阿里全新一代視頻生成模型 Wan3.0 公測：單次生成能 30 秒，號稱萬物皆可生視頻

阿里雲於8月6日晚間透過官方公眾號正式宣布，全新一代視頻生成模型 Wan3.0 已全面開放公測。這款模型在生成時長、萬能創作、全能參考以及真實感等關鍵維度上實現了顯著升級，最引人注目的亮點是單次即可生成長達30秒的連續視頻，讓創作者能夠更完整地呈現原創意圖，從「生成一個鏡頭」進化到「講述一段完整的故事」。 在生成時長方面，Wan3.0 支援單段30秒的視頻輸出，這為創作者帶來了前所未有的自由度。過去許多視頻生成模型受限於幾秒鐘的片段，難以實現複雜的鏡頭語言；如今，連續運鏡、一鏡到底等專業級敘事手法得以充分展現，無論是劇情短片、產品展示還是動態廣告，都能更流暢地傳達情緒與節奏。此外，模型還內建了智能時長功能，可根據使用者輸入的提示詞自動推薦最合適的視頻長度，無需手動調整；搭配新增的視頻延長功能，更能在原有內容基礎上延伸故事走向與劇情發展，讓創意自然生長，不必擔心中斷或戛然而止。 Wan3.0 的另一大突破在於「萬能創作」能力。它不僅支援傳統的文本、圖片、音頻、視頻四種基礎模態作為參考輸入，更首次將文檔格式納入支援範圍。使用者可以上傳 doc、xls、ppt、pdf、txt、key、pages、numbers 以及 md 等常見辦公與文檔格式，模型會自動讀取其中的結構化資訊，並配合提示詞生成對應的視頻內容。這意味著大量的辦公素材，例如教學課件、產品演示、動態圖表、業務彙報等，都能直接轉化為生動的視頻，大幅降低內容創作門檻，也讓企業與教育機構的數位轉型更加便捷。 在實際使用上，Wan3.0 對輸入文件設有明確限制：每次最多只能上傳一個文件或一個網路鏈接，文件大小不得超過100MB，且頁數不超過50頁。這樣的設計兼顧了模型處理效率與輸出品質，同時也確保了生成結果的穩定度。對於需要將大量文檔轉化為視頻的用戶來說，可以分批處理，逐步完成複雜的專案。 除了文檔輸入，Wan3.0 在「全能參考」方面也做了強化。無論是文字描述、靜態圖片、背景音樂或既有影片片段，模型都能夠作為參考素材，融合多種來源的資訊來生成風格一致、內容連貫的視頻。這項功能讓創作者不必從零開始，而是可以基於現有素材進行延伸創作，例如將一張產品照片配上音效與旁白腳本，瞬間生成一支動態介紹影片；或是將一段教學影片與文字講義結合，產出更豐富的視覺教材。 在真實感維度上，Wan3.0 也進行了深度優化。官方表示，模型在畫面細節、光影處理、動態流暢度以及人物表情等方面都達到了新的高度，讓生成的視頻更加貼近真實拍攝效果。這對於需要高品質視覺呈現的廣告、影視前製、虛擬角色創作等領域尤為重要，也進一步縮小了AI生成內容與專業影視製作之間的差距。 阿里雲這款全新視頻生成模型的推出，正值AI生成技術快速迭代的時期。從最早幾秒鐘的片段，到如今30秒的完整敘事，再到支援文檔等非傳統格式輸入，Wan3.0 顯然瞄準了更廣泛的應用場景——不僅是專業創作者，也包括一般辦公人員、教育工作者、行銷人員，甚至學生與自媒體經營者，都能從中獲得實質幫助。例如，教師可以將課堂講義與投影片直接轉化為動畫講解視頻；業務人員能將簡報與數據報告迅速生成動態彙報；內容創作者則能利用文檔腳本快速產出高品質短片。 值得注意的是，Wan3.0 的「智能時長」與「視頻延長」功能，讓創作過程更具彈性。使用者不必事先精準計算秒數，只需給出核心提示詞，系統就會自動判斷最佳長度；若後續需要擴充內容，也能一鍵延長，保持劇情連貫。這項設計大幅降低了創作門檻，讓非專業人士也能輕鬆駕馭視頻生成技術。 整體而言，阿里雲 Wan3.0 的發布，不僅是技術規格的升級，更代表著AI視頻生成從「玩具」走向「工具」的關鍵一步。當生成時長足夠支撐完整故事，當輸入格式涵蓋日常辦公文件，當參考能力跨越文本、圖片、音頻與視頻，這項技術的實用性與普及性將迎來顯著提升。未來，無論是個人創作還是企業應用，Wan3.0 都有望成為重要的生產力輔助工具，讓「萬物皆可生視頻」的口號逐漸成為現實。