wan3.0開啟公測：文檔、ppt也能變視頻

阿里巴巴旗下視頻生成大模型 Wan 3.0 於 8 月 6 日正式開啟公開測試，這次版本在生成時長、創作靈活性、參考能力以及真實世界還原等面向進行全面升級。最引人注目的變化之一是單次生成可達 30 秒的連續影片，讓 AI 視頻從過去只能產出單一鏡頭，進化到能夠完整講述一段故事。這項延展對於需要連續運鏡、一鏡到底等複雜鏡頭語言的使用者來說，敘事節奏將更加遊刃有餘。Wan 3.0 還內建智能時長功能，可根據使用者輸入的提示詞自動推薦最適合的影片長度，降低創作門檻。除了時長突破，Wan 3.0 最大的亮點在於首度支援文檔格式輸入，包括 doc、xls、ppt、pdf、md 等常見結構化檔案。

這意味著模型不再只是單純的影像生成工具，而是進化為資訊表達的載體。使用者可以上傳一份產品簡報、教學課件或業務報告，搭配提示詞，就能自動生成對應的影片內容。例如上傳一個智能眼鏡產品的 PPT，加上簡單描述，系統便能產出一支完整的形象片。單個文件或連結的大小限制為不超過 100MB、50 頁，足以應付多數商業與教學場景。這項能力的背後，是模型在提示詞工程與指令遵循上的大幅強化。Wan 3.0 能夠將使用者的提示詞轉化為調度輸入、控制表達的中樞，讓文字、圖片、音訊、影片四種基礎模態之外，還能讀取並理解文檔中的結構化資訊。

這項技術使 AI 視頻生成從內容創作工具進一步升級為生產力工具，滿足企業在產品演示、內部培訓、市場行銷等多樣化場景的需求。在畫面真實性方面，Wan 3.0 力求精準還原真實世界。模型能夠生成「千人千面」的人像，對五官與皮膚細節的刻畫更加敏銳，人物情緒表達自然克制，微表情與肢體動作之間也能彼此聯動，避免過去 AI 影片常見的僵硬感。在「全能參考」任務中，角色、道具、聲音、空間關係、風格等細粒度維度都能穩定保持，不會因為場景切換而出現不一致的現象。此外，Wan 3.0 對於數字化資訊的畫面審美也同步提升。

無論是圖表、數據還是使用者介面內容，在生成影片中都能呈現出應有的質感，不再只是粗糙的貼圖或模糊的數字。這對於需要製作教學影片、數據報告動畫、產品介面展示的使用者來說，是一大福音。在影片編輯方面，Wan 3.0 同樣獲得顯著升級。使用者可以修改畫面中的元素、調整劇情走向，甚至改變角色的臺詞，讓後期製作更具彈性。不過，目前版本在聲音質感與文字準確度方面仍有改善空間，官方表示會持續優化。正式公測即日起開放，使用者可以透過阿里雲百鍊、萬鏡一刻、萬相官網、千問創作 PC 端、IF STUDIO 以及堆友等平台直接體驗。同時，千問 App 也開始灰度開放測試。對於開發者與企業用戶，Wan 3.

0 的 API 價格也已公布：480P 解析度為 0.3 元／秒，720P 為 0.6 元／秒，1080P 為 1.2 元／秒。API 接口預計在近期全量開放，屆時將有更多應用場景能夠接入這項生成能力。整體來看，阿里 Wan 3.0 的推出標誌著視頻生成模型正從單純的創意工具，邁向能夠處理結構化資訊、支援真實場景還原的綜合性生產力平台。隨著文檔輸入、長時生成、精準參考等功能的成熟，AI 影片在商業、教育、行銷等領域的應用潛力將進一步釋放。