شغّل نموذج Alibaba الرائد Wan 3.0 في متصفحك: مقاطع تصل إلى 30 ثانية مع صوت مرفق مسبقاً، ووضع الإطار الأول والأخير الذي يثبّت بدقة مكان بداية اللقطة ونهايتها، ووضع مرجعي يقرأ الصور والفيديو والصوت في طلب واحد.
Wan 3.0 هو Tongyi Wanxiang 3.0 من علي بابا، خليفة Wan 2.7، ويُقدَّم هنا عبر نقطة النهاية alibaba/wan-3.0 من خلال مزوّد الفيديو لدينا. ثلاثة أوضاع تتشارك لوحة واحدة: تحويل النص إلى فيديو من موجّه وحده، وتحويل الصورة إلى فيديو يثبّت إطارًا أول واختياريًا إطارًا أخيرًا، وتحويل المرجع إلى فيديو يقرأ ما يصل إلى 10 صور و5 مقاطع فيديو و5 مسارات صوتية في طلب واحد، ويُشار إلى كل منها في الموجّه برقمه. أرقامه المميِّزة هي النطاق: أي ثانية كاملة من 2 إلى 30، وثلاث دقّات من فئة 480p للمسودات إلى 1080p، وصوت يُولَّد مع كل مقطع.
المقايضات محدّدة بدقة. الدقة 1080p هي الحد الأقصى — فالتسليم بدقة 4K من اختصاص Kling 3.0. تعرّف واجهة البرمجة الأم (API) وضعًا ذكيًا للمدة يختار طول المقطع بنفسه؛ لكنه يحجز الرصيد عند حد 30 ثانية، لذلك لم نوصّله — فأنت تختار هنا طولًا صريحًا. ثواني الفيديو المرجعي تُحتسب ضمن الفوترة، وهو ما يعرضه معاين السعر قبل أن تلتزم. المقطعان الموجودان أسفل هذه الصفحة استغرقا 3m 33s (5 ثوانٍ، 720p) و7m 32s (20 ثانية، 720p) لتوليدهما هنا — فخطّط على أساس الدقائق، لا الثواني، للّقطات الطويلة.
يولّد Tongyi Wanxiang 3.0 من علي بابا مقاطع تصل إلى 30 ثانية مع صوت أصلي، ويثبّت الإطارين الأول والأخير للقطة بدقة، ويقرأ الصور ومقاطع الفيديو والمسارات الصوتية معًا في طلب مرجعي واحد — بفوترة لكل ثانية بدءًا من فئة 480p الاقتصادية.
معظم نماذج فيديو الذكاء الاصطناعي تتوقف عند 10 أو 15 ثانية؛ أما Wan 3.0 فيصل إلى 30 في توليد واحد متصل. هذه مدة تكفي لجولة منتج كاملة، أو مشهد منطوق، أو تسلسل لقطات دون الحاجة إلى لصق المقاطع معًا لاحقًا. اختر أي ثانية كاملة من 2 إلى 30 — فأنت تدفع لكل ثانية، وبالتالي تُسعَّر مسودة مدتها 6 ثوانٍ ونسخة نهائية مدتها 30 ثانية بنسبة متساوية تمامًا.
تحويل الصورة إلى فيديو هنا يتجاوز مجرد تحريك صورة واحدة: ارفع إطارًا أول واختياريًا إطارًا أخير، وسيُكمل Wan 3.0 الحركة بين نقطتيك الثابتتين. إنه النموذج الوحيد في المقارنة أدناه في هذه الصفحة الذي يقبل إطارًا أخير — الفرق بين «ابدأ من هذه الصورة» و«انتقل من هذه الصورة بالضبط إلى تلك الصورة بالضبط».
يقبل تحويل المرجع إلى فيديو مواد مختلطة في طلب واحد — ما يصل إلى 10 صور و5 مقاطع فيديو قصيرة و5 مسارات صوتية — ويخاطب الموجّه كلًّا منها برقمه: «الشخصية من Image 1، تتحرك مثل Video 1، بموسيقى مثل Audio 1». الصور والصوت المرجعيان مجانيان؛ أما ثواني الفيديو المرجعي فتُضاف إلى المدة المفوترة، وتظهر التكلفة قبل أن تولّد.
الصوت — الأصوات والمؤثرات والأجواء المحيطة — يُولَّد مع المقطع، وإيقافه يكلّف المبلغ نفسه، فلا توجد أبدًا رسوم إضافية على الصوت. ثلاث دقّات تُفوتر بنسبة واضحة: 480p بسعر 40 رصيدًا لكل ثانية للمسودات، و720p بسعر 80، و1080p بسعر 160 للنسخ النهائية. التجربة بدقة 480p والإنهاء بدقة 1080p يجعل إنتاجًا مدته 30 ثانية في المتناول.
تم التوليد هنا في 26 أغسطس 2026، من المحاولة الأولى، مع عرض الأوامر النصية والإعدادات الدقيقة. المقطع بطول 20 ثانية موجود لإثبات ادعاء اللقطة الطويلة أعلاه — توليد واحد، بلا قصّ، بلا دمج.
One continuous handheld shot following a food vendor through a night market: she ladles broth at her stall, hands a bowl to a customer, wipes the counter, then looks up smiling as lanterns sway overhead, ambient market chatter and sizzling sounds throughout, no cuts.
A cellist practicing alone in a sunlit rehearsal room, bow moving across the strings, warm resonant cello notes filling the space, dust motes in the light, slow push-in.
إنه نموذج المحتوى الطويل والدقة في هذه المجموعة: حد أقصى قدره 30 ثانية، والتحكم الوحيد في الإطار الأخير، وأوسع مجموعة أدوات مرجعية.
جولات المنتجات والمشاهد المنطوقة والتسلسلات متعددة الإيقاعات تصل إلى 30 ثانية في توليد واحد — بلا لصق، وبلا فواصل في الاستمرارية بين المقاطع، ويمتد المسار الصوتي عبر اللقطة كاملة.
وضع الإطار الأول والأخير يأخذ صورتين ويستكمل الحركة بينهما — تحوّلًا، أو كشفًا، أو حركة كاميرا يجب أن تحطّ على تكوين محدد. لا يقبل أي نموذج آخر في هذه الصفحة إطارًا أخيرًا.
زوّده بالشخصية من صورة واحدة، وأسلوب الحركة من مقطع فيديو، ومقطعًا موسيقيًا، وخاطب كلًّا منها برقمه في الأمر. يمكن لعشر صور وخمسة مقاطع وخمسة مقاطع صوتية أن تشكّل توليدًا واحدًا.
تُحتسب فئة 480p بربع سعر 1080p مع سلوك مطالبة متطابق، لذا يمكنك تجربة قصّ مدته 30 ثانية مقابل 1,200 رصيد وإخراج النسخة النهائية مقابل 4,800 فقط عندما تصبح صحيحة.
1080p هو الحد الأقصى — فالتسليم بدقة 4K من اختصاص Kling 3.0. ووضع المدة الذكية في المصدر غير موصول هنا، لذا تختار دائمًا طولًا صريحًا بين 2 و30 ثانية.
مساحة العمل نفسها، ومجمع النقاط نفسه — والتبديل بين أي منها بنقرة واحدة.
| Wan 3.0 | Wan 2.7 | MiniMax H3 | Kling 3.0 | |
|---|---|---|---|---|
| الدقات | 480p · 720p · 1080p | 720p · 1080p | 768p · 2K | 720p · 1080p · 4K |
| طول المقطع | 2–30s، أي ثانية كاملة | 2–15 ثانية، بأي ثانية كاملة | 4–15s، بأي ثانية كاملة | 3–15s، بأي ثانية كاملة |
| كيف تُحتسب المحاسبة | لكل ثانية من الناتج؛ وتُضاف ثواني الفيديو المرجعي | لكل ثانية من الخرج | لكل ثانية من الناتج؛ وتُضاف ثواني الفيديو المرجعي | لكل ثانية من الخرج |
| الصوت | أصلي، مفعّل افتراضيًا — التشغيل والإيقاف بالتكلفة نفسها | أصلي، دائم التشغيل، بلا مفتاح | أصلي، دائم التشغيل، بلا مفتاح | مفتاح اختياري، مطفأ افتراضيًا |
| أرصدة لكل ثانية، فئة اقتصادية | 40 عند 480p | غير متوفر — 720p هو الحد الأدنى | 55 عند 768p | 45 عند 720p، صامت |
| النقاط لكل ثانية، عند 1080p | 160 | 70 | غير متوفر — فئته العليا هي 2K عند 90 | 60 صامت · 85 مع صوت |
| النقاط لمقطع من 6 ثوانٍ عند 1080p | 960 | 420 | غير متوفر عند 1080p | 360 صامت · 510 مع صوت |
| نقاط مقطع واحد، من الحد الأدنى إلى الأقصى | 80–4,800 | 80–1,050 | 220–2,820 | 135–3,000 |
| من صورة إلى فيديو | إطار أول + إطار أخير اختياري | الإطار الأول فقط | الإطار الأول فقط | الإطار الأول فقط |
| مواد مرجعية | حتى 10 صور + 5 فيديوهات + 5 مقاطع صوتية، تُذكر كـ Image 1 / Video 1 / Audio 1 | حتى 5 صور، تُذكر كـ Image 1 وImage 2 … | حتى 9 صور + 3 فيديوهات + 3 مقاطع صوتية | لا شيء — الصورة المفردة هي الإطار الأول |
| نسب الأبعاد | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 6 — من 16:9 إلى 21:9 | 3 — 16:9, 9:16, 1:1 |
| السرعة التي قسناها بأنفسنا | 3m 33s لمدة 5s و7m 32s لمدة 20s، وكلاهما بدقة 720p (مقطعان، أغسطس 2026) | غير مقيس | غير مقيس | غير مقيس |
كل دقة وطول مقطع ورقم رصيد في هذا الجدول مقروء من سجلّ النماذج الخاص بنا ومن جداول الأسعار في شيفرتنا بتاريخ 26 أغسطس 2026 — وهي الجداول نفسها التي تسعّر توليداتك، لا صفحات التسويق الخاصة بالمورّدين. النماذج الأربعة كلها تُفوتر بالثانية، لذلك فإن أرقام كل مقطع هي السعر مضروبًا في الطول الذي تختاره؛ كما يحتسب Wan 3.0 وMiniMax H3 إضافةً إلى ذلك ثواني الفيديو المرجعي ضمن الفوترة. أرقام السرعة الوحيدة هي مقطعا Wan 3.0 اللذان ولّدناهما ووقّتناهما بأنفسنا؛ أما كل خلية أخرى فتقول لم نَقِسه بدلًا من استعارة رقم من مكان آخر.
قارن Wan 3.0 مع نماذج فيديو أخرى — مساحة العمل نفسها، ونقرة واحدة للتبديل.
| النموذج | wan-3.0 (Tongyi Wanxiang 3.0)، من Alibaba — يُقدَّم عبر نقطة النهاية alibaba/wan-3.0 |
|---|---|
| الأوضاع | تحويل النص إلى فيديو، وتحويل الصورة إلى فيديو مع التحكم في الإطارين الأول والأخير، وتحويل المرجع إلى فيديو بمواد مختلطة من الصور والفيديو والصوت |
| الدقة | 480p و720p و1080p — تُحتسَب بنسبة 1x / 2x / 4x |
| المدة | من 2–30 ثانية، أي ثانية كاملة (5 افتراضيًا) — أطول نطاق على هذه المنصة |
| نسب الأبعاد | 16:9 و9:16 و1:1 و4:3 و3:4 لتحويل النص إلى فيديو والمرجع إلى فيديو؛ أما تحويل الصورة إلى فيديو فيتبع الإطار الأول |
| الأصول المرجعية | ما يصل إلى 10 صور، و5 مقاطع فيديو (15 ثانية إجمالًا)، و5 مسارات صوتية، يُشار إليها في الموجِّه بصيغة Image 1 وVideo 1 وAudio 1 |
| الإطار الأول / الأخير | يقبل تحويل الصورة إلى فيديو إطارًا أول إلزاميًا وإطارًا أخير اختياريًا؛ والإطارات والمواد المرجعية متنافية فيما بينها في مرحلة الإدخال |
| الصوت | أصلي — الأصوات والمؤثرات والأجواء تُولَّد مع المقطع؛ وتشغيل الصوت أو إيقافه بالتكلفة نفسها |
| النقاط | لكل ثانية من الناتج: 40 عند 480p، و80 عند 720p، و160 عند 1080p — بالمعدل نفسه عبر الأوضاع الثلاثة كلها |
| فوترة الفيديو المرجعي | تُضاف ثواني الفيديو المرجعي إلى المدة المفوترة؛ أما الصور والصوت المرجعيان فمجانيان |
| نطاق النقاط لكل مقطع | 80 لمقطع 480p مدته ثانيتان، وحتى 4,800 لمقطع 1080p مدته 30 ثانية (بالإضافة إلى أي ثوانٍ من الفيديو المرجعي) |
| الإلغاء | تُسترد قيمة عمليات التوليد الفاشلة تلقائيًا |
| السرعة المُقاسة | 3m 33s لمقطع بطول 5 ثوانٍ وبدقة 720p و7m 32s لمقطع بطول 20 ثانية وبدقة 720p (مقطعان، 26 أغسطس 2026) |
افتح منتقي النماذج واختر Wan 3.0. تعرض اللوحة تكلفته بالرصيد، وخيارات الدقة، وحدود المدة قبل أن تنفق أي شيء.
اكتب الموضوع والحركة وكيف تتحرك الكاميرا. أرفق إطارًا أولًا إذا أردت أن يبدأ المقطع من صورة محددة.
نزّل المقطع أو مدّده أو أرسله لمزيد من التحرير. يبقى الموجِّه والنموذج والإعدادات مرفقة به في سجلّك.
حساب واحد، وسير العمل الكامل لتوليد الصور والفيديو.
شغِّل Wan 3.0 بالرصيد اليومي للفئة المجانية، أو قم بالترقية للحصول على نماذج متميزة وتوليد أسرع وناتج بدقة 4K.
مثالي للبدء
يُحاسَب سنويًا · $240/year
يُحاسَب سنويًا · $380/year
اللقطات الطويلة والمشاهد المتحكَّم فيها: مقاطع تصل إلى 30 ثانية بصوت أصلي، ووضع الإطارين الأول والأخير الذي يحدِّد بدقة أين يبدأ المشهد وأين ينتهي، ووضع مرجعي يقرأ الصور والفيديو والصوت معًا في طلب واحد.
لكل ثانية من الناتج: 40 رصيدًا عند 480p، و80 عند 720p، و160 عند 1080p — بالمعدل نفسه لتحويل النص إلى فيديو والصورة إلى فيديو والمرجع إلى فيديو. تُضاف ثواني الفيديو المرجعي إلى المدة المفوترة؛ أما الصور والصوت المرجعيان فمجانيان. تظهر التكلفة الدقيقة قبل التوليد، وتُسترد قيمة المحاولات الفاشلة تلقائيًا.
تحويل النص إلى فيديو من موجِّه وحده، وتحويل الصورة إلى فيديو من إطار أول (مع إطار أخير اختياري)، وتحويل المرجع إلى فيديو مع ما يصل إلى 10 صور و5 مقاطع فيديو و5 مسارات صوتية يُشار إليها في الموجِّه بصيغة Image 1 وVideo 1 وAudio 1.
من ثانيتين إلى 30 ثانية، بأي عدد صحيح من الثواني — أطول نطاق بين أي نموذج فيديو على هذه المنصة. يتم توليد الصوت مع المقطع في كل مدة.
Wan 3.0 يضاعف سقف المدة (30s مقابل 15s)، ويضيف فئة اقتصادية بدقة 480p وتحكماً في الإطار الأخير، ويوسّع المراجع من 5 صور إلى مواد مختلطة من صورة + فيديو + صوت. يبقى Wan 2.7 الخيار الأقل تكلفة بدقة 720p (40 مقابل 80 رصيداً في الثانية) للأعمال الأقصر متعددة اللقطات.
تُسترد الأرصدة تلقائياً عند فشل توليد الفيديو — فأنت تدفع فقط مقابل المقاطع التي تكتمل.
أدوات بنقرة واحدة لكل ما يحيط بالتوليد — تحسين، وتغيير النمط، والمشاركة.
Wan 3.0 (Alibaba Tongyi Wanxiang 3.0) integrated — clips up to 30 seconds with native audio, first-and-last-frame control, and reference-to-video that reads up to 10 images, 5 video clips and 5 audio tracks in one request. 480p/720p/1080p at 40/80/160 credits per second.
