Alibaba యొక్క ఫ్లాగ్షిప్ Wan 3.0ను మీ బ్రౌజర్లోనే నడపండి: ఇప్పటికే ధ్వని జతచేయబడిన 30 సెకన్ల వరకు క్లిప్లు, షాట్ ఎక్కడ మొదలవుతుందో ఎక్కడ ముగుస్తుందో ఖచ్చితంగా పిన్ చేసే ఫస్ట్-అండ్-లాస్ట్-ఫ్రేమ్ మోడ్, మరియు ఒకే రిక్వెస్ట్లో చిత్రాలు, వీడియో మరియు ఆడియోను చదివే రిఫరెన్స్ మోడ్.
Wan 3.0 అనేది Alibaba's Tongyi Wanxiang 3.0, Wan 2.7 తరువాతి వెర్షన్; ఇక్కడ మా video provider ద్వారా alibaba/wan-3.0 endpointపై అందుబాటులో ఉంటుంది. ఒకే panelలో మూడు modeలు పంచుకుంటాయి: prompt మాత్రమే ఉండి text-to-video, మొదటి frameను మరియు ఐచ్ఛికంగా చివరి frameను పిన్ చేసే image-to-video, మరియు ఒకే requestలో 10 images, 5 video clips, 5 audio tracks వరకు చదివి promptలో సంఖ్యతో ప్రతి ఒక్కటిని సూచించే reference-to-video. దీని నిర్ణేతా సంఖ్యలు పరిధి: 2 నుండి 30 వరకు ఏ మొత్తం సెకను అయినా, 480p draft tier నుండి 1080p వరకు మూడు resolutionలు, మరియు ప్రతి clipతో audio generate అవడం.
ట్రేడ్-ఆఫ్లు నిర్దిష్టంగా ఉన్నాయి. 1080p పరిమితి — 4K డెలివరబుల్ Kling 3.0 ది. అప్స్ట్రీమ్ API క్లిప్ పొడవును స్వయంచాలకంగా ఎంచుకునే స్మార్ట్-డ్యూరేషన్ మోడ్ను నిర్వచిస్తుంది; అది 30-సెకన్ల పరిమితి వద్ద క్రెడిట్లను రిజర్వ్ చేస్తుంది, కాబట్టి మేము దాన్ని అమలు చేయలేదు — ఇక్కడ మీరు స్పష్టమైన పొడవును ఎంచుకుంటారు. రిఫరెన్స్ వీడియో సెకన్లు బిల్లింగ్లో లెక్కించబడతాయి, దీనిని మీరు కమిట్ చేయడానికి ముందు ధర ప్రివ్యూ చూపిస్తుంది. ఈ పేజీలో క్రింద ఉన్న రెండు క్లిప్లు ఇక్కడ జనరేట్ చేయడానికి 3m 33s (5 సెకన్లు, 720p) మరియు 7m 32s (20 సెకన్లు, 720p) పట్టాయి — సుదీర్ఘ టేక్ల కోసం సెకన్లలో కాకుండా నిమిషాలలో ప్లాన్ చేసుకోండి.
Alibaba's Tongyi Wanxiang 3.0 clipsను 30 seconds వరకు native audioతో generate చేస్తుంది, ఒక shot యొక్క ఖచ్చితమైన మొదటి మరియు చివరి frameను పిన్ చేస్తుంది, మరియు images, video clips, audio tracksను ఒకే reference requestలో కలిపి చదువుతుంది — 480p budget tier నుండి సెకనుకు billed.
చాలా AI వీడియో మోడల్స్ 10 లేదా 15 seconds వద్ద ఆగిపోతాయి; Wan 3.0 ఒకే continuous generationలో 30 వరకు నడుస్తుంది. అది పూర్తి product walkthrough, మాట్లాడే scene, లేదా shots శ్రేణిని తరువాత clipsను కుట్టకుండా చేయడానికి సరిపోతుంది. 2 నుండి 30 వరకు ఏ మొత్తం సెకను అయినా ఎంచుకోండి — మీరు సెకనుకు చెల్లిస్తారు, కాబట్టి 6-second draft మరియు 30-second final ఖచ్చితంగా అనుపాతంలో ధర ఉంటాయి.
ఇక్కడ image-to-video ఒకే ఫోటోను animate చేయడం కంటే ముందుకు వెళ్తుంది: మొదటి frameను మరియు ఐచ్ఛికంగా చివరి frameను upload చేయండి, Wan 3.0 మీ రెండు స్థిర endpoints మధ్య motionను interpolate చేస్తుంది. ఈ పేజీలో క్రింద ఉన్న comparisonలో last frameను అంగీకరించే ఏకైక మోడల్ ఇది — "start from this image" మరియు "get from exactly this image to exactly that one" మధ్య తేడా ఇది.
Reference-to-video ఒకే requestలో మిశ్రమ మెటీరియల్ను అంగీకరిస్తుంది — 10 images, 5 చిన్న video clips, మరియు 5 audio tracks వరకు — మరియు prompt ప్రతి ఒక్కటిని సంఖ్యతో సంబోధిస్తుంది: "the character from Image 1, moving like Video 1, scored like Audio 1". Reference images మరియు audio ఉచితం; reference video seconds billed durationకి జోడించబడతాయి, మరియు మీరు generate చేయడానికి ముందు ఖర్చు కనిపిస్తుంది.
Audio — voices, effects, ambience — clipతో పాటు generate అవుతుంది, దాన్ని ఆఫ్ చేసినా ఖర్చు అంతే, కాబట్టి soundకు ఎప్పుడూ surcharge లేదు. మూడు resolutionలు శుభ్రమైన అనుపాతంలో bill అవుతాయి: draftsకు 480p సెకనుకు 40 credits, 720pకి 80, మరియు finalsకు 1080pకి 160. 480p వద్ద iterate చేసి 1080p వద్ద finish చేయడం 30-second productionను affordableగా ఉంచుతుంది.
ఇక్కడ 26 ఆగస్ట్ 2026న జనరేట్ చేయబడింది, మొదటి టేక్, ఖచ్చితమైన ప్రాంప్ట్లు మరియు సెట్టింగ్లు చూపబడ్డాయి. పైన ఉన్న సుదీర్ఘ-టేక్ క్లెయిమ్ను నిరూపించడానికి 20-సెకన్ల క్లిప్ ఉంది — ఒకే జనరేషన్, కట్లు లేవు, స్టిచింగ్ లేదు.
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.
ఇది ఈ గ్రూప్లోని long-form మరియు precision మోడల్: 30-second పరిమితి, ఏకైక last-frame నియంత్రణ, మరియు అత్యంత విస్తృత reference toolbox.
Product walkthroughలు, మాట్లాడే sceneలు, మరియు multi-beat sequenceలు ఒకే generationలో 30 seconds వరకు నడుస్తాయి — stitching లేదు, clips మధ్య continuity seams లేవు, మరియు audio track మొత్తం take అంతా విస్తరిస్తుంది.
మొదటి-మరియు-చివరి-ఫ్రేమ్ మోడ్ రెండు చిత్రాలను తీసుకుని వాటి మధ్య కదలికను అంచనా వేస్తుంది — ఒక పరివర్తనం, ఒక వెల్లడి, ఒక నిర్దిష్ట కూర్పుపై సరిగ్గా ఆగవలసిన కెమెరా కదలిక. ఈ పేజీలోని వేరే ఏ మోడల్కూ చివరి ఫ్రేమ్ స్వీకరించలేదు.
ఒక చిత్రం నుండి పాత్రను, ఒక వీడియో క్లిప్ యొక్క కదలిక శైలిని, ఒక సంగీత ట్రాక్ను దానికి ఇవ్వండి, ప్రాంప్ట్లో ప్రతి దాన్ని నంబరుతో సంబోధించండి. పది చిత్రాలు, ఐదు క్లిప్లు, ఐదు ఆడియో ట్రాక్లు ఒక్క జనరేషన్ను రూపొందించగలవు.
480p టైర్ 1080p రేటులో నాలుగో వంతుకు బిల్ చేస్తుంది, ప్రాంప్ట్ ప్రవర్తన అలాగే ఉంటుంది, కాబట్టి మీరు 30-సెకన్ల కట్ను 1,200 క్రెడిట్లకు మళ్లీ మళ్లీ ప్రయత్నించి, సరిగ్గా వచ్చిన తర్వాత మాత్రమే తుది దాన్ని 4,800కు రెండర్ చేయవచ్చు.
1080p పరిమితి — 4K డెలివరబుల్ Kling 3.0కు చెందినది. అప్స్ట్రీమ్ స్మార్ట్-డ్యూరేషన్ మోడ్ ఇక్కడ కనెక్ట్ చేయలేదు, కాబట్టి మీరు ఎల్లప్పుడూ 2 నుండి 30 సెకన్ల మధ్య స్పష్టమైన పొడవును ఎంచుకోవాలి.
అదే వర్క్స్పేస్, అదే క్రెడిట్ నిల్వ — వీటిలో దేని మధ్యనైనా మారడానికి ఒక్క క్లిక్.
| Wan 3.0 | Wan 2.7 | MiniMax H3 | Kling 3.0 | |
|---|---|---|---|---|
| రిజల్యూషన్లు | 480p · 720p · 1080p | 720p · 1080p | 768p · 2K | 720p · 1080p · 4K |
| క్లిప్ నిడివి | 2–30s, ఏ మొత్తం సెకనైనా | 2–15s, ఏ పూర్ణ సెకనైనా | 4–15s, ఏ పూర్ణ సెకనైనా | 3–15s, ఏ పూర్ణ సెకనైనా |
| బిల్లు ఎలా వేస్తారు | అవుట్పుట్ ప్రతి సెకనుకు; రెఫరెన్స్ వీడియో సెకన్లు కూడా జోడించబడతాయి | అవుట్పుట్ సెకనుకు | అవుట్పుట్ ప్రతి సెకనుకు; రెఫరెన్స్ వీడియో సెకన్లు కూడా జోడించబడతాయి | అవుట్పుట్ సెకనుకు |
| శబ్దం | స్థానికంగా, డిఫాల్ట్గా ఆన్ — ఆన్, ఆఫ్ రెండింటి ఖర్చూ ఒక్కటే | స్థానికం, ఎప్పుడూ ఆన్, టోగుల్ లేదు | స్థానికం, ఎప్పుడూ ఆన్, టోగుల్ లేదు | ఐచ్ఛిక టోగుల్, డిఫాల్ట్గా ఆఫ్ |
| ప్రతి సెకనుకు క్రెడిట్లు, బడ్జెట్ టైర్ | 480p వద్ద 40 | అందించలేదు — 720p కనీస పరిమితి | 768p వద్ద 55 | 720p వద్ద 45, నిశ్శబ్దం |
| సెకనుకు క్రెడిట్లు, 1080p | 160 | 70 | అందించలేదు — దాని అత్యున్నత టైర్ 90 వద్ద 2K | 60 నిశ్శబ్దం · శబ్దంతో 85 |
| 6-సెకన్ల 1080p క్లిప్కు క్రెడిట్లు | 960 | 420 | 1080p వద్ద అందించలేదు | 360 నిశ్శబ్దం · శబ్దంతో 510 |
| ఒక క్లిప్కు క్రెడిట్లు, కనిష్ఠం నుండి గరిష్ఠం వరకు | 80–4,800 | 80–1,050 | 220–2,820 | 135–3,000 |
| ఇమేజ్-టు-వీడియో | మొదటి ఫ్రేమ్ + ఐచ్ఛిక చివరి ఫ్రేమ్ | మొదటి ఫ్రేమ్ మాత్రమే | మొదటి ఫ్రేమ్ మాత్రమే | మొదటి ఫ్రేమ్ మాత్రమే |
| రెఫరెన్స్ మెటీరియల్ | 10 చిత్రాలు + 5 వీడియోలు + 5 ఆడియో ట్రాక్ల వరకు, Image 1 / Video 1 / Audio 1 గా ఉదహరించబడతాయి | 5 చిత్రాల వరకు, Image 1, Image 2 … గా ఉదహరించబడతాయి | 9 చిత్రాలు + 3 వీడియోలు + 3 ఆడియో ట్రాక్ల వరకు | ఏవీ లేవు — ఆ ఒక్క చిత్రమే మొదటి ఫ్రేమ్ |
| ఆస్పెక్ట్ రేషియోలు | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 6 — 16:9 నుండి 21:9 వరకు | 3 — 16:9, 9:16, 1:1 |
| మేము స్వయంగా కొలిచిన వేగం | 5s కు 3m 33s మరియు 20s కు 7m 32s, రెండూ 720p (2 క్లిప్లు, ఆగస్ట్ 2026) | కొలవలేదు | కొలవలేదు | కొలవలేదు |
ఈ పట్టికలోని ప్రతి రిజల్యూషన్, క్లిప్ పొడవు మరియు క్రెడిట్ గణితం 26 ఆగస్ట్ 2026న మా స్వంత మోడల్ రిజిస్ట్రీ మరియు మా కోడ్లోని రేట్ పట్టికల నుండి చదవబడింది — మీ జనరేషన్లకు ధర నిర్ణయించే అదే పట్టికలు, విక్రేత మార్కెటింగ్ పేజీలు కావు. నాలుగు మోడళ్లూ సెకనుకు బిల్ చేస్తాయి, కాబట్టి ప్రతి క్లిప్ గణితం మీరు ఎంచుకున్న పొడవుతో గుణించిన రేటు; Wan 3.0 మరియు MiniMax H3 అదనంగా రిఫరెన్స్ వీడియో సెకన్లను బిల్లింగ్లో లెక్కిస్తాయి. ఏకైక వేగ సంఖ్యలు మేము స్వయంగా జనరేట్ చేసి సమయం కొలిచిన రెండు Wan 3.0 క్లిప్లు; మిగతా ప్రతి సెల్ ఎక్కడినుండో సంఖ్యను అప్పుగా తీసుకోకుండా మేము కొలవలేదు అని చెబుతుంది.
Wan 3.0ను ఇతర వీడియో మోడల్స్తో పోల్చండి — అదే workspace, మార్చుకోవడానికి ఒక క్లిక్.
| మోడల్ | wan-3.0 (Tongyi Wanxiang 3.0), Alibaba చే — alibaba/wan-3.0 ఎండ్పాయింట్లో సర్వ్ చేయబడింది |
|---|---|
| మోడ్లు | టెక్స్ట్-టు-వీడియో, మొదటి-మరియు-చివరి-ఫ్రేమ్ నియంత్రణతో ఇమేజ్-టు-వీడియో, మరియు మిక్స్డ్ ఇమేజ్, వీడియో మరియు ఆడియో మెటీరియల్తో రిఫరెన్స్-టు-వీడియో |
| రిజల్యూషన్ | 480p, 720p మరియు 1080p — 1x / 2x / 4x నిష్పత్తిలో బిల్లింగ్ |
| వ్యవధి | 2–30 సెకన్లు, ఏ మొత్తం సెకనైనా (డిఫాల్ట్ 5) — ఈ ప్లాట్ఫామ్లో అత్యంత పొడవు పరిధి |
| ఆస్పెక్ట్ రేషియోలు | టెక్స్ట్- మరియు రిఫరెన్స్-టు-వీడియో కోసం 16:9, 9:16, 1:1, 4:3 మరియు 3:4; ఇమేజ్-టు-వీడియో మొదటి ఫ్రేమ్ను అనుసరిస్తుంది |
| రిఫరెన్స్ ఆస్తులు | గరిష్ఠంగా 10 ఇమేజ్లు, 5 వీడియో క్లిప్లు (మొత్తం 15 సెకన్లు), మరియు 5 ఆడియో ట్రాక్లు, ప్రాంప్ట్లో Image 1, Video 1, Audio 1గా పేర్కొనబడతాయి |
| మొదటి / చివరి ఫ్రేమ్ | ఇమేజ్-టు-వీడియో కఠినమైన మొదటి ఫ్రేమ్ను మరియు ఐచ్ఛిక చివరి ఫ్రేమ్ను అంగీకరిస్తుంది; ఫ్రేమ్లు మరియు రిఫరెన్స్ మెటీరియల్ అప్స్ట్రీమ్లో పరస్పరం మినహాయింపు |
| శబ్దం | నేటివ్ — క్లిప్తో పాటే వాయిస్లు, ఎఫెక్ట్స్ మరియు అంబియన్స్ జనరేట్ అవుతాయి; సౌండ్ ఆన్ చేసినా ఆఫ్ చేసినా ఖర్చు ఒక్కటే |
| క్రెడిట్లు | అవుట్పుట్ సెకనుకు: 480p వద్ద 40, 720p వద్ద 80, 1080p వద్ద 160 — మూడు మోడ్లలోనూ అదే రేటు |
| రిఫరెన్స్ వీడియో బిల్లింగ్ | రిఫరెన్స్ వీడియో సెకన్లు బిల్ చేసే వ్యవధికి జోడించబడతాయి; రిఫరెన్స్ ఇమేజ్లు మరియు ఆడియో ఉచితం |
| ఒక్కో క్లిప్కు క్రెడిట్ పరిధి | 2-సెకన్ల 480p క్లిప్కు 80, 30-సెకన్ల 1080p క్లిప్కు గరిష్ఠంగా 4,800 (ప్లస్ ఏవైనా రిఫరెన్స్ వీడియో సెకన్లు) |
| రద్దు | విఫలమైన జనరేషన్లు ఆటోమేటిక్గా రిఫండ్ అవుతాయి |
| కొలిచిన వేగం | 5-సెకన్ల 720p క్లిప్ కోసం 3m 33s మరియు 20-సెకన్ల 720p క్లిప్ కోసం 7m 32s (2 క్లిప్లు, 26 ఆగస్ట్ 2026) |
ఖాళీ prompt పెట్టె నుంచి పూర్తి clip వరకు — మూడు అడుగులు.
వీడియోలను జనరేట్ చేయడం ప్రారంభించండిమోడల్ పికర్ను ఓపెన్ చేసి Wan 3.0ను ఎంచుకోండి. మీరు ఏమీ ఖర్చు చేయకముందే ప్యానెల్ దాని క్రెడిట్ ఖర్చు, రిజల్యూషన్ ఆప్షన్లు మరియు వ్యవధి పరిమితులను చూపిస్తుంది.
విషయం, చర్య, మరియు camera ఎలా కదులుతుందో రాయండి. clip ఒక నిర్దిష్ట చిత్రం నుంచి మొదలవ్వాలంటే మొదటి frame ను జత చేయండి.
clip ను డౌన్లోడ్ చేయండి, పొడిగించండి, లేదా మరింత ఎడిటింగ్కు పంపండి. prompt, మోడల్, సెట్టింగ్లు మీ చరిత్రలో దానితోనే ఉంటాయి.
ఒకే ఖాతా, పూర్తి చిత్ర మరియు వీడియో రూపకల్పన వర్క్ఫ్లో.
ఫ్రీ టైర్ రోజువారీ క్రెడిట్లతో Wan 3.0ను రన్ చేయండి, లేదా ప్రీమియం మోడళ్లు, వేగవంతమైన జనరేషన్ మరియు 4K అవుట్పుట్ కోసం అప్గ్రేడ్ చేసుకోండి.
ప్రారంభించడానికి సరిగ్గా సరిపోతుంది
వార్షికంగా బిల్ చేయబడుతుంది · సంవత్సరానికి $240
వార్షికంగా బిల్ చేయబడుతుంది · సంవత్సరానికి $380
లాంగ్-ఫామ్ టేక్లు మరియు కంట్రోల్డ్ షాట్లు: నేటివ్ ఆడియోతో 30 సెకన్ల వరకు క్లిప్లు, షాట్ ఎక్కడ మొదలవుతుందో ఎక్కడ ముగుస్తుందో ఖచ్చితంగా పిన్ చేసే మొదటి-మరియు-చివరి-ఫ్రేమ్ మోడ్, ఒకే రిక్వెస్ట్లో ఇమేజ్లు, వీడియో మరియు ఆడియోను కలిపి చదివే రిఫరెన్స్ మోడ్.
అవుట్పుట్ సెకనుకు: 480p వద్ద 40 క్రెడిట్లు, 720p వద్ద 80, 1080p వద్ద 160 — టెక్స్ట్-, ఇమేజ్- మరియు రిఫరెన్స్-టు-వీడియోలో అదే రేటు. రిఫరెన్స్ వీడియో సెకన్లు బిల్ చేసే వ్యవధికి జోడించబడతాయి; రిఫరెన్స్ ఇమేజ్లు మరియు ఆడియో ఉచితం. మీరు జనరేట్ చేయకముందే ఖచ్చితమైన ఖర్చు కనిపిస్తుంది, విఫలమైన రన్లు ఆటోమేటిక్గా రిఫండ్ అవుతాయి.
ప్రాంప్ట్ మాత్రమేతో టెక్స్ట్-టు-వీడియో, మొదటి ఫ్రేమ్ నుండి ఇమేజ్-టు-వీడియో (ఐచ్ఛిక చివరి ఫ్రేమ్తో), మరియు ప్రాంప్ట్లో Image 1, Video 1, Audio 1గా పేర్కొనబడిన గరిష్ఠంగా 10 ఇమేజ్లు, 5 వీడియో క్లిప్లు మరియు 5 ఆడియో ట్రాక్లతో రిఫరెన్స్-టు-వీడియో.
2 నుండి 30 సెకన్లు, ఏ పూర్తి సెకనైనా — ఈ ప్లాట్ఫారమ్లోని ఏ వీడియో మోడల్ కన్నా అత్యంత పొడవైన పరిధి. ప్రతి పొడవులో క్లిప్తో పాటు ధ్వని కూడా జనరేట్ అవుతుంది.
Wan 3.0 పొడవు పరిమితిని రెట్టింపు చేస్తుంది (30s vs 15s), 480p బడ్జెట్ టైర్ మరియు చివరి-ఫ్రేమ్ నియంత్రణను జోడిస్తుంది, మరియు రిఫరెన్స్లను 5 చిత్రాల నుండి మిశ్రమ చిత్రం + వీడియో + ఆడియో మెటీరియల్కు విస్తరిస్తుంది. పొట్టి మల్టీ-షాట్ పనుల కోసం Wan 2.7 720p వద్ద (ప్రతి సెకనుకు 40 vs 80 క్రెడిట్లు) ఇంకా తక్కువ-రేటు ఎంపికగా ఉంటుంది.
విఫలమైన వీడియో జనరేషన్లకు క్రెడిట్లు ఆటోమేటిక్గా రీఫండ్ చేయబడతాయి — మీరు పూర్తయిన క్లిప్ల కోసం మాత్రమే చెల్లిస్తారు.
జనరేషన్ చుట్టూ ఉన్న ప్రతి పనికీ వన్-క్లిక్ టూల్స్ — మెరుగుపరచండి, స్టైల్ మార్చండి, షేర్ చేయండి.
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.
