Exécutez le fleuron d'Alibaba, Wan 3.0, dans votre navigateur : des clips jusqu'à 30 secondes avec le son déjà intégré, un mode première-et-dernière-image qui fixe exactement où le plan commence et se termine, et un mode de référence qui lit images, vidéo et audio en une seule requête.
Wan 3.0 est le Tongyi Wanxiang 3.0 d'Alibaba, le successeur de Wan 2.7, servi ici sur le point de terminaison alibaba/wan-3.0 via notre fournisseur vidéo. Trois modes partagent un même panneau : le texte-vers-vidéo à partir d'un prompt seul, l'image-vers-vidéo qui fixe une première image et, en option, une dernière image, et la référence-vers-vidéo qui lit jusqu'à 10 images, 5 clips vidéo et 5 pistes audio en une seule requête, chacun cité dans le prompt par son numéro. Ses chiffres caractéristiques tiennent à l'amplitude : n'importe quelle seconde entière de 2 à 30, trois résolutions d'un niveau brouillon 480p jusqu'à 1080p, et un audio généré avec chaque clip.
Les compromis sont précis. 1080p est le plafond — un livrable 4K relève de Kling 3.0. L’API amont définit un mode de durée intelligente qui choisit lui-même la longueur du clip ; il réserve des crédits au plafond de 30 secondes, donc nous ne l’avons pas câblé — vous choisissez ici une longueur explicite. Les secondes de vidéo de référence comptent dans la facturation, ce que l’aperçu du prix affiche avant que vous ne validiez. Les deux clips plus bas sur cette page ont mis 3m 33s (5 secondes, 720p) et 7m 32s (20 secondes, 720p) à être générés ici — prévoyez des minutes, pas des secondes, pour les longues prises.
Le Tongyi Wanxiang 3.0 d'Alibaba génère des clips jusqu'à 30 secondes avec audio natif, fixe exactement la première et la dernière image d'un plan, et lit images, clips vidéo et pistes audio ensemble dans une seule requête de référence — facturé à la seconde à partir d'un niveau économique 480p.
La plupart des modèles vidéo IA s'arrêtent à 10 ou 15 secondes ; Wan 3.0 va jusqu'à 30 en une seule génération continue. C'est assez long pour une présentation produit complète, une scène parlée ou une séquence de plans sans assembler les clips ensuite. Choisissez n'importe quelle seconde entière de 2 à 30 — vous payez à la seconde, donc un brouillon de 6 secondes et une version finale de 30 secondes sont tarifés exactement au prorata.
L'image-vers-vidéo va ici au-delà de l'animation d'une simple photo : téléversez une première image et, en option, une dernière image, et Wan 3.0 interpole le mouvement entre vos deux extrémités fixes. C'est le seul modèle du comparatif plus bas sur cette page qui accepte une dernière image — la différence entre « partir de cette image » et « aller exactement de cette image à exactement celle-là ».
La référence-vers-vidéo accepte du matériel mixte en une seule requête — jusqu'à 10 images, 5 courts clips vidéo et 5 pistes audio — et le prompt s'adresse à chacun par son numéro : « le personnage de l'Image 1, qui bouge comme la Vidéo 1, avec une musique comme l'Audio 1 ». Les images et l'audio de référence sont gratuits ; les secondes de vidéo de référence s'ajoutent à la durée facturée, et le coût s'affiche avant que vous génériez.
L'audio — voix, effets, ambiance — est généré avec le clip, et le désactiver coûte le même prix, donc il n'y a jamais de supplément pour le son. Trois résolutions se facturent en proportion exacte : 480p à 40 crédits par seconde pour les brouillons, 720p à 80, et 1080p à 160 pour les versions finales. Itérer en 480p et finir en 1080p garde une production de 30 secondes abordable.
Généré ici le 26 août 2026, première prise, invites et réglages exacts affichés. Le clip de 20 secondes existe pour prouver l’affirmation ci-dessus sur les longues prises — une génération, sans coupe, sans raccord.
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.
C'est le modèle long format et précision de ce groupe : le plafond de 30 secondes, le seul contrôle de dernière image, et la plus large boîte à outils de référence.
Présentations produit, scènes parlées et séquences à plusieurs temps vont jusqu'à 30 secondes en une seule génération — pas d'assemblage, pas de raccords de continuité entre les clips, et la piste audio couvre toute la prise.
Le mode première-et-dernière-image prend deux images et interpole le mouvement entre elles — une transformation, une révélation, un mouvement de caméra qui doit aboutir sur une composition précise. Aucun autre modèle de cette page n'accepte de dernière image.
Donnez-lui le personnage d'une image, le style de mouvement d'un clip vidéo et une piste musicale, et désignez chacun par son numéro dans le prompt. Dix images, cinq clips et cinq pistes audio peuvent façonner une seule génération.
Le palier 480p est facturé au quart du tarif 1080p avec un comportement de prompt identique, vous pouvez donc itérer un montage de 30 secondes à 1,200 crédits et ne rendre la version finale à 4,800 qu'une fois qu'elle est au point.
1080p est le plafond — un livrable 4K relève de Kling 3.0. Et le mode de durée intelligente en amont n'est pas branché ici, vous choisissez donc toujours une durée explicite entre 2 et 30 secondes.
Même espace de travail, même réserve de crédits — passer de l'un à l'autre coûte un clic.
| Wan 3.0 | Wan 2.7 | MiniMax H3 | Kling 3.0 | |
|---|---|---|---|---|
| Résolutions | 480p · 720p · 1080p | 720p · 1080p | 768p · 2K | 720p · 1080p · 4K |
| Durée du clip | 2–30s, toute seconde entière | 2–15s, à n'importe quelle seconde entière | 4–15s, à n'importe quelle seconde entière | 3–15s, à n'importe quelle seconde entière |
| Mode de facturation | Par seconde de sortie ; les secondes de la vidéo de référence s'ajoutent | Par seconde de sortie | Par seconde de sortie ; les secondes de la vidéo de référence s'ajoutent | Par seconde de sortie |
| Son | Natif, activé par défaut — activé ou désactivé, le coût est le même | Natif, toujours activé, pas d'interrupteur | Natif, toujours activé, pas d'interrupteur | Interrupteur optionnel, désactivé par défaut |
| Crédits par seconde, palier économique | 40 en 480p | Non proposé — 720p est le plancher | 55 en 768p | 45 en 720p, sans son |
| Crédits par seconde, 1080p | 160 | 70 | Non proposé — son palier maximal est 2K à 90 | 60 en muet · 85 avec son |
| Crédits pour un clip de 6 secondes en 1080p | 960 | 420 | Non proposé en 1080p | 360 en muet · 510 avec son |
| Crédits pour un clip, du plancher au plafond | 80–4,800 | 80–1,050 | 220–2,820 | 135–3,000 |
| Image-vers-vidéo | Première image + dernière image optionnelle | Première image uniquement | Première image uniquement | Première image uniquement |
| Matériel de référence | Jusqu'à 10 images + 5 vidéos + 5 pistes audio, citées comme Image 1 / Video 1 / Audio 1 | Jusqu'à 5 images, citées comme Image 1, Image 2 … | Jusqu'à 9 images + 3 vidéos + 3 pistes audio | Aucune — l'unique image est la première image |
| Formats d'image | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 6 — du 16:9 au 21:9 | 3 — 16:9, 9:16, 1:1 |
| Vitesse que nous avons mesurée nous-mêmes | 3m 33s pour 5s et 7m 32s pour 20s, tous deux en 720p (2 clips, août 2026) | Non mesuré | Non mesuré | Non mesuré |
Toutes les résolutions, longueurs de clip et valeurs de crédit de ce tableau sont lues depuis notre propre registre de modèles et les tables de tarifs dans notre code le 26 août 2026 — les mêmes tables qui tarifent vos générations, pas les pages marketing des fournisseurs. Les quatre modèles facturent à la seconde, donc les montants par clip sont le tarif multiplié par la longueur que vous choisissez ; Wan 3.0 et MiniMax H3 comptent en plus les secondes de vidéo de référence dans la facturation. Les seuls chiffres de vitesse sont les deux clips Wan 3.0 que nous avons générés et chronométrés nous-mêmes ; toutes les autres cellules indiquent Non mesuré plutôt que d’emprunter un chiffre.
Comparez Wan 3.0 à d'autres modèles vidéo — même espace de travail, un clic pour changer.
Contrôle multi-plans avec verrouillage d'identité par référence.
Hailuo 3 — mouvement cinématographique avec audio natif, 768p/2K.
Conversion de texte et d'images en vidéo, jusqu'à 4K avec son optionnel.
Vidéo phare de 30s à partir de références mixtes image, vidéo et audio.
| Modèle | wan-3.0 (Tongyi Wanxiang 3.0), par Alibaba — servi sur le point de terminaison alibaba/wan-3.0 |
|---|---|
| Modes | Texte-vers-vidéo, image-vers-vidéo avec contrôle de la première et de la dernière image, et référence-vers-vidéo avec du matériel mixte image, vidéo et audio |
| Résolution | 480p, 720p et 1080p — facturés en proportion 1x / 2x / 4x |
| Durée | 2–30 secondes, toute seconde entière (5 par défaut) — la plus longue plage de cette plateforme |
| Formats d'image | 16:9, 9:16, 1:1, 4:3 et 3:4 pour le texte- et la référence-vers-vidéo ; l'image-vers-vidéo suit la première image |
| Ressources de référence | Jusqu'à 10 images, 5 clips vidéo (15 secondes au total) et 5 pistes audio, cités dans le prompt comme Image 1, Video 1, Audio 1 |
| Première / dernière image | L'image-vers-vidéo accepte une première image stricte et une dernière image facultative ; les images et le matériel de référence s'excluent mutuellement en amont |
| Son | Natif — voix, effets et ambiance générés avec le clip ; le son activé et désactivé coûtent le même prix |
| Crédits | Par seconde de sortie : 40 à 480p, 80 à 720p, 160 à 1080p — le même tarif dans les trois modes |
| Facturation des vidéos de référence | Les secondes de vidéo de référence s'ajoutent à la durée facturée ; les images et l'audio de référence sont gratuits |
| Fourchette de crédits par clip | 80 pour un clip 480p de 2 secondes, jusqu'à 4,800 pour un clip 1080p de 30 secondes (plus les éventuelles secondes de vidéo de référence) |
| Annulation | Les générations échouées sont remboursées automatiquement |
| Vitesse mesurée | 3m 33s pour un clip 720p de 5 secondes et 7m 32s pour un clip 720p de 20 secondes (2 clips, 26 août 2026) |
Trois étapes, d'un champ de prompt vide à un clip fini.
Commencez à générer des vidéosOuvrez le sélecteur de modèle et choisissez Wan 3.0. Le panneau affiche son coût en crédits, ses options de résolution et ses limites de durée avant que vous ne dépensiez quoi que ce soit.
Décrivez le sujet, l'action et le comportement de la caméra. Joignez une première image si vous voulez que le clip démarre d'une image précise.
Téléchargez le clip, prolongez-le ou envoyez-le vers une édition plus poussée. Le prompt, le modèle et les réglages restent attachés dans votre historique.
Un seul compte, l'ensemble du flux de génération d'images et de vidéos.
Donnez mouvement, voix et son à n'importe quelle image fixe en quelques secondes.
Générez de courts clips cinématographiques avec audio natif à partir de votre prompt.
Décrivez votre idée : Ava choisit le modèle classé en arène, rédige le prompt et génère.
Exécutez Wan 3.0 avec les crédits quotidiens du niveau gratuit, ou passez à un niveau supérieur pour des modèles premium, une génération plus rapide et une sortie 4K.
Parfait pour débuter
Facturé annuellement · 240 $/an
Facturé annuellement · 380 $/an
Prises longues et plans contrôlés : des clips jusqu'à 30 secondes avec audio natif, un mode première-et-dernière-image qui fixe exactement où un plan commence et se termine, et un mode référence qui lit images, vidéo et audio ensemble en une seule requête.
Par seconde de sortie : 40 crédits à 480p, 80 à 720p, 160 à 1080p — le même tarif pour le texte-, l'image- et la référence-vers-vidéo. Les secondes de vidéo de référence s'ajoutent à la durée facturée ; les images et l'audio de référence sont gratuits. Le coût exact s'affiche avant que vous ne génériez, et les exécutions échouées sont remboursées automatiquement.
Texte-vers-vidéo à partir d'un prompt seul, image-vers-vidéo à partir d'une première image (avec une dernière image facultative), et référence-vers-vidéo avec jusqu'à 10 images, 5 clips vidéo et 5 pistes audio cités dans le prompt comme Image 1, Video 1, Audio 1.
De 2 à 30 secondes, par pas d'une seconde entière — la plus longue plage de tous les modèles vidéo de cette plateforme. Le son est généré avec le clip quelle que soit la durée.
Wan 3.0 double le plafond de durée (30s contre 15s), ajoute un niveau économique 480p et le contrôle de la dernière image, et étend les références de 5 images à du matériel mixte image + vidéo + audio. Wan 2.7 reste le choix au tarif le plus bas en 720p (40 contre 80 crédits par seconde) pour les travaux multi-plans plus courts.
Les crédits sont remboursés automatiquement pour les générations vidéo échouées — vous ne payez que pour les clips qui aboutissent.
Des outils en un clic pour tout ce qui entoure la génération — retoucher, restyler, partager.
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.
