Запускайте флагманскую Wan 3.0 от Alibaba прямо в браузере: клипы до 30 секунд с уже прикреплённым звуком, режим первого и последнего кадра, который точно фиксирует, где кадр начинается и заканчивается, и режим референсов, который читает изображения, видео и аудио в одном запросе.
Wan 3.0 — это Tongyi Wanxiang 3.0 от Alibaba, преемник Wan 2.7, доступный здесь через эндпоинт alibaba/wan-3.0 у нашего видеопровайдера. Три режима работают на одной панели: text-to-video из одного только промпта, image-to-video, который фиксирует первый кадр и опционально последний, и reference-to-video, который принимает до 10 изображений, 5 видеоклипов и 5 аудиодорожек в одном запросе — на каждый ссылаются в промпте по номеру. Её определяющие цифры — это диапазон: любая целая секунда от 2 до 30, три разрешения от чернового 480p до 1080p и звук, генерируемый с каждым клипом.
Компромиссы конкретны. 1080p — это потолок — 4K-результат относится к Kling 3.0. Апстрим-API задаёт режим умной длительности, который сам выбирает длину клипа; он резервирует кредиты по лимиту 30 секунд, поэтому мы его не подключали — здесь вы задаёте явную длину. Секунды референс-видео идут в биллинг, и предпросмотр цены показывает это до того, как вы подтвердите. Два клипа ниже на этой странице генерировались здесь 3m 33s (5 секунд, 720p) и 7m 32s (20 секунд, 720p) — для длинных дублей рассчитывайте на минуты, а не на секунды.
Tongyi Wanxiang 3.0 от Alibaba генерирует клипы до 30 секунд со встроенным звуком, фиксирует точный первый и последний кадры плана и принимает изображения, видеоклипы и аудиодорожки вместе в одном референс-запросе — с посекундной оплатой, начиная с бюджетного 480p.
Большинство ИИ-видеомоделей останавливаются на 10 или 15 секундах; Wan 3.0 идёт до 30 в одной непрерывной генерации. Этого достаточно для полного обзора продукта, сцены с речью или последовательности планов без последующей склейки клипов. Выбирайте любую целую секунду от 2 до 30 — вы платите за секунду, поэтому 6-секундный черновик и 30-секундный финал стоят строго пропорционально.
Image-to-video здесь — больше, чем анимация одной фотографии: загрузите первый кадр и, при желании, последний, и Wan 3.0 интерполирует движение между двумя вашими фиксированными точками. Это единственная модель в сравнении ниже на этой странице, которая принимает последний кадр — разница между «начать с этого изображения» и «попасть именно с этого изображения именно в то».
Reference-to-video принимает смешанный материал в одном запросе — до 10 изображений, 5 коротких видеоклипов и 5 аудиодорожек — и промпт обращается к каждому по номеру: «персонаж с Image 1, движется как Video 1, озвучен как Audio 1». Референс-изображения и аудио бесплатны; секунды референс-видео добавляются к оплачиваемой длительности, и стоимость видна до генерации.
Звук — голоса, эффекты, окружение — генерируется вместе с клипом, и его отключение стоит столько же, так что доплаты за звук не бывает никогда. Три разрешения оплачиваются в чистой пропорции: 480p по 40 кредитов за секунду для черновиков, 720p по 80 и 1080p по 160 для финалов. Итерации на 480p и финал на 1080p делают 30-секундное производство доступным.
Сгенерировано здесь 26 августа 2026, первый дубль, показаны точные промпты и настройки. 20-секундный клип существует, чтобы доказать заявление о длинном дубле выше — одна генерация, без склеек, без сшивания.
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.
Это длинноформатная и точная модель в этой группе: потолок в 30 секунд, единственный контроль последнего кадра и самый широкий набор референс-инструментов.
Обзоры продукта, сцены с речью и многобитовые последовательности идут до 30 секунд за одну генерацию — без склеек, без швов в непрерывности между клипами, а аудиодорожка покрывает весь дубль.
Режим первого и последнего кадра принимает два изображения и интерполирует движение между ними — трансформацию, открытие, движение камеры, которое должно завершиться на конкретной композиции. Ни одна другая модель на этой странице не принимает последний кадр.
Дайте ей персонажа с одного изображения, стиль движения из видеоклипа и музыкальный трек — и обращайтесь к каждому по номеру в промпте. Десять изображений, пять клипов и пять аудиотреков могут формировать одну генерацию.
Тариф 480p тарифицируется по четверти ставки 1080p при идентичном поведении на промпты, поэтому 30-секундный монтаж можно итерировать за 1,200 кредитов, а финал отрендерить за 4,800 только один раз, когда всё правильно.
1080p — это потолок: за 4K-результатом — к Kling 3.0. А встроенный режим умной длительности здесь не подключён, поэтому длину всегда нужно выбирать явно — от 2 до 30 секунд.
То же рабочее место, тот же пул кредитов — переключение между любыми из них в один клик.
| Wan 3.0 | Wan 2.7 | MiniMax H3 | Kling 3.0 | |
|---|---|---|---|---|
| Разрешения | 480p · 720p · 1080p | 720p · 1080p | 768p · 2K | 720p · 1080p · 4K |
| Длина клипа | 2–30с, любая целая секунда | 2–15 с, любая целая секунда | 4–15 с, любая целая секунда | 3–15 с, любая целая секунда |
| Как тарифицируется | За секунду вывода; секунды референс-видео добавляются | За каждую секунду вывода | За секунду вывода; секунды референс-видео добавляются | За каждую секунду вывода |
| Звук | Встроенный, включён по умолчанию — включение и выключение стоят одинаково | Родной, всегда включён, переключателя нет | Родной, всегда включён, переключателя нет | Необязательный переключатель, по умолчанию выключен |
| Кредитов за секунду, бюджетный тариф | 40 при 480p | Не предлагается — минимум 720p | 55 при 768p | 45 при 720p, без звука |
| Кредитов за секунду, 1080p | 160 | 70 | Не предлагается — её топовый тариф: 2K за 90 | 60 без звука · 85 со звуком |
| Кредитов за 6-секундный клип в 1080p | 960 | 420 | Не предлагается при 1080p | 360 без звука · 510 со звуком |
| Кредитов за один клип, от пола до потолка | 80–4,800 | 80–1,050 | 220–2,820 | 135–3,000 |
| Image-to-video | Первый кадр + опциональный последний кадр | Только первый кадр | Только первый кадр | Только первый кадр |
| Референс-материал | До 10 изображений + 5 видео + 5 аудиотреков, ссылаются как Image 1 / Video 1 / Audio 1 | До 5 изображений, ссылаются как Image 1, Image 2 … | До 9 изображений + 3 видео + 3 аудиотрека | Нет — единственное изображение является первым кадром |
| Соотношения сторон | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 6 — от 16:9 до 21:9 | 3 — 16:9, 9:16, 1:1 |
| Скорость, измеренная нами самими | 3m 33s для 5s и 7m 32s для 20s, оба 720p (2 клипа, август 2026) | Не измерялось | Не измерялось | Не измерялось |
Каждое разрешение, длина клипа и цифра кредитов в этой таблице считаны из нашего собственного реестра моделей и тарифных таблиц в нашем коде 26 августа 2026 — из тех же таблиц, которые тарифицируют ваши генерации, а не с маркетинговых страниц вендоров. Все четыре модели тарифицируются посекундно, поэтому цифры на клип — это ставка, умноженная на выбранную вами длину; Wan 3.0 и MiniMax H3 дополнительно считают секунды референс-видео в биллинг. Единственные цифры скорости — два клипа Wan 3.0, которые мы сгенерировали и засекли сами; во всех остальных ячейках стоит «Не измеряли», а не заимствованное число.
Сравните Wan 3.0 с другими видеомоделями — то же рабочее пространство, переключение в один клик.
Многокадровый контроль с фиксацией внешности по референсам.
Hailuo 3 — кинематографичное движение со встроенным звуком, 768p/2K.
Преобразование текста и изображений в видео, до 4K с возможностью добавления звука.
Флагманское 30-секундное видео из смешанных референсов: изображения, видео и аудио.
| Модель | wan-3.0 (Tongyi Wanxiang 3.0) от Alibaba — доступна на эндпоинте alibaba/wan-3.0 |
|---|---|
| Режимы | Текст-в-видео, изображение-в-видео с контролем первого и последнего кадра, а также видео по референсу со смешанным материалом: изображениями, видео и аудио |
| Разрешение | 480p, 720p и 1080p — оплата в пропорции 1x / 2x / 4x |
| Длительность | 2–30 секунд, любая целая секунда (по умолчанию 5) — самый длинный диапазон на этой платформе |
| Соотношения сторон | 16:9, 9:16, 1:1, 4:3 и 3:4 для текст-в-видео и видео по референсу; изображение-в-видео следует первому кадру |
| Референсные материалы | До 10 изображений, 5 видеоклипов (суммарно 15 секунд) и 5 аудиодорожек, упоминаемых в промпте как Image 1, Video 1, Audio 1 |
| Первый / последний кадр | Изображение-в-видео принимает обязательный первый кадр и необязательный последний кадр; кадры и референсный материал взаимно исключают друг друга на стороне провайдера |
| Звук | Нативный — голоса, эффекты и атмосфера генерируются вместе с клипом; видео со звуком и без стоят одинаково |
| Кредиты | За секунду результата: 40 при 480p, 80 при 720p, 160 при 1080p — одинаковая ставка для всех трёх режимов |
| Оплата референсного видео | Секунды референсного видео прибавляются к оплачиваемой длительности; референсные изображения и аудио бесплатны |
| Диапазон кредитов за клип | 80 за 2-секундный клип 480p, до 4,800 за 30-секундный клип 1080p (плюс любые секунды референсного видео) |
| Отмена | Неудачные генерации возвращаются автоматически |
| Замеренная скорость | 3m 33s за 5-секундный 720p-клип и 7m 32s за 20-секундный 720p-клип (2 клипа, 26 августа 2026) |
Три шага от пустого поля промпта до готового ролика.
Начать генерировать видеоОткройте выбор модели и выберите Wan 3.0. Панель показывает стоимость в кредитах, варианты разрешения и ограничения по длительности до того, как вы что-либо потратите.
Опишите объект, действие и поведение камеры. Приложите первый кадр, если хотите, чтобы ролик начинался с конкретного изображения.
Скачайте ролик, продлите его или отправьте на дальнейшую обработку. Промпт, модель и настройки остаются вместе с ним в истории.
Один аккаунт — полный рабочий процесс генерации изображений и видео.
Добавьте любому статичному изображению движение, голос и звук за считаные секунды.
Создавайте короткие кинематографичные клипы со встроенным звуком по вашему запросу.
Опишите идею: Ava выберет модель из рейтинга арены, напишет промпт и сгенерирует.
Запускайте Wan 3.0 на ежедневных кредитах бесплатного тарифа или перейдите на платный ради премиум-моделей, более быстрой генерации и вывода в 4K.
Идеально для начала
Оплата раз в год · $240/год
Оплата раз в год · $380/год
Длинные дубли и контролируемые кадры: клипы до 30 секунд с нативным звуком, режим первого и последнего кадра, точно фиксирующий начало и конец кадра, и режим референса, который читает изображения, видео и аудио вместе в одном запросе.
За секунду результата: 40 кредитов при 480p, 80 при 720p, 160 при 1080p — одинаковая ставка для текст-в-видео, изображение-в-видео и видео по референсу. Секунды референсного видео прибавляются к оплачиваемой длительности; референсные изображения и аудио бесплатны. Точная стоимость показывается до генерации, а неудачные запуски возвращаются автоматически.
Текст-в-видео по одному промпту, изображение-в-видео по первому кадру (с необязательным последним кадром) и видео по референсу с до 10 изображениями, 5 видеоклипами и 5 аудиодорожками, упоминаемыми в промпте как Image 1, Video 1, Audio 1.
От 2 до 30 секунд, любая целая секунда — самый широкий диапазон среди всех видеомоделей на этой платформе. Звук генерируется вместе с клипом при любой длительности.
Wan 3.0 удваивает потолок длительности (30s против 15s), добавляет бюджетный уровень 480p и контроль последнего кадра, а также расширяет референсы с 5 изображений до смешанных материалов: изображение + видео + аудио. Wan 2.7 остаётся более дешёвым выбором при 720p (40 против 80 кредитов за секунду) для более короткой многокадровой работы.
Кредиты за неудачные генерации видео возвращаются автоматически — вы платите только за клипы, которые завершились.
Инструменты в один клик для всего вокруг генерации — доработать, сменить стиль, поделиться.
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.
