阿里巴巴开发的视频生成 AI
用 Wan 3.0，30 秒一镜到底。
阿里巴巴的视频生成 AI，单次生成最长可达 30 秒。不用拼接镜头就能呈现场景的连续变化，适合较长的讲解视频或单场景故事。带音频、最高 1080p，在浏览器里即可生成。
生成视频需要登录。登录后，已输入的内容会原样保留。
- 最长 30 秒
- 最高 1080p
- 带音频
- 5 种画面比例
最后更新 AZ8 编辑部
Wan 3.0 是什么？
Wan 3.0 是阿里巴巴于 2026 年 8 月正式推出的视频生成 AI，可生成 2～30 秒的带音频视频，并组合图片、视频和音频作参考。官方文档列出中文和英文提示词。
结论
- 单次最长 30 秒，与 Seedance 2.5 并列对比的 4 个模型中最长
- 图生视频可一次传入最多 10 张图片
- 参考素材最多图片 10 张、视频 5 段、音频 5 段
适合这样的你
- 不想分镜头，想完整呈现一段连续场景
- 想用多张商品或角色照片，让外观保持一致
- 也想用同一个模型做 2 秒左右的短循环素材
在 AZ8 上生成的 Wan 3.0 视频
AZ8 编辑部在平台上实际跑出了这些视频，提示词与设置照原样展示。
沿镰仓海岸奔跑（15 秒）
- 16:9
- 720p
- 15 秒
提示词
A long tracking shot following a high school girl running along a seaside road in Kamakura on a summer afternoon, a small green and cream train passes behind her, cicadas and wind sounds, bright natural light
一镜到底的夏日祭（30 秒）
- 16:9
- 720p
- 30 秒
提示词
One continuous shot through a Japanese summer festival at night: the camera drifts past yakiniku and goldfish scooping stalls, children in yukata with sparklers, then rises to reveal fireworks over the river, festival drums and crowd ambience
飞出教室的纸鹤（10 秒）
- 16:9
- 720p
- 10 秒
提示词
A paper crane unfolds and flies out of a classroom window into a blue sky, the camera follows it over tiled rooftops, gentle piano music
Wan 3.0 能做什么
共有 4 种生成模式，每种模式都能在 2～30 秒之间选择时长。
- 文本
文生视频
30 秒的时长足以在一条提示词里写下开头、发展和结尾。诀窍是按时间顺序描述。
提示词
A paper crane unfolds and flies out of a classroom window into a blue sky, the camera follows it over tiled rooftops, gentle piano music
- 图片
- 文本
图生视频
最多可传入 10 张图片。以第 1 张为起点，用其他图片让人物或商品的外观在运动中保持一致。
提示词
Bring the photo to life: the woman looks up from her book, the curtain sways in the breeze, warm afternoon light
首帧
尾帧
首尾帧生视频
首帧必填，尾帧可选。只有想锁定结尾画面时，才需要加第 2 张图。
提示词
Time-lapse from sunrise to deep night over the shrine courtyard, the golden light fades to blue, stars appear and the stone lanterns and paper lanterns light up one by one, fixed camera, gentle wind and a distant temple bell
- 图片
- 视频
- 音频
参考素材生视频
最多可组合图片 10 张、视频 5 段、音频 5 段。提示词可以省略，仅靠素材也能传达方向。
提示词
Combine the characters from the reference images and the background music from the reference audio into one scene
Wan 3.0 的强项
- 01
30 秒长镜头
镜头在不同地点间移动的一镜到底，或有起承转合的短故事，都能无缝生成。
- 02
多图统一外观
图生视频最多可参考 10 张图片，传入不同角度的照片，更容易保持人物或商品的辨识度。
- 03
时长从 2 秒起选
从 2 秒的短循环到 30 秒的长视频，同一个模型都能做。
创作中的典型用法
30 秒产品介绍视频
把官网首屏或展会展台的循环视频，做成没有转场的一整段流畅画面。
- 16:9
- 1080p
- 30 秒
电商商品多款式展示
一次传入不同颜色、不同角度的商品图，在保持外观一致的同时加上动态，适合商品详情页。
- 1:1
- 720p
- 图生视频
社交平台短循环
用 2～4 秒的短时长，做出可以替代静态封面的动态图。
- 9:16
- 720p
- 3 秒
Seedance、Wan、MiniMax 视频生成 AI 对比
按同一标准，列出在 AZ8 上可选的设置。
| 项目 | Seedance 2.5 | Seedance 2.0 | Kling 4.0 | Wan 3.0本页 | MiniMax H3 |
|---|---|---|---|---|---|
| 开发方 | ByteDance | ByteDance | Kuaishou | Alibaba | MiniMax |
| 最长时长 | 30 秒 | 15 秒 | 30 秒 | 30 秒 | 15 秒 |
| 最高分辨率 | 1080p | 4K | 不可选 | 1080p | 2K |
| 音频 | 支持 | 支持 | 支持 | 支持 | 支持 |
| 21:9 | 支持 | 支持 | 支持 | — | 支持 |
| 指定尾帧 | 需与首帧一起指定 | 需与首帧一起指定 | 需与首帧一起指定 | 需与首帧一起指定 | 可单独指定 |
| 参考图片上限 | 30 | 9 | 未标明上限 | 10 | 9 |
| 参考视频上限 | 10 | 3 | 1 | 5 | 3 |
| 参考音频上限 | 10 | 3 | — | 5 | 3 |
| 延长与局部编辑 | 支持 | — | — | — | — |
| 开放权重 | 未公开 | 未公开 | 未公开 | 未公开 | 公开 |
Wan 3.0 提示词技巧
Wan 3.0 官方文档列出的提示词语言是中文和英文，可以直接用中文写。
按时间顺序写
长时长视频里，依次写清先发生什么、接着怎样，情节更容易按预期展开。
First, ... Then, ... Finally, ...
运镜只选一种
30 秒内频繁切换运镜容易不稳定。先定一种基本动作，比如跟拍或环绕。
the camera follows the subject from behind
不要让画面生成文字
招牌和字幕容易变形。提示词里写“没有文字的招牌”之类，文字在剪辑时再加。
a shop sign without any text
关于 Wan 3.0 的常见问题
Wan 3.0 是哪家公司开发的？
Wan 3.0 出自中国的阿里巴巴（Alibaba）。AZ8 从美国运营，通过 AZ8 调用该模型时适用 AZ8 服务条款。
Wan 3.0 可以免费使用吗？
注册 AZ8 不收费，每次生成会扣除积分，扣多少取决于时长和分辨率，可在价格页面查看。
可以生成多长的视频？
在 AZ8 上单次生成可选 2～30 秒，所有生成模式的范围相同。
分辨率最高能选到多少？
可选 480p、720p、1080p，默认为 1080p。
可以用中文写提示词吗？
可以。官方文档列出的提示词语言是中文和英文，中文提示词属于开发方明确记载的用法。
Wan 3.0 能在本地运行吗？
截至 2026 年 10 月，官方页面上查不到 Wan 3.0 公开权重的信息，阿里云以 API 形式提供该模型。上一代 Wan 2.2 已公开权重，可以在本地运行。没有 GPU 也想用 Wan 3.0，在 AZ8 上无需安装，用浏览器即可生成。
生成的视频可以商用吗？
根据 AZ8 服务条款，在遵守法律法规、不侵犯第三方权利、并遵守生成前显示的模型专属条件的前提下，生成的视频可以商用。
和 Wan 2.7 有什么区别？
Wan 3.0 是后继模型，在 AZ8 上支持单次最长 30 秒的生成。AZ8 也将 Wan 2.7 作为独立模型提供。