阿里云 Wan3.0 杀入公测：PPT 变广告片，0.3 元/秒

8 月 6 日，阿里云宣布全新一代视频生成模型 Wan3.0 开启公测。Wan3.0 的核心卖点是一个具体的动作：你丢进去一份产品 PPT，它能直接吐出一条完整的宣传片。

据阿里云官方介绍，Wan3.0 首次将 doc、xls、ppt、pdf、md 等办公文档纳为输入格式。教学课件、产品演示、业务汇报、数据报表这些内容，现在可以直接由模型转化为视频。

阿里云的 AI 周，最后一枪是 Wan3.0

本周，阿里云密集出手。本周早些时候，通义实验室放出 Qwen3.8-Max 和 QwenWork；周四晚间，万相团队接上 Wan3.0 公测。投资人 Mike Sulka 在 X 上评论称，Wan3.0 可能不只是又一个视频模型发布。"它也许是阿里整套 Agent 架构的创意输出层。"

阿里云官方 X 账号在公告中强调了三个关键词：Native 30-Second Video Generation、Reality-Grade Rendering、Omni-Reference。其中 Omni-Reference 是最大变量。官方表述是"超越文本、图片、音频和视频，现在加入文档、表格、幻灯片和网页"。

AI 创意领域从业者 Eugenio Fierro 指出了 Wan3.0 的架构变化：Wan 2.7 将文生视频、图生视频、参考生视频和编辑拆成了四个独立模型，Wan3.0 把这些能力合到了一个模型里。"这简化了从创意到成片的路径。"

从 Wan 2.7 到 3.0，万相不再只是一个视频模型

万相系列此前经历了 Wan 2.5、Wan 2.6、Wan 2.7 三个版本迭代，逐步补齐了图生视频、参考生视频和视频编辑能力，但四个功能分别对应四个独立模型接口，生成时长上限也明显短于 Wan3.0 的 30 秒。

Wan3.0 在架构层面做了一次合并。文本、图片、音频、视频、文档五种输入模态由一个统一模型处理，单次生成时长拉到 30 秒。同时增加了智能时长推荐和视频延长功能，模型可以根据提示词自动建议合适时长，也可以从已有片段向后延展剧情。

潮新闻在报道中引述的官方演示场景是：上传一个智能眼镜产品的 PPT，配上提示词，就能得到一个完整的形象片。

30 秒一镜到底、文档解析，再加一条：0.3 元起

Wan3.0 的技术升级集中在三个方向。

首先是生成时长与运镜。单段 30 秒支持连续运镜和一镜到底，让 AI 视频从"生成一个镜头"进入"讲述一段完整故事"。根据快科技的报道，模型还搭载视频延长功能，可自由拓展剧情内容。

其次是文档解析与多模态参考。除常规的文本、图片、音频、视频之外，Wan3.0 首次兼容 doc、xls、ppt、pdf、txt、key、pages、numbers、md 九种文档格式，单文件上限 100MB、最多 50 页。模型读取结构化信息后，搭配提示词即可生成教学课件、产品演示、动态图表和业务汇报视频。

AI 中文社区的报道列出了完整的体验入口，包括阿里云百炼、万镜一刻、万相官网、千问创作 PC 端、IF STUDIO 和堆友六个渠道。

第三是真实感与跨帧一致性。人像生成力求"千人千面"，五官、皮肤细节精细还原，微表情与肢体动作自然联动。在全能参考任务中，角色、道具、场景、色调、Logo 等细节跨镜头不漂移。模型还支持对画面、剧情和台词做局部编辑。

潮新闻同时指出，Wan3.0"在声音质感与文字准确度方面仍有进步空间"。

API 定价方面，480P 为 0.3 元/秒，720P 为 0.6 元/秒，1080P 为 1.2 元/秒。按美元计，三档分别为 $0.05、$0.10 和 $0.20/秒。阿里云表示 API 接口将于近期全量开放。

不缺一个视频模型，缺的是把文档变成视频的管道

当前视频生成赛道上，OpenAI 的 Sora、Google 的 Veo、快手的 Kling 以及字节跳动的即梦都在卷画质、卷时长、卷一致性。Wan3.0 的 30 秒和 1080P 分辨率在参数上不落后于主流竞品，但不足以构成独占优势。

文档输入是它真正的差异化切口。凤凰网科技的报道提到，Wan3.0 可将教学课件、产品演示、动态图表、业务汇报等办公素材直接转化为视频。这是一个企业端的内容生产场景，与目前主流视频模型聚焦的影视创作和短视频娱乐形成错位。

快科技列举了 Wan3.0 适配的四个商用场景：影视、广告、UI 设计、文旅。从短剧、产品宣传片到交互动画和城市形象短片，结合阿里云百炼平台的企业开发者生态，Wan3.0 的定位更像是嵌入企业内容工作流的基础设施，而非独立的消费者工具。

阿里企业内容流水线的新接入点

Wan3.0 的公测与同一周 Qwen3.8-Max、QwenWork 的发布构成了一条完整线索：阿里正在为企业的内容需求铺设一条从文本理解、到文档处理、再到视频输出的完整管道。Wan3.0 不是管道终点，但它第一次让"把季度报表生成汇报视频"从想象变成了一个可调 API 的动作。