اپنے براؤزر میں Alibaba کا فلیگ شپ Wan 3.0 چلائیں: 30 سیکنڈ تک کے کلپس جن کے ساتھ آواز پہلے سے جڑی ہوتی ہے، first-and-last-frame موڈ جو شاٹ کہاں شروع اور کہاں ختم ہوتا ہے بالکل ٹھیک سے پن کر دیتا ہے، اور reference موڈ جو ایک ہی درخواست میں تصاویر، ویڈیو اور آڈیو پڑھتا ہے۔
Wan 3.0 علی بابا کا Tongyi Wanxiang 3.0 ہے، Wan 2.7 کا جانشین، جو یہاں alibaba/wan-3.0 اینڈ پوائنٹ پر ہمارے ویڈیو فراہم کنندہ کے ذریعے دستیاب ہے۔ تین موڈ ایک ہی پینل میں ہیں: صرف پرامپٹ سے ٹیکسٹ ٹو ویڈیو، امیج ٹو ویڈیو جو پہلا فریم اور اختیاری طور پر آخری فریم کو پن کرتا ہے، اور ریفرنس ٹو ویڈیو جو ایک ہی درخواست میں 10 تصاویر، 5 ویڈیو کلپس اور 5 آڈیو ٹریکس تک پڑھتا ہے، ہر ایک کا پرامپٹ میں نمبر کے ساتھ حوالہ دیا جاتا ہے۔ اس کے نمایاں نمبر رینج ہیں: 2 سے 30 تک کوئی بھی مکمل سیکنڈ، 480p ڈرافٹ ٹیئر سے 1080p تک تین ریزولوشنز، اور ہر کلپ کے ساتھ تیار شدہ آڈیو۔
مصالحتیں بالکل واضح ہیں۔ 1080p حد ہے — 4K ڈیلیوریبل Kling 3.0 کا کام ہے۔ اپ اسٹریم API ایک سمارٹ دورانیہ موڈ متعین کرتا ہے جو خود کلپ کی لمبائی چنتا ہے؛ یہ 30 سیکنڈ کی حد پر کریڈٹس محفوظ کر لیتا ہے، اس لیے ہم نے اسے جوڑا نہیں ہے — یہاں آپ خود ایک واضح لمبائی منتخب کرتے ہیں۔ حوالہ ویڈیو کے سیکنڈ بلنگ میں شمار ہوتے ہیں، اور قیمت کا پیش منظر یہ آپ کی طرف سے عہد سے پہلے دکھا دیتا ہے۔ اس صفحے پر مزید نیچے دیے گئے دو کلپس یہاں تیار ہونے میں 3m 33s (5 سیکنڈ، 720p) اور 7m 32s (20 سیکنڈ، 720p) لے گئے — لمبی ٹیکس کے لیے سیکنڈوں کے بجائے منٹوں کے حساب سے منصوبہ بندی کریں۔
علی بابا کا Tongyi Wanxiang 3.0 مقامی آڈیو کے ساتھ 30 سیکنڈ تک کی کلپس بناتا ہے، شاٹ کے بالکل پہلے اور آخری فریم کو پن کرتا ہے، اور ایک ہی ریفرنس درخواست میں تصاویر، ویڈیو کلپس اور آڈیو ٹریکس کو یکساں پڑھتا ہے — 480p بجٹ ٹیئر سے فی سیکنڈ بلنگ۔
زیادہ تر AI ویڈیو ماڈلز 10 یا 15 سیکنڈ پر رک جاتے ہیں؛ Wan 3.0 ایک مسلسل جنریشن میں 30 تک جاتا ہے۔ یہ اتنا لمبا ہے کہ مکمل پروڈکٹ واک تھرو، بولا گیا منظر، یا بعد میں کلپس جوڑے بغیر شاٹس کا سلسلہ مکمل ہو سکے۔ 2 سے 30 تک کوئی بھی مکمل سیکنڈ منتخب کریں — آپ فی سیکنڈ ادا کرتے ہیں، اس لیے 6 سیکنڈ کا ڈرافٹ اور 30 سیکنڈ کا فائنل بالکل اسی تناسب سے قیمت رکھتے ہیں۔
یہاں امیج ٹو ویڈیو ایک تصویر کو متحرک کرنے سے آگے جاتا ہے: پہلا فریم اور اختیاری طور پر آخری فریم اپ لوڈ کریں، اور Wan 3.0 آپ کے دو مقررہ نقطوں کے درمیان حرکت کو انٹرپولیٹ کرتا ہے۔ یہ اس صفحے پر نیچے دیے گئے موازنہ میں واحد ماڈل ہے جو آخری فریم قبول کرتا ہے — "اس تصویر سے شروع کریں" اور "بالکل اس تصویر سے بالکل اس تصویر تک پہنچیں" کے درمیان فرق۔
ریفرنس ٹو ویڈیو ایک ہی درخواست میں مخلوط مواد قبول کرتا ہے — 10 تصاویر، 5 مختصر ویڈیو کلپس اور 5 آڈیو ٹریکس تک — اور پرامپٹ ہر ایک کو نمبر سے پکارتا ہے: "Image 1 کا کردار، Video 1 کی طرح حرکت کرتا ہوا، Audio 1 جیسا اسکور"۔ ریفرنس تصاویر اور آڈیو مفت ہیں؛ ریفرنس ویڈیو کے سیکنڈ بل شدہ دورانیے میں شامل ہوتے ہیں، اور لاگت جنریٹ کرنے سے پہلے ظاہر ہوتی ہے۔
آڈیو — آوازیں، ایفیکٹس، ماحول — کلپ کے ساتھ تیار ہوتی ہے، اور اسے بند کرنے کی قیمت وہی ہے، اس لیے آواز پر کبھی اضافی چارج نہیں۔ تین ریزولوشنز صاف تناسب میں بل ہوتے ہیں: ڈرافٹ کے لیے 480p فی سیکنڈ 40 کریڈٹس، 720p پر 80، اور فائنل کے لیے 1080p پر 160۔ 480p پر تکرار اور 1080p پر تکمیل 30 سیکنڈ کی پروڈکشن کو سستی رکھتی ہے۔
26 اگست 2026 کو یہیں تیار شدہ، پہلی ٹیک، عین پرامپٹس اور سیٹنگز دکھائی گئی ہیں۔ 20 سیکنڈ کا کلپ اوپر کیے گئے لمبی ٹیک کے دعوے کو ثابت کرنے کے لیے موجود ہے — ایک ہی جنریشن، کوئی کٹ نہیں، کوئی جوڑ نہیں۔
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.
یہ اس گروپ کا طویل اور درست ماڈل ہے: 30 سیکنڈ کی حد، واحد آخری فریم کنٹرول، اور سب سے وسیع ریفرنس ٹول باکس۔
پروڈکٹ واک تھرو، بولے گئے مناظر اور کئی مقامات والے سلسلے ایک ہی جنریشن میں 30 سیکنڈ تک چلتے ہیں — کوئی جوڑ نہیں، کلپس کے درمیان تسلسل کی دراڑیں نہیں، اور آڈیو ٹریک پورے ٹیک پر محیط ہے۔
پہلے اور آخری فریم والا موڈ دو تصاویر لیتا ہے اور ان کے درمیان حرکت کو انٹرپولیٹ کرتا ہے — ایک تبدیلی، ایک انکشاف، کیمرے کی وہ حرکت جسے کسی مخصوص ترکیب پر پہنچنا ہوتا ہے۔ اس صفحے پر کوئی اور ماڈل آخری فریم قبول نہیں کرتا۔
اسے ایک تصویر سے کردار، ایک ویڈیو کلپ کے حرکتی انداز، اور ایک موسیقی کا ٹریک دیں، اور پرامپٹ میں ہر ایک کو نمبر سے مخاطب کریں۔ دس تصاویر، پانچ کلپس اور پانچ آڈیو ٹریکس ایک ہی جنریشن کو تشکیل دے سکتے ہیں۔
480p درجہ 1080p کی شرح کا ایک چوتھائی بل کرتا ہے جبکہ پرامپٹ کا رویہ بالکل ایک جیسا رہتا ہے، اس لیے آپ 30 سیکنڈ کا کٹ 1,200 کریڈٹس میں بار بار آزما سکتے ہیں اور حتمی نتیجہ صرف اس وقت 4,800 میں رینڈر کریں جب وہ درست ہو۔
1080p حد ہے — 4K ڈیلیوریبل Kling 3.0 کا کام ہے۔ اور اپ اسٹریم اسمارٹ ڈیوریشن موڈ یہاں منسلک نہیں ہے، اس لیے آپ کو ہمیشہ 2 سے 30 سیکنڈ کے درمیان واضح لمبائی خود منتخب کرنی ہوتی ہے۔
وہی ورک اسپیس، وہی کریڈٹ کا ذخیرہ — ان میں سے کسی کے بھی درمیان بدلنا ایک کلک ہے۔
| Wan 3.0 | Wan 2.7 | MiniMax H3 | Kling 3.0 | |
|---|---|---|---|---|
| ریزولوشن | 480p · 720p · 1080p | 720p · 1080p | 768p · 2K | 720p · 1080p · 4K |
| کلپ کی لمبائی | 2–30s، کوئی بھی مکمل سیکنڈ | 2–15s، کوئی بھی پورا سیکنڈ | 4–15s، کوئی بھی پورا سیکنڈ | 3–15s، کوئی بھی پورا سیکنڈ |
| بلنگ کیسے ہوتی ہے | آؤٹ پٹ کے فی سیکنڈ؛ حوالہ ویڈیو کے سیکنڈ شامل | فی سیکنڈ آؤٹ پٹ | آؤٹ پٹ کے فی سیکنڈ؛ حوالہ ویڈیو کے سیکنڈ شامل | فی سیکنڈ آؤٹ پٹ |
| آواز | فطری، پہلے سے فعال — فعال اور غیر فعال کی قیمت ایک جیسی | مقامی، ہمیشہ آن، کوئی بٹن نہیں | مقامی، ہمیشہ آن، کوئی بٹن نہیں | اختیاری بٹن، بطور ڈیفالٹ بند |
| فی سیکنڈ کریڈٹس، اقتصادی درجہ | 480p پر 40 | دستیاب نہیں — 720p کم از کم حد ہے | 768p پر 55 | 720p پر 45، خاموش |
| فی سیکنڈ کریڈٹ، 1080p | 160 | 70 | دستیاب نہیں — اس کا بلند ترین درجہ 2K ہے، 90 پر | 60 خاموش · 85 آواز کے ساتھ |
| 6 سیکنڈ کی 1080p کلپ کے کریڈٹ | 960 | 420 | 1080p پر دستیاب نہیں | 360 خاموش · 510 آواز کے ساتھ |
| ایک کلپ کے کریڈٹ، کم سے کم سے زیادہ سے زیادہ تک | 80–4,800 | 80–1,050 | 220–2,820 | 135–3,000 |
| امیج ٹو ویڈیو | پہلا فریم + اختیاری آخری فریم | صرف پہلا فریم | صرف پہلا فریم | صرف پہلا فریم |
| حوالہ مواد | زیادہ سے زیادہ 10 تصاویر + 5 ویڈیوز + 5 آڈیو ٹریکس، Image 1 / Video 1 / Audio 1 کے طور پر حوالہ شدہ | زیادہ سے زیادہ 5 تصاویر، Image 1، Image 2 … کے طور پر حوالہ شدہ | زیادہ سے زیادہ 9 تصاویر + 3 ویڈیوز + 3 آڈیو ٹریکس | کوئی نہیں — واحد تصویر ہی پہلا فریم ہے |
| ایسپیکٹ ریشوز | 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 سے 21:9 تک | 3 — 16:9, 9:16, 1:1 |
| وہ رفتار جو ہم نے خود ناپی | 5s کے لیے 3m 33s اور 20s کے لیے 7m 32s، دونوں 720p (2 کلپس، اگست 2026) | ناپا نہیں گیا | ناپا نہیں گیا | ناپا نہیں گیا |
اس جدول میں ہر ریزولوشن، کلپ لمبائی اور کریڈٹ کا عدد 26 اگست 2026 کو ہماری اپنی ماڈل رجسٹری اور ہمارے کوڈ میں موجود ریٹ ٹیبلز سے پڑھا گیا ہے — وہی ٹیبلز جو آپ کی جنریشنز کی قیمت مقرر کرتے ہیں، نہ کہ وینڈر کے مارکیٹنگ صفحات۔ چاروں ماڈلز فی سیکنڈ بل کرتے ہیں، اس لیے فی کلپ اعداد وہ شرح ہے جو آپ کی منتخب کردہ لمبائی سے ضرب کھاتی ہے؛ Wan 3.0 اور MiniMax H3 اضافی طور پر حوالہ ویڈیو کے سیکنڈ بھی بلنگ میں شمار کرتے ہیں۔ رفتار کے واحد اعداد وہ دو Wan 3.0 کلپس ہیں جنہیں ہم نے خود تیار کیا اور خود ان کا وقت ناپا؛ باقی ہر خانہ کہیں سے عدد ادھار لینے کے بجائے لکھتا ہے: ہم نے ناپا نہیں۔
Wan 3.0 کا دوسرے ویڈیو ماڈلز سے موازنہ کریں — وہی ورک اسپیس، ایک کلک میں تبدیلی۔
| ماڈل | wan-3.0 (Tongyi Wanxiang 3.0)، Alibaba کی جانب سے — alibaba/wan-3.0 اینڈ پوائنٹ پر دستیاب |
|---|---|
| موڈز | متن سے ویڈیو، پہلے اور آخری فریم کنٹرول کے ساتھ تصویر سے ویڈیو، اور ملے جلے تصویر، ویڈیو اور آڈیو مواد کے ساتھ حوالہ سے ویڈیو |
| ریزولوشن | 480p، 720p اور 1080p — 1x / 2x / 4x کے تناسب سے بل کی جاتی ہے |
| دورانیہ | 2–30 سیکنڈ، کوئی بھی مکمل سیکنڈ (طے شدہ طور پر 5) — اس پلیٹ فارم پر سب سے لمبی حد |
| ایسپیکٹ ریشوز | متن اور حوالہ سے ویڈیو کے لیے 16:9، 9:16، 1:1، 4:3 اور 3:4؛ تصویر سے ویڈیو پہلے فریم کی پیروی کرتا ہے |
| حوالہ اثاثے | زیادہ سے زیادہ 10 تصاویر، 5 ویڈیو کلپس (مجموعی طور پر 15 سیکنڈ)، اور 5 آڈیو ٹریکس، پرامپٹ میں Image 1، Video 1، Audio 1 کے طور پر حوالہ دیے جاتے ہیں |
| پہلا / آخری فریم | تصویر سے ویڈیو ایک لازمی پہلا فریم اور ایک اختیاری آخری فریم قبول کرتا ہے؛ فریمز اور حوالہ مواد اپ اسٹریم میں ایک دوسرے کے ساتھ جمع نہیں ہو سکتے |
| آواز | مقامی — آوازیں، اثرات اور ماحول کلپ کے ساتھ تیار ہوتے ہیں؛ آواز چالو ہو یا بند، قیمت ایک جیسی ہے |
| کریڈٹس | آؤٹ پٹ کے فی سیکنڈ: 480p پر 40، 720p پر 80، 1080p پر 160 — تینوں موڈز میں ایک ہی شرح |
| حوالہ ویڈیو کی بلنگ | حوالہ ویڈیو کے سیکنڈ بل شدہ دورانیے میں شامل کیے جاتے ہیں؛ حوالہ تصاویر اور آڈیو مفت ہیں |
| فی کلپ کریڈٹ کی حد | 2 سیکنڈ کی 480p کلپ کے لیے 80، اور 30 سیکنڈ کی 1080p کلپ کے لیے 4,800 تک (اس کے علاوہ حوالہ ویڈیو کے سیکنڈ) |
| منسوخی | ناکام تخلیقات خودکار طور پر واپس کی جاتی ہیں |
| ماپی گئی رفتار | 5 سیکنڈ کے 720p کلپ کے لیے 3m 33s اور 20 سیکنڈ کے 720p کلپ کے لیے 7m 32s (2 کلپس، 26 اگست 2026) |
ماڈل چنندہ کھولیں اور Wan 3.0 منتخب کریں۔ پینل اس کی کریڈٹ لاگت، ریزولوشن کے اختیارات اور دورانیے کی حدود دکھاتا ہے، اس سے پہلے کہ آپ کچھ خرچ کریں۔
موضوع، عمل، اور کیمرے کی حرکت لکھیں۔ اگر آپ چاہتے ہیں کہ کلپ کسی خاص تصویر سے شروع ہو تو پہلا فریم منسلک کریں۔
کلپ ڈاؤن لوڈ کریں، اسے بڑھائیں، یا مزید ایڈیٹنگ کے لیے بھیجیں۔ پرامپٹ، ماڈل اور سیٹنگز آپ کی ہسٹری میں اس کے ساتھ ہی محفوظ رہتی ہیں۔
ایک اکاؤنٹ، مکمل امیج اور ویڈیو جنریشن ورک فلو۔
Wan 3.0 کو مفت درجے کے روزانہ کریڈٹس پر چلائیں، یا پریمیم ماڈلز، تیز تخلیق اور 4K آؤٹ پٹ کے لیے اپ گریڈ کریں۔
شروعات کرنے کے لیے بہترین
سالانہ بل · $240/سال
سالانہ بل · $380/سال
طویل ٹیکس اور کنٹرول شدہ شاٹس: مقامی آڈیو کے ساتھ 30 سیکنڈ تک کی کلپس، ایک پہلا اور آخری فریم موڈ جو یہ بالکل مقرر کرتا ہے کہ شاٹ کہاں شروع اور کہاں ختم ہوتا ہے، اور ایک حوالہ موڈ جو ایک ہی درخواست میں تصاویر، ویڈیو اور آڈیو کو ایک ساتھ پڑھتا ہے۔
آؤٹ پٹ کے فی سیکنڈ: 480p پر 40 کریڈٹس، 720p پر 80، 1080p پر 160 — متن، تصویر اور حوالہ سے ویڈیو کے لیے ایک ہی شرح۔ حوالہ ویڈیو کے سیکنڈ بل شدہ دورانیے میں شامل کیے جاتے ہیں؛ حوالہ تصاویر اور آڈیو مفت ہیں۔ تخلیق سے پہلے درست لاگت دکھائی جاتی ہے، اور ناکام کوششیں خودکار طور پر واپس کی جاتی ہیں۔
صرف پرامپٹ سے متن سے ویڈیو، پہلے فریم سے تصویر سے ویڈیو (ایک اختیاری آخری فریم کے ساتھ)، اور حوالہ سے ویڈیو جس میں زیادہ سے زیادہ 10 تصاویر، 5 ویڈیو کلپس اور 5 آڈیو ٹریکس پرامپٹ میں Image 1، Video 1، Audio 1 کے طور پر حوالہ دیے جاتے ہیں۔
2 سے 30 سیکنڈ، کوئی بھی مکمل سیکنڈ — اس پلیٹ فارم پر کسی بھی ویڈیو ماڈل کی سب سے لمبی رینج۔ ہر لمبائی پر آواز کلپ کے ساتھ بنتی ہے۔
Wan 3.0 لمبائی کی حد کو دو گنا کر دیتا ہے (30s vs 15s)، 480p کم بجٹ ٹائر اور آخری فریم کنٹرول شامل کرتا ہے، اور حوالہ جات کو 5 تصویروں سے بڑھا کر مخلوط image + video + audio مواد تک لے جاتا ہے۔ Wan 2.7 مختصر ملٹی شاٹ کام کے لیے 720p پر کم ریٹ والا انتخاب رہتا ہے (40 vs 80 credits per second)۔
ناکام ویڈیو جنریشنز کے کریڈٹس خودکار طور پر واپس کر دیے جاتے ہیں — آپ صرف مکمل ہونے والے کلپس کی ادائیگی کرتے ہیں۔
جنریشن کے آس پاس کے ہر کام کے لیے ون کلک ٹولز — نکھاریں، انداز بدلیں، شیئر کریں۔
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.
