Wan — линейка видеомоделей Alibaba , которую компания развивает с 2025 года и держит в своём облаке. Третье поколение подаётся под лозунгом «видео из чего угодно», потому что кроме текстового запроса модель принимает готовые рабочие файлы. В открытом предварительном доступе Wan3.0 провёл чуть больше двух недель, с 6 августа. Работать с ним можно через Alibaba Cloud Model Studio и Qwen Cloud по идентификатору wan3.0-video, а потребительский сайт wan.video пока открыт только для участников программы.
Презентация на входе, ролик на выходе
От привычных text-to-video генераторов Wan3.0 отличает приём документов. Модель читает DOC, XLS, PPT, PDF, TXT и Markdown, понимает форматы Apple Keynote, Pages и Numbers, принимает ссылку на веб-страницу и собирает по ним видеоряд. Квартальный отчёт становится видеосводкой, обучающий модуль — мини-курсом, рекламная презентация — роликом для соцсетей.
Аппетит у Wan3.0 при этом умеренный. За один запрос принимается один файл или одна ссылка, до 100 МБ и до 50 страниц. Годовой отчёт на две сотни страниц целиком не зайдёт.
Такой вход переводит Wan3.0 из разряда «красивая пятисекундная заставка» в разряд производственного инструмента. Материал для ролика у компании обычно уже лежит в файловом хранилище и до сих пор требовал монтажёра.
Тридцать секунд и десять картинок
Предельная длина ролика у Wan3.0 — 30 секунд за одну генерацию, без склейки из кусков. Это вдвое больше, чем у прошлого поколения Wan2.7. Разрешение на выбор — 480p, 720p или 1080p. За один запрос модель принимает сразу несколько источников:
- текстовый промпт;
- до 10 изображений;
- до 5 видеофрагментов;
- до 5 аудиодорожек;
- документ или ссылку на веб-страницу.
Платформа подсказывает оптимальную длительность под сюжет и умеет продолжать готовый ролик.
Лицо героя не плывёт между сценами
Главный акцент Alibaba делает на согласованности. Wan3.0 удерживает внешность персонажа, вид товара, планировку пространства, единый стиль и голос от сцены к сцене — то самое место, где генеративное видео обычно рассыпается. Отдельно компания заявляет о разнообразии лиц и более живой мимике, независимых замеров пока нет.
Звук Wan3.0 выдаёт синхронно с картинкой, вместе с речью, музыкой и эффектами, озвучка мультиязычная. Второй практичный момент — точечные правки. Поменять изображение, реплику или поворот сюжета можно без полной перегенерации, что для тридцатисекундного ролика экономит и время, и деньги.
Вчетверо дешевле Veo 3.1
Стоимость доступа к Wan3.0 через API считается посекундно. В базовом тарифе выходит так:
- 480p — $0,05 за секунду, $1,50 за тридцатисекундный ролик;
- 720p — $0,10 и $3 соответственно;
- 1080p — $0,20 и $6.
Есть и тариф Prime с более быстрой генерацией, где те же секунды идут по $0,068, $0,14 и $0,28. С 24 августа по 23 сентября Alibaba держит на базовом тарифе скидку 30%.
Google Veo 3.1 в базовой версии просит около $0,40 за секунду, вчетверо больше, чем Wan3.0 в максимальном качестве. Ценовая агрессия объяснима. Релиз вышел следом за размещением акций почти на $10 млрд, и эти деньги идут в ИИ-инфраструктуру.
Текст в кадре пока хромает
Слабые места Alibaba называет сама. Качество надписей внутри кадра и качество звука в Wan3.0 компания признаёт требующими доработки. Для модели, которую продают как конвертер презентаций в видео, признание неудобное, потому что в презентации текст и есть основное содержание.
Пока надёжнее готовить титры и озвучку отдельно, а Wan3.0 отдавать только видеоряд.
Три двери в Wan3.0
Попробовать Wan3.0 без корпоративного контракта можно тремя путями. Первый — сайт wan.video и его генератор, вход через Google или GitHub. Доступ там пока по членству, с очередью и лимитами, но несколько роликов новичку обычно дают.
Дальше идут Alibaba Cloud Model Studio и Qwen Cloud. Новым аккаунтам дают стартовую бесплатную квоту, заметнее всего в сингапурском регионе. Взамен нужен аккаунт Alibaba Cloud с верификацией, а консоль рассчитана на разработчика.
Самый короткий путь — сторонние онлайн-генераторы видео, которые уже подключили Wan3.0. Там она идёт по кредитам, часть сервисов раздаёт стартовый пакет бесплатно. Приём документов появляется у них не сразу, так что PDF и презентации стоит проверить до оплаты.
Статья превращается в короткий ролик
Владельцам сайтов и авторам Wan3.0 интересен как дешёвый способ получить видеоверсию текста. Материал отдаётся модели ссылкой, на выходе вертикальный ролик под соцсети. Первые пробы дешевле гонять по 5–10 секунд в 480p. Десять роликов по 15 секунд в 720p — это 150 секунд генерации, около $15.
Открытые веса остались в Wan2.2
Репутацию линейке Wan сделали открытые версии. Wan2.1 и Wan2.2 выходили под лицензией Apache 2.0, их можно было скачать и запустить на своём железе, и именно это собрало вокруг модели сообщество энтузиастов. Начиная с Wan2.5 линейка закрылась, и за год смены версий наружу больше ничего не вышло.
Судить об успехе релиза стоит по тому, появится ли открытая сборка третьего поколения ближе к зиме. Если её не будет, Wan окончательно переезжает в разряд обычных облачных сервисов, где спорят ценой за секунду. По этой цене Wan3.0 пока спорит убедительно.
Ниже то, что у меня получилось сгенерировать с Wan 3.0 загрузив эту новость текстом 😂