单次生成最长 30 秒
大多数 AI 视频模型止步于 10 秒或 15 秒；Wan 3.0 可以一次连续生成到 30 秒。这足以完成一段完整的产品演示、一场对白戏，或一组镜头序列，无需事后再拼接片段。可选 2 到 30 之间的任意整秒——按秒计费，因此 6 秒的草稿和 30 秒的成片价格严格成比例。
Wan 3.0 AI 视频生成器
在浏览器中运行阿里巴巴的旗舰模型 Wan 3.0：片段最长 30 秒且自带音频；首尾帧模式可精确锁定镜头的起点和终点；参考模式可在一次请求中读取图片、视频和音频。
0 / 2,000
~400 cr
什么是 Wan 3.0？
Wan 3.0 即阿里巴巴的通义万相 3.0，是 Wan 2.7 的继任者，通过我们的视频服务商以 alibaba/wan-3.0 端点在此提供。三种模式共用一个面板：仅凭提示词的文生视频、固定首帧（可选再固定尾帧）的图生视频，以及在单次请求中读取最多 10 张图片、5 段视频片段和 5 条音轨的参考生视频，每个素材在提示词中按编号引用。它的标志性数字是范围：2 到 30 之间的任意整秒、从 480p 草稿档到 1080p 的三档分辨率，以及随每段视频一同生成的音频。
取舍是具体的。1080p 就是上限——要交付 4K 成片，请用 Kling 3.0。上游 API 定义了一种智能时长模式，由它自行决定片段长度；它会按 30 秒的上限预留积分，所以我们没有接入它——在这里你需要明确选择一个时长。参考视频的秒数也会计入计费，价格预览会在你提交之前显示这一点。本页下方那两个片段在这里生成分别用了 3m 33s（5 秒，720p）和 7m 32s（20 秒，720p）——对于长镜头，请按分钟而不是按秒来规划。
阿里巴巴的通义万相 3.0 可生成最长 30 秒、带原生音频的视频片段，锁定镜头的精确首帧和尾帧，并在一次参考请求中同时读取图片、视频片段和音轨——从 480p 经济档起按秒计费。
Wan 3.0 的核心特性
首尾帧控制
这里的图生视频不只是让一张照片动起来：上传首帧，可选再上传尾帧，Wan 3.0 会在你固定的两个端点之间插值出运动。它是本页下方对比中唯一接受尾帧的模型——区别在于"从这张图开始"和"恰好从这张图到恰好那张图"。
一次参考请求：图片、视频和音频混合提交
参考生视频在单次请求中接受混合素材——最多 10 张图片、5 段短视频片段和 5 条音轨——提示词按编号引用每一个："图片 1 的角色，像视频 1 那样运动，配乐像音频 1"。参考图片和音频免费；参考视频的秒数会加进计费时长，费用在你生成之前就会显示。
原生音频与 480p 经济档
音频——人声、音效、环境声——随视频一同生成，关闭它也是同样的价格，所以声音永远没有附加费。三档分辨率按干净的比例计费：480p 每秒 40 积分用于草稿，720p 每秒 80，1080p 每秒 160 用于成片。在 480p 迭代、在 1080p 完成，能让 30 秒的制作保持可负担。
来自本工作空间的真实 Wan 3.0 片段
2026 年 8 月 26 日在此生成，一次成片，提示词和设置参数如实展示。那个 20 秒的片段是为了证明上文的长镜头说法——一次生成，没有剪辑，没有拼接。
提示词720p · 16:9 · 20s · 生成耗时 7m 32s
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.
提示词720p · 16:9 · 5s · 生成耗时 3m 33s
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.
Wan 3.0 适合谁
它是这一组中的长视频与精确控制模型：30 秒的时长上限、唯一的尾帧控制，以及最宽的参考素材工具箱。
故事装不进 10 秒的人
产品演示、对白场景和多节拍序列可以在一次生成中跑到 30 秒——无需拼接，片段之间没有连续性断层，音轨贯穿整个镜头。
必须精确开始和结束在某个位置的镜头
首尾帧模式接收两张图像，并在它们之间插值出运动——一次转变、一次揭示，或一个必须落在特定构图上的运镜。本页没有其他模型接受尾帧。
用素材而不只是文字来执导的创作者
把一张图里的角色、一段视频片段的运动风格和一条音轨喂给它，并在提示词里按编号分别引用。10 张图像、5 个片段和 5 条音轨可以塑造一次生成。
低成本起稿，干净成片
480p 档位按 1080p 费率的四分之一计费，提示词行为完全相同，因此你可以用 1,200 积分迭代一个 30 秒剪辑，只在确认无误后才以 4,800 渲染最终版。
不适合：4K 最终交付，或不想手动指定片段时长
1080p 是上限——4K 交付物属于 Kling 3.0。而且上游的智能时长模式没有接入这里，所以你总是必须在 2 到 30 秒之间选择一个明确时长。
Wan 3.0 与最接近它的视频模型对比
同一个工作区，同一个积分池——在这几个之间切换只要点一下。
| Wan 3.0 | Wan 2.7 | MiniMax H3 | Kling 3.0 | |
|---|---|---|---|---|
| 分辨率 | 480p · 720p · 1080p | 720p · 1080p | 768p · 2K | 720p · 1080p · 4K |
| 片段时长 | 2–30s，任意整秒 | 2–15 秒，任意整秒 | 4–15 秒，任意整秒 | 3–15 秒，任意整秒 |
| 计费方式 | 按输出每秒计；参考视频秒数也计入 | 按输出秒数计费 | 按输出每秒计；参考视频秒数也计入 | 按输出秒数计费 |
| 声音 | 原生支持，默认开启——开与关费用相同 | 原生自带，始终开启，没有开关 | 原生自带，始终开启，没有开关 | 可选开关，默认关闭 |
| 每秒积分，预算档 | 480p 下 40 | 未提供——720p 是下限 | 768p 下 55 | 720p 下 45，无声 |
| 每秒积分，1080p | 160 | 70 | 未提供——其最高档是 2K，计 90 | 无声 60 · 带声音 85 |
| 6 秒 1080p 片子的积分 | 960 | 420 | 1080p 下未提供 | 无声 360 · 带声音 510 |
| 单条片子的积分，从最低到最高 | 80–4,800 | 80–1,050 | 220–2,820 | 135–3,000 |
| 图生视频 | 首帧 + 可选尾帧 | 仅首帧 | 仅首帧 | 仅首帧 |
| 参考素材 | 最多 10 张图像 + 5 个视频 + 5 条音轨，引用为 Image 1 / Video 1 / Audio 1 | 最多 5 张图像，引用为 Image 1, Image 2 … | 最多 9 张图像 + 3 个视频 + 3 条音轨 | 没有——那唯一一张图就是首帧 |
| 宽高比 | 5 种——16:9、9:16、1:1、4:3、3:4 | 5 种——16:9、9:16、1:1、4:3、3:4 | 6 — 16:9 到 21:9 | 3 种——16:9、9:16、1:1 |
| 我们自己测的速度 | 5 秒用了 3m 33s，20 秒用了 7m 32s，均为 720p（2 个片段，2026 年 8 月） | 未实测 | 未实测 | 未实测 |
这张表里的每一个分辨率、片段时长和积分数字，都是 2026 年 8 月 26 日从我们自己的模型注册表和代码中的费率表里读取的——就是为你的生成计费所用的同一些表，而不是厂商的营销页面。全部四个模型都按秒计费，所以单片段的数字就是费率乘以你选择的时长；Wan 3.0 和 MiniMax H3 另外还会把参考视频的秒数计入计费。仅有的速度数字是我们自己生成并计时的那两个 Wan 3.0 片段；其余每个单元格都写着未实测（我们没有测过），而不是借用别人的数字。
更多类似 Wan 3.0 的视频模型
在同一工作区中将 Wan 3.0 与其他视频模型对比——一键切换。
CreateVision AI 上的 Wan 3.0 规格
| 模型 | wan-3.0（通义万相 3.0），由阿里巴巴推出——通过 alibaba/wan-3.0 端点提供服务 |
|---|---|
| 模式 | 文生视频、带首尾帧控制的图生视频，以及可混合图像、视频和音频素材的参考生视频 |
| 分辨率 | 480p、720p 和 1080p——按 1x / 2x / 4x 比例计费 |
| 时长 | 2–30 秒，任意整秒（默认 5）——本平台最长的时长范围 |
| 宽高比 | 文生视频和参考生视频支持 16:9、9:16、1:1、4:3 和 3:4；图生视频跟随首帧 |
| 参考素材 | 最多 10 张图像、5 段视频片段（合计 15 秒）和 5 条音轨，在提示词中以 Image 1、Video 1、Audio 1 引用 |
| 首帧 / 末帧 | 图生视频接受一个严格的首帧和一个可选的末帧；帧与参考素材在上游互斥 |
| 声音 | 原生——人声、音效和环境音随片段一起生成；开启和关闭声音费用相同 |
| 积分 | 按输出每秒计费：480p 为 40，720p 为 80，1080p 为 160——三种模式费率相同 |
| 参考视频计费 | 参考视频秒数计入计费时长；参考图像和音频免费 |
| 单条片子的积分区间 | 一段 2 秒 480p 片段为 80，一段 30 秒 1080p 片段最高 4,800（另加任何参考视频秒数） |
| 取消 | 失败的生成自动退款 |
| 实测速度 | 一个 5 秒的 720p 片段用了 3m 33s，一个 20 秒的 720p 片段用了 7m 32s（2 个片段，2026 年 8 月 26 日） |
选择 Wan 3.0
打开模型选择器并选择 Wan 3.0。在你花费任何额度之前，面板会显示其积分成本、分辨率选项和时长限制。
描述你想要的画面
写清主体、动作，以及镜头怎么运动。想让片子从某张图开始，就附上首帧。
生成之后，继续往下做
下载成片、延长它，或送去进一步编辑。提示词、模型与设置都会一同保存在你的历史记录里。
Wan 3.0 之外
一个账户，打通图像与视频生成全流程。
Wan 3.0 定价与免费每日积分
使用免费档位的每日积分运行 Wan 3.0，或升级以获得高级模型、更快的生成和 4K 输出。
高级版
最受欢迎$29/month
按年计费 · $240/year
- 每月 8,000 积分，无每日限额
- 全部高级模型——GPT Image 2、Nano Banana、Seedream、Seedance、Veo、Kling
- 5 倍生成速度，优先排队
- AI 提示词增强
Wan 3.0——常见问题
1
Wan 3.0 最擅长什么？
长镜头和受控镜头：最长 30 秒、带原生音频的片段，一种首尾帧模式可精确锁定镜头的起点和终点，以及一种参考模式可在一次请求中同时读取图像、视频和音频。
2
Wan 3.0 在 CreateVision AI 上如何定价？
按输出每秒计费：480p 为 40 积分，720p 为 80，1080p 为 160——文生、图生和参考生视频费率相同。参考视频秒数计入计费时长；参考图像和音频免费。确切费用会在生成前显示，失败的运行自动退款。
3
Wan 3.0 支持哪些模式？
仅凭提示词的文生视频、来自首帧（含可选末帧）的图生视频，以及最多 10 张图像、5 段视频片段和 5 条音轨的参考生视频，在提示词中以 Image 1、Video 1、Audio 1 引用。
4
Wan 3.0 视频可以有多长？
2到30秒，任意整秒——这是本平台上所有视频模型中最长的时长范围。音频会随片段在任意时长下一起生成。
5
Wan 3.0 与 Wan 2.7 相比如何？
Wan 3.0 将时长上限翻倍（30s 对 15s），新增了 480p 经济档和尾帧控制，并将参考素材从 5 张图片扩展为图片＋视频＋音频混合素材。Wan 2.7 在 720p 下仍是更低价的选择（每秒 40 对 80 积分），适合较短的多镜头作品。
6
如果生成失败会怎样？
视频生成失败会自动退还积分——你只为成功完成的片段付费。
用 Wan 3.0 执导你的第一个 30 秒镜头
开始生成视频探索我们的一键 AI 视频工具
生成前后的活儿都有一键工具——修饰、换风格、直接分享。
价格与使用方式 · 关键事实 — Wan 3.0
- 模型
- Wan 3.0
- 开发方
- Alibaba
- 使用方式
- 在 CreateVision AI 工作台内通过 API 直接运行——登录即可生成。无需 API 密钥，无需云项目，无需安装软件。
- 每次生成价格
- 每段 5 秒视频 200 积分起 ≈ $0.73（按 Premium 方案计算：$29/月，含 8,000 积分）。 免费方案每天包含 80 积分。
- 隐私
- 默认私密——任何方案下，其他用户都无法看到你的生成内容。我们不会出售或滥用会员数据。 隐私政策
最近更新 — Wan 3.0
- New
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.