Chạy Wan 3.0 flagship của Alibaba ngay trong trình duyệt của bạn: clip dài tới 30 giây với âm thanh đã gắn sẵn, chế độ khung đầu-và-cuối ghim chính xác nơi cảnh bắt đầu và kết thúc, cùng chế độ tham chiếu đọc ảnh, video và âm thanh trong một yêu cầu.
Wan 3.0 là Tongyi Wanxiang 3.0 của Alibaba, phiên bản kế nhiệm Wan 2.7, được phục vụ tại đây trên endpoint alibaba/wan-3.0 thông qua nhà cung cấp video của chúng tôi. Ba chế độ dùng chung một bảng điều khiển: text-to-video chỉ từ một prompt, image-to-video ghim khung hình đầu tiên và tùy chọn khung hình cuối cùng, và reference-to-video đọc tối đa 10 hình ảnh, 5 clip video và 5 track âm thanh trong một yêu cầu duy nhất, mỗi mục được trích dẫn trong prompt theo số thứ tự. Những con số đặc trưng của nó nằm ở phạm vi: bất kỳ giây nguyên nào từ 2 đến 30, ba độ phân giải từ bậc nháp 480p đến 1080p, và âm thanh được tạo kèm với mọi clip.
Các đánh đổi rất cụ thể. 1080p là giới hạn trên — bản giao 4K thuộc về Kling 3.0. API upstream định nghĩa một chế độ thời lượng thông minh tự chọn độ dài clip; nó giữ chỗ credit ở mức trần 30 giây, nên chúng tôi chưa nối nó vào — ở đây bạn chọn một độ dài rõ ràng. Số giây video tham chiếu được tính vào phí, điều mà bản xem trước giá hiển thị trước khi bạn chốt. Hai clip ở phía dưới trang này mất 3m 33s (5 giây, 720p) và 7m 32s (20 giây, 720p) để tạo tại đây — hãy tính theo phút, không phải giây, cho các cú quay dài.
Tongyi Wanxiang 3.0 của Alibaba tạo các clip dài tới 30 giây với âm thanh gốc, ghim chính xác khung hình đầu và cuối của một cảnh quay, và đọc hình ảnh, clip video cùng track âm thanh đồng thời trong một yêu cầu tham chiếu — tính phí theo giây từ bậc tiết kiệm 480p.
Hầu hết các mô hình video AI dừng ở 10 hoặc 15 giây; Wan 3.0 chạy tới 30 trong một lần tạo liên tục. Đủ dài cho một bài hướng dẫn sản phẩm trọn vẹn, một cảnh có lời thoại, hoặc một chuỗi cảnh quay mà không cần ghép các clip lại sau đó. Chọn bất kỳ giây nguyên nào từ 2 đến 30 — bạn trả tiền theo giây, nên một bản nháp 6 giây và một bản hoàn chỉnh 30 giây được định giá đúng tỷ lệ.
Image-to-video ở đây vượt xa việc làm chuyển động một bức ảnh đơn lẻ: tải lên một khung hình đầu và, tùy chọn, một khung hình cuối, và Wan 3.0 sẽ nội suy chuyển động giữa hai điểm cố định của bạn. Đây là mô hình duy nhất trong bảng so sánh ở phần dưới trang này chấp nhận khung hình cuối — sự khác biệt giữa "bắt đầu từ hình ảnh này" và "đi từ chính xác hình ảnh này đến chính xác hình ảnh kia".
Reference-to-video chấp nhận tài liệu hỗn hợp trong một yêu cầu — tối đa 10 hình ảnh, 5 clip video ngắn và 5 track âm thanh — và prompt gọi từng mục theo số thứ tự: "nhân vật từ Image 1, chuyển động như Video 1, nhạc nền như Audio 1". Hình ảnh và âm thanh tham chiếu miễn phí; số giây video tham chiếu được cộng vào thời lượng tính phí, và chi phí hiển thị trước khi bạn tạo.
Âm thanh — giọng nói, hiệu ứng, âm cảnh — được tạo kèm theo clip, và tắt nó đi cũng tốn chi phí như vậy, nên không bao giờ có phụ phí cho âm thanh. Ba độ phân giải tính phí theo tỷ lệ gọn gàng: 480p ở mức 40 credit mỗi giây cho bản nháp, 720p ở mức 80, và 1080p ở mức 160 cho bản hoàn chỉnh. Thử nghiệm ở 480p rồi hoàn thiện ở 1080p giúp một sản phẩm 30 giây luôn trong tầm giá.
Được tạo tại đây ngày 26 tháng 8 năm 2026, lần chạy đầu tiên, prompt và cài đặt chính xác được hiển thị. Clip 20 giây này tồn tại để chứng minh tuyên bố cú quay dài ở trên — một lần tạo, không cắt, không ghép.
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.
Đây là mô hình dạng dài và chính xác của nhóm này: giới hạn trên 30 giây, khả năng kiểm soát khung hình cuối duy nhất, và bộ công cụ tham chiếu rộng nhất.
Các bài hướng dẫn sản phẩm, cảnh có lời thoại và chuỗi nhiều nhịp chạy tới 30 giây trong một lần tạo — không cần ghép nối, không có vết rạn liên tục giữa các clip, và track âm thanh trải dài suốt cả lần quay.
Chế độ khung hình đầu-và-cuối nhận hai ảnh và nội suy chuyển động giữa chúng — một sự biến đổi, một màn hé lộ, một cú di chuyển máy quay phải chạm đúng một bố cục cụ thể. Không mô hình nào khác trên trang này chấp nhận khung hình cuối.
Đưa cho nó nhân vật từ một ảnh, phong cách chuyển động của một đoạn video, và một bản nhạc, rồi gọi từng thứ bằng số trong prompt. Mười ảnh, năm clip và năm bản âm thanh có thể định hình một lần tạo duy nhất.
Bậc 480p tính phí bằng một phần tư mức giá 1080p với hành vi prompt giống hệt, nên bạn có thể lặp lại một bản cắt 30 giây với 1,200 credit và render bản cuối với 4,800 chỉ khi nó đã đúng.
1080p là giới hạn trên — một sản phẩm giao 4K thuộc về Kling 3.0. Và chế độ thời lượng thông minh ở thượng nguồn không được nối ở đây, nên bạn luôn phải chọn một độ dài cụ thể từ 2 đến 30 giây.
Cùng không gian làm việc, cùng kho tín dụng — chuyển giữa bất kỳ cái nào cũng chỉ một cú nhấp.
| Wan 3.0 | Wan 2.7 | MiniMax H3 | Kling 3.0 | |
|---|---|---|---|---|
| Độ phân giải | 480p · 720p · 1080p | 720p · 1080p | 768p · 2K | 720p · 1080p · 4K |
| Độ dài đoạn phim | 2–30s, bất kỳ giây nguyên nào | 2–15s, bất kỳ số giây nguyên nào | 4–15s, bất kỳ số giây nguyên nào | 3–15s, bất kỳ số giây nguyên nào |
| Cách tính phí | Mỗi giây đầu ra; số giây video tham chiếu được cộng thêm | Theo mỗi giây đầu ra | Mỗi giây đầu ra; số giây video tham chiếu được cộng thêm | Theo mỗi giây đầu ra |
| Âm thanh | Gốc, bật theo mặc định — bật và tắt có chi phí như nhau | Bản địa, luôn bật, không có nút chuyển | Bản địa, luôn bật, không có nút chuyển | Nút chuyển tùy chọn, mặc định tắt |
| Credit mỗi giây, bậc tiết kiệm | 40 ở 480p | Không cung cấp — 720p là mức sàn | 55 ở 768p | 45 ở 720p, không tiếng |
| Tín dụng mỗi giây, 1080p | 160 | 70 | Không cung cấp — bậc cao nhất của nó là 2K ở mức 90 | 60 câm · 85 kèm tiếng |
| Tín dụng cho một đoạn phim 1080p dài 6 giây | 960 | 420 | Không cung cấp ở 1080p | 360 câm · 510 kèm tiếng |
| Tín dụng cho một đoạn phim, từ sàn tới trần | 80–4,800 | 80–1,050 | 220–2,820 | 135–3,000 |
| Image-to-video | Khung hình đầu + khung hình cuối tùy chọn | Chỉ khung hình đầu | Chỉ khung hình đầu | Chỉ khung hình đầu |
| Vật liệu tham chiếu | Tối đa 10 ảnh + 5 video + 5 bản âm thanh, được trích dẫn là Image 1 / Video 1 / Audio 1 | Tối đa 5 ảnh, được trích dẫn là Image 1, Image 2 … | Tối đa 9 ảnh + 3 video + 3 bản âm thanh | Không có — tấm ảnh duy nhất là khung hình đầu |
| Tỷ lệ khung hình | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 6 — từ 16:9 đến 21:9 | 3 — 16:9, 9:16, 1:1 |
| Tốc độ chúng tôi tự đo | 3m 33s cho 5s và 7m 32s cho 20s, cả hai 720p (2 clip, tháng 8 năm 2026) | Chưa đo | Chưa đo | Chưa đo |
Mọi độ phân giải, độ dài clip và con số credit trong bảng này đều được đọc từ registry model của chính chúng tôi và các bảng rate trong code vào ngày 26 tháng 8 năm 2026 — cùng những bảng định giá các lần tạo của bạn, không phải trang marketing của nhà cung cấp. Cả bốn model đều tính phí theo giây, nên số liệu theo clip là rate nhân với độ dài bạn chọn; Wan 3.0 và MiniMax H3 còn tính thêm số giây video tham chiếu vào phí. Các con số tốc độ duy nhất là hai clip Wan 3.0 mà chúng tôi đã tạo và tự bấm giờ; mọi ô còn lại đều ghi Chúng tôi không đo thay vì mượn một con số.
So sánh Wan 3.0 với các mô hình video khác — cùng một không gian làm việc, chuyển đổi chỉ bằng một cú nhấp chuột.
Kiểm soát nhiều cảnh quay với khóa danh tính theo ảnh tham chiếu.
Hailuo 3 — chuyển động điện ảnh với âm thanh gốc, 768p/2K.
Chuyển đổi văn bản và hình ảnh thành video, độ phân giải lên đến 4K, có tùy chọn âm thanh.
Video flagship 30 giây từ hỗn hợp tham chiếu ảnh, video và âm thanh.
| Mô hình | wan-3.0 (Tongyi Wanxiang 3.0), của Alibaba — được phục vụ qua endpoint alibaba/wan-3.0 |
|---|---|
| Chế độ | Văn bản thành video, hình ảnh thành video với điều khiển khung hình đầu và cuối, cùng chế độ tham chiếu thành video với tài liệu hình ảnh, video và âm thanh hỗn hợp |
| Độ phân giải | 480p, 720p và 1080p — tính phí theo tỷ lệ 1x / 2x / 4x |
| Thời lượng | 2–30 giây, bất kỳ số giây nguyên nào (mặc định là 5) — khoảng dài nhất trên nền tảng này |
| Tỷ lệ khung hình | 16:9, 9:16, 1:1, 4:3 và 3:4 cho chế độ văn bản thành video và tham chiếu thành video; hình ảnh thành video theo khung hình đầu tiên |
| Tài sản tham chiếu | Tối đa 10 hình ảnh, 5 clip video (tổng cộng 15 giây) và 5 bản âm thanh, được trích dẫn trong prompt là Image 1, Video 1, Audio 1 |
| Khung hình đầu / cuối | Hình ảnh thành video chấp nhận một khung hình đầu bắt buộc và một khung hình cuối tùy chọn; các khung hình và tài liệu tham chiếu loại trừ lẫn nhau ở tầng upstream |
| Âm thanh | Gốc — giọng nói, hiệu ứng và âm thanh môi trường được tạo cùng clip; bật hay tắt tiếng đều tốn chi phí như nhau |
| Tín dụng | Theo mỗi giây đầu ra: 40 ở 480p, 80 ở 720p, 160 ở 1080p — cùng một mức giá cho cả ba chế độ |
| Cách tính phí video tham chiếu | Số giây video tham chiếu được cộng vào thời lượng tính phí; hình ảnh và âm thanh tham chiếu được miễn phí |
| Khoảng tín dụng mỗi đoạn phim | 80 cho một clip 480p dài 2 giây, lên tới 4.800 cho một clip 1080p dài 30 giây (cộng thêm mọi số giây video tham chiếu) |
| Hủy tác vụ | Các lần tạo thất bại được hoàn tiền tự động |
| Tốc độ đo thực tế | 3m 33s cho một clip 720p 5 giây và 7m 32s cho một clip 720p 20 giây (2 clip, ngày 26 tháng 8 năm 2026) |
Mở bộ chọn mô hình và chọn Wan 3.0. Bảng điều khiển hiển thị chi phí credit, các tùy chọn độ phân giải và giới hạn thời lượng trước khi bạn chi bất kỳ khoản nào.
Viết chủ thể, hành động và cách máy quay chuyển động. Đính kèm khung hình đầu nếu bạn muốn clip bắt đầu từ một bức ảnh cụ thể.
Tải clip về, kéo dài nó, hoặc đưa sang chỉnh sửa tiếp. Prompt, mô hình và thiết lập luôn đi kèm trong lịch sử của bạn.
Một tài khoản, trọn vẹn quy trình tạo ảnh và video.
Đưa bất kỳ ảnh tĩnh nào trở thành chuyển động, giọng nói và âm thanh trong vài giây.
Tạo các đoạn clip ngắn điện ảnh với âm thanh tích hợp sẵn từ prompt của bạn.
Mô tả ý tưởng của bạn: Ava chọn mô hình xếp hạng đấu trường, viết prompt và tạo.
Chạy Wan 3.0 bằng credit hàng ngày của gói miễn phí, hoặc nâng cấp để dùng các mô hình cao cấp, tạo nhanh hơn và đầu ra 4K.
Hoàn hảo để bắt đầu
Thanh toán hằng năm · $240/năm
Thanh toán hằng năm · $380/năm
Các cảnh quay dài và có kiểm soát: clip dài tới 30 giây với âm thanh gốc, chế độ khung hình đầu-và-cuối cố định chính xác điểm bắt đầu và kết thúc của cảnh quay, cùng chế độ tham chiếu đọc hình ảnh, video và âm thanh cùng nhau trong một yêu cầu.
Theo mỗi giây đầu ra: 40 credit ở 480p, 80 ở 720p, 160 ở 1080p — cùng một mức giá cho văn bản thành video, hình ảnh thành video và tham chiếu thành video. Số giây video tham chiếu được cộng vào thời lượng tính phí; hình ảnh và âm thanh tham chiếu được miễn phí. Chi phí chính xác hiển thị trước khi bạn tạo, và các lần chạy thất bại được hoàn tiền tự động.
Văn bản thành video chỉ từ một prompt, hình ảnh thành video từ một khung hình đầu tiên (với khung hình cuối tùy chọn), và tham chiếu thành video với tối đa 10 hình ảnh, 5 clip video và 5 bản âm thanh được trích dẫn trong prompt là Image 1, Video 1, Audio 1.
Từ 2 đến 30 giây, bất kỳ giây nguyên nào — khoảng độ dài dài nhất trong mọi mô hình video trên nền tảng này. Âm thanh được tạo cùng clip ở mọi độ dài.
Wan 3.0 nhân đôi giới hạn độ dài (30s vs 15s), thêm gói tiết kiệm 480p và điều khiển khung cuối, đồng thời mở rộng tham chiếu từ 5 ảnh sang tài liệu hỗn hợp ảnh + video + âm thanh. Wan 2.7 vẫn là lựa chọn mức phí thấp hơn ở 720p (40 vs 80 credits mỗi giây) cho các tác vụ đa cảnh ngắn hơn.
Credits được hoàn tự động cho các lượt tạo video thất bại — bạn chỉ trả tiền cho những clip hoàn thành.
Công cụ một chạm cho mọi việc quanh khâu tạo — chỉnh sửa, đổi phong cách, chia sẻ.
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.
