8月6日晚间，阿里云正式宣布新一代视频生成大模型Wan3.0开启公测。该模型在生成时长、多模态输入、参考一致性与画面真实感等维度全面升级，最大亮点在于首次支持doc、xls、ppt、pdf等办公文档直接转视频，将AI视频生成从内容创作领域拉入了更广阔的办公与生产力场景。
30秒一镜到底：叙事成为可能
Wan3.0将单次视频生成时长上限提升至30秒，与字节跳动Seedance 2.5持平，成为目前行业中为数不多能达到这一时长的模型之一。
更长的时长意味着叙事空间被打开。连续运镜、一镜到底、复杂的机位变化可以在一次生成中完成，AI视频正从“生成一个精彩镜头”走向“讲述一段完整故事”。实测案例中，Wan3.0在一镜到底的唱跳MV里，面对多位舞者的复杂走位与肢体交叠，仍能保持每个人物面部特征、服饰褶皱与空间位置的同一性。模型还配套了智能时长推荐功能，可根据提示词自动匹配合适长度，并通过视频延长工具续写剧情。
文档直转视频：办公素材“一键生成”
Wan3.0此次最颠覆性的升级在输入层。除了文本、图片、音频、视频四种基础模态外，模型首次兼容doc、xls、ppt、pdf、txt、key、pages、numbers、md等9种办公文档格式，文件上限100MB、最多50页。
上传一份产品介绍PPT，配上一段提示词，模型即可自动生成完整的形象片；上传一张财务报表或业务汇报文档，也能转化为动态数据可视化短片。这意味着教学课件、产品演示、业务汇报等大量日常办公素材，如今可以直接被“翻译”为视频。
“千人千面”与一致性：告别AI塑料感
针对AI视频长期存在的“油腻感”与“千人一面”问题，Wan3.0对人物生成做了针对性优化。文生视频模式下，模型能够更敏锐地刻画五官与皮肤细节，保留毛孔、法令纹等真实特征，让同一画面中的不同人物各有各的面孔与情绪表达。
在全能参考任务中，Wan3.0可同时处理角色、道具、声音、空间关系与风格等多维度参考信息，并在生成全程保持一致性。角色五官、发型、穿搭配饰全程统一；道具Logo、材质、结构多角度无偏差；电影感、纪实风等不同画风之间不易串味。这一能力大幅降低了需要多镜头、多场景的商业广告与短剧的“穿帮”概率。
定价与可用性
即日起，Wan3.0已在阿里云百炼、万镜一刻、万相官网、千问创作PC端以及IF STUDIO、堆友等平台同步开启公测，千问APP也已灰度上线。API按视频生成秒数计费，480P、720P、1080P价格分别为0.3、0.6、1.2元/秒，约为Seedance 2.5的40%～50%，API接口将于近期全量开放。
Wan3.0的发布，标志着AI视频生成正在从“为创意者打造的工具”转向“为知识工作者打造的生产力平台”。30秒的叙事能力已接近电视广告与短剧的基本单元，而文档直转视频的功能则打开了一个更具商业想象力的场景——企业培训、产品营销、数据汇报等大量日常办公内容，未来都可能被AI视频重新定义。从3秒的动图到30秒的叙事，视频生成只用了18个月。而下一步，或许就是让AI理解整部剧本了。
千问创作平台 https://create.qianwen.com/