阿里在视频生成赛道又甩出一张王炸。通义万相团队正式发布 Wan3.0，这不是一次小版本迭代，而是把视频生成模型从”能出片”往”真正能商用”推了一大步。原生 30 秒视频、现实级渲染、支持文档/表格/幻灯片/网页等多模态参考，再加上按分辨率计费的低价策略，摆明了是要和 OpenAI Sora、Runway、快手可灵正面抢市场。
核心看点
- 原生 30 秒视频生成：不再是几秒短视频的拼接或延长，Wan3.0 直接一次性生成长达 30 秒的视频片段，叙事连贯性大幅提升。
- 现实级渲染：光影、材质、物理运动更接近真实拍摄，”AI 感”显著降低，商业化可用性更高。
- 全能参考输入：除了传统的文本、图片、音频、视频，现在还支持 doc、xls、ppt、pdf、txt、key、pages、numbers、md 甚至 url 作为参考内容。
- 按分辨率低价计费：480p 仅 0.05 美元/秒，720p 0.10 美元/秒，比不少同类服务便宜一个数量级。
30 秒原生生成，叙事不再”断片”
过去很多视频生成模型看着热闹，实际可用性卡在 4-8 秒。做广告片、短视频、产品演示，往往要先生成好几段再手动拼接，人物一致性、镜头语言、运动逻辑很容易崩。
Wan3.0 把原生生成长度直接拉到 30 秒，意味着一次提示就能得到一段完整的视觉叙事。对短视频创作者、电商广告、游戏 PV 甚至影视分镜来说，这省掉的不只是剪辑时间，更是反复抽卡的成本。长片段对模型的时序一致性、物理规律理解、镜头运动规划都提出了更高要求，阿里敢在这个点上发力，说明底层架构和训练数据都有实质性升级。
现实级渲染，”AI 味”淡了
“AI 味”重不重，一直是判断视频生成模型能不能落地的关键。皮肤反光、手指细节、物体碰撞、衣物褶皱、水面波纹——这些微小缺陷都会让观众一秒出戏。
按照阿里给出的方向，Wan3.0 强调”现实级渲染”，目标就是让生成画面在光影、材质和动态上更接近真实摄影。这个定位很清晰：不做风格化动画的玩具，而是要做能被品牌方、广告商、影视团队直接采用的生产工具。如果渲染质量真能稳定到商用水准，那电商主图视频、汽车广告、房地产漫游这些高价值场景都会打开。
文档、表格、PPT、网页都能喂给模型
这次最出人意料的是”全能参考”。传统视频生成模型接受的是 prompt 或参考图，Wan3.0 直接把办公文档全家桶接进来了：Word、Excel、PPT、PDF、Keynote、Pages、Numbers、Markdown、TXT，甚至一个 URL 都能作为参考输入。
这等于说，你可以直接把一份产品说明书、一张财报表格、一份演讲 PPT 或者一个网页链接丢给模型，它自动理解内容并生成对应视频。对 B 端场景简直是量身定做：市场营销把 PPT 一键转成产品介绍视频，教育公司把教案生成动画讲解，金融机构把研报可视化，自媒体把文章链接变成短视频。
这背后的技术难度不低。不同格式的文档结构差异巨大，PDF 可能是扫描件，Excel 是表格关系，网页是 HTML 树，PPT 是图文混排。模型要先把这些异构信息统一理解，再映射到视觉叙事，说明 Wan3.0 在多模态统一表征和跨模态推理上做了很深的整合。
价格砍到地板，480p 每分钟 3 美元
定价也很激进。480p 0.05 美元/秒，720p 0.10 美元/秒。换算一下，一分钟 480p 视频只要 3 美元，720p 也不过 6 美元。作为对比，很多海外视频生成服务按秒或按片段收费，成本通常是这个数倍。
低价策略有两个目的：一是快速抢开发者、创作者和企业用户；二是用规模摊薄推理成本，倒逼基础设施优化。对中国出海的内容团队、MCN 机构、跨境电商来说，这个价足够有吸引力。后续如果开放 1080p 甚至更高分辨率，价格还能不能守住，会是观察重点。
阿里在视频生成赛道押重注
从通义万相到 Wan3.0，阿里显然没有把视频生成当成一个 demo 产品，而是作为云和 AI 生态的关键入口。视频是当下最吃算力、最吃数据、也最贴近商业变现的多模态形态。Wan3.0 同时拼原生时长、渲染质量、多模态输入和成本，等于是在四个维度上同时发力。
不过竞争也很残酷。OpenAI 的 Sora、Runway Gen-4、快手可灵、字节即梦都在疯狂迭代。Wan3.0 真正能不能跑出来，还得看实际生成稳定性、可控性、API 延迟和生态集成。但至少从纸面参数看，阿里这次没有掉队，甚至有几个点跑在了前面。
对普通创作者来说，门槛正在迅速降低：不用写分镜、不用找摄影棚、不用请剪辑师，一份 PPT 或一个网页链接就能变成 30 秒视频。Wan3.0 这类工具普及之后，内容生产的方式可能要重新洗牌了。
本文地址：https://www.163264.com/14698
微信扫一扫，鼓励一下～ 