Wan 3.0 Dokumen ke Video: Saya Audit Setiap Bingkai

Unggah satu lembar kerja. Dapatkan animasi bisnis 23 detik dengan musik.

Itulah janji Wan 3.0 document to video, fitur input dokumen asli pertama di keluarga ini, dan demo resminya memenuhi janji itu lebih harfiah dari yang saya duga. Angka-angkanya tepat. $1.580 tumbuh menjadi $3.460, lencana bertuliskan +45,7%, dan angka-angka itu melacak langsung ke sel tertentu di lembar kerja sumber.

Lalu saya menarik playhead ke tanda 12 detik dan membaca legenda grafik.

"Southeasta North America."

Dua wilayah penjualan dipadatkan menjadi satu kata yang tidak ada. Itulah batas sebenarnya dari dokumen-ke-video di tahun 2026: model benar-benar membaca tabel Anda, tetapi masih belum bisa menggambar grafik Anda. Di bawah ini adalah audit bingkai demi bingkai yang belum dipublikasikan orang lain, ditambah rantai tiga langkah yang benar-benar bisa Anda jalankan sore ini.

Kesimpulan utama

• Wan 3.0 menerima 1 file atau 1 tautan, hingga 100MB atau 50 halaman, dan menghasilkan hingga 30 detik pada resolusi 1080p.
• Ia mengarahkan ulang sebuah film dari dokumen Anda. Ia tidak mengubah slide 3 menjadi shot 3.
• Nilai sel bertahan utuh. Legenda grafik, centang sumbu, dan pemisah ribuan tidak.
• Ada batas keras: tanpa 4K, tanpa bobot terbuka, hanya saluran first-party.
• Model konteks panjang ditambah model video 15 detik sudah bisa mereproduksi sebagian besarnya saat ini.

Keluaran Wan 3.0 document to video: demo xlsx resmi yang dirender sebagai film data animasi bergaya Keynote

Pertunjukan utama: demo beta publik resmi Wan 3.0 milik Alibaba, satu file .xlsx berisi GMV bulanan masuk, 23 detik film data animasi keluar. Ditampilkan di sini sebagai GIF bisu; file yang dikirimkan membawa track AAC stereo 44,1kHz. Sumber: buku panduan kreator resmi Wan 3.0 milik Alibaba.

Apa yang Sebenarnya Dilakukan Wan 3.0 Document to Video

Versi singkatnya, sehingga Anda bisa pergi dalam satu menit jika itu yang Anda butuhkan.

Anda memberikan satu dokumen atau satu tautan web. Ia membaca semuanya, memutuskan apa ceritanya, dan menghasilkan video dengan gambar dan suara dalam satu proses. Maksimal 30 detik, maksimal 1080p. Ia tidak menelusuri halaman Anda secara berurutan.

Berikut adalah batasan yang sebenarnya mengatur sebuah proyek.

Beta publik dibuka pada 6 Agustus 2026 (AgentUpdate, Agustus 2026). Daftar format dan dua lembar harga yang dipublikasikan berasal dari ringkasan spesifikasi terpisah (Ngram, Agustus 2026).

Buku panduan resmi menyertakan empat kasus penggunaan dokumen, dan semuanya cocok dengan empat pekerjaan yang sudah dibayar orang ke agensi:

• Dokumen proposal menjadi film merek. Dokumen pitch perawatan kulit menjadi iklan 30 detik dengan aktris utama dan cerita cahaya pagi.
• Bahan ajar menjadi pelajaran video. Entri ensiklopedia menjadi kelas animasi untuk siswa kelas satu.
• Lembar kerja menjadi grafik animasi. Demo di atas, dan sejauh ini yang paling sulit dari keempatnya.
• Laporan menjadi ringkasan lisan. Laporan tertulis menjadi briefing bergaya presenter.

Sekarang, di sinilah sebagian besar tulisan salah memahami kategori.

Pemain mapan dalam "PDF ke video" tidak melakukan ini. Document-to-video milik Kapwing mengekstrak teks dari file Anda dan meletakkannya di bilah waktu, tanpa pembangunan adegan dan tanpa presenter. Pictory dan Powtoon merakit stok footage atau animasi template, dan halaman produk Powtoon sendiri mengiklankan avatar AI dan suara yang membaca naskah Anda. Ketiganya menghasilkan slide bernarasi.

Baca tabel itu dua kali, karena itulah seluruh argumennya: ini bukan pesaing dalam kategori yang sama. Yang satu membuat tayangan slide bernarasi. Yang lain membuat footage yang tidak pernah ada. Membandingkannya berdasarkan harga per menit seperti membandingkan mesin fotokopi dengan kru film.

Bisakah Wan 3.0 melakukan hal tayangan slide juga? Ya, dan itulah peringatan jujurnya.

Contoh tandingan: diminta mengubah halaman web tentang mekanika kuantum menjadi penjelasan yang menyenangkan, Wan 3.0 menghasilkan persis format presenter-plus-keterangan yang dijual pemain mapan. Ia mencapai batas 30 detik pada 30,02 detik. Demo beta publik resmi Alibaba, audio aktif.

Jadi perbedaannya bukanlah bahwa Wan 3.0 tidak bisa membuat penjelasan berbicara. Perbedaannya adalah bahwa dengan pemain mapan, format itu adalah satu-satunya hal di menu.

Mengapa Wan 3.0 Document to Video Merusak Grafik tetapi Menjaga Angka Anda

Inilah hal paling berguna dalam artikel ini: Saya mengambil 12 bingkai dengan jarak merata dari demo lembar kerja resmi dan membaca setiap karakter.

Putusannya terbagi rapi menjadi dua. Nilai lolos. Perlengkapan grafik gagal.

Yang selamat. Pada tanda 4 detik, bingkai menampilkan $1.580, panah abu-abu tipis, $3.460, keterangan "Pertumbuhan GMV Bulanan", dan lencana koral bertuliskan +45,7%. Tipografi bersih, koma di tempat yang benar, tidak ada karakter yang rusak. Perintah di balik demo ini mengutip sel lembar kerja tertentu, dan angka-angka di layar cocok dengannya. Pengujian pihak ketiga pada deck produk 8 halaman menemukan hal yang sama: 45g, 12 jam, dan 55 derajat semuanya dirender dengan benar, dan slogan penutup keluar tanpa satu karakter yang salah (AI-Driven Lab, Agustus 2026).

Itu menjawab pertanyaan yang sebenarnya dipedulikan oleh tim keuangan dan L&D. Angka Anda tidak bermutasi secara diam-diam.

Yang rusak. Bingkai grafik adalah cerita yang berbeda.

Audit bingkai Wan 3.0 document to video yang menunjukkan legenda grafik yang tergabung dan sumbu y yang rusak

Dibekukan pada 12 detik di demo resmi. Tiga cacat dalam satu bingkai: dua nama wilayah menyatu menjadi "Southeasta North America", "North America" kemudian diulang sebagai seri terpisah, dan sumbu y yang terbaca 30, 60, 70 sementara label data teratas mengatakan $3.880.

Hitung kegagalan dalam satu bingkai itu:

1. Legenda tergabung. "Southeast Asia" dan "North America" bertabrakan menjadi "Southeasta North America". Kemudian "North America" muncul lagi sebagai seri terpisah, sehingga satu wilayah diberi label dua kali dan satu wilayah lainnya menghilang.
2. Sumbu y yang bukan skala. Centangnya terbaca 30, 60, 70. Kesenjangan piksel yang sama, nilai yang tidak sama, dan 40 dan 50 hilang begitu saja.
3. Sumbu dan label dalam unit berbeda. Garis kisi tertinggi adalah 70. Label yang ditempelkan ke titik data teratas mengatakan $3.880.
4. Penyimpangan magnitudo di sepanjang satu garis. Label pada kurva teratas itu dimulai dari $330 dan $335, lalu mendarat di $3.970 dan $3.880. Garis menaik yang mulus tidak mungkin menampung lompatan sepuluh kali lipat antara dua titik yang berdekatan. Dua label di antaranya buram sehingga tidak bisa dibaca dengan yakin, yang merupakan jawaban tersendiri.

Segmen grafik batang mengulangi polanya. Empat batang membawa $1750, $1.580, $2.350, dan $2.580, sehingga batang terpendek memegang angka tertinggi kedua, dan label pertama kehilangan koma ribuan sementara tiga lainnya tetap mempertahankannya. Di sebelahnya terdapat lima angka pertumbuhan hijau untuk empat batang. Dan segmen donat berpusat pada $89,7M, koma di tempat yang seharusnya titik desimal.

Perhatikan kesamaan dari semua ini. Tidak ada satu pun yang merupakan kesalahan konten. Setiap satu adalah kesalahan menggambar: tata letak, pelabelan, skala, tanda baca. Model memahami lembar kerja dan kemudian merender grafik seperti cara model video merender teks padat apa pun, secara perkiraan.

Ada alasan struktural kedua mengapa outputnya tidak terlihat seperti deck Anda.

Lakukan aritmatika. 50 halaman adalah batas halaman, 30 detik adalah batas durasi. Itu 0,6 detik per halaman.

Anda tidak dapat menyajikan halaman dalam 0,6 detik, jadi model melakukan satu-satunya hal yang masuk akal dan membuat trailer. Pengujian deck pihak ketiga itu mencapai kesimpulan yang sama secara independen: ia memperlakukan presentasi sebagai bahan sumber untuk iklan sinematik, bukan sebagai slide untuk dihalaman. Bingkai kacamata produk melayang dari tebal ke tanpa bingkai ke bentuk ketiga di seluruh bidikan.

Yang juga menjadi alasan mengapa batas 30 detik adalah batasan desain, bukan catatan kaki lembar spesifikasi.

Kami mengukur file yang dikirimkan: empat demo dokumen resmi mendarat di 30,04 detik, 30,02 detik, 25,03 detik, dan 23,04 detik. Dua klip 30 detik berhenti dalam waktu empat per seratus detik satu sama lain. Dan demo lembar kerja diminta 22 detik, lalu menghasilkan 23,04 detik. Kami menguraikan batas itu di pratinjau Wan 3.0.

Jadi: ekspektasi sudah dikalibrasi. Beri makan dokumen, dapatkan trailer, jaga grafik Anda tetap sederhana.

Alur Kerja Dokumen ke Video yang Dapat Anda Jalankan Hari Ini

Pemeriksaan realitas singkat sebelum tutorial, karena ini menghemat waktu satu jam pencarian Anda.

Input dokumen Wan 3.0 hanya ada di saluran Alibaba sendiri, akses dibatasi undangan, dan bobotnya tidak dipublikasikan. Tidak seorang pun di luar saluran itu dapat menawarkannya, termasuk kami. Yang dapat Anda lakukan hari ini adalah membangun kembali setengah bagian yang berguna dari demo xlsx itu dengan model yang sudah terbuka untuk bisnis, dan audit bingkai di atas memberi tahu Anda dengan tepat cara menghindari bagian yang rusak.

Tiga langkah, satu tab browser di Atlas Cloud:

1. Model dengan jutaan token membaca dokumen dan menulis naskah bidikan dengan kode waktu, dengan setiap angka sudah tertanam sebagai string literal.
2. Model gambar merender bingkai pertama, yang merupakan tempat semua akurasi teks dikunci.
3. Model video menganimasikan bingkai itu sesuai dengan naskah.

Tiga batasan jujur pada rantai ini. Ia tidak memakan biner .pptx, jadi Anda menempelkan teks atau CSV sendiri. Wan 2.7 memuncak pada 15 detik, jadi satu pengambilan 30 detik tidak mungkin. Dan jalur gambar-ke-video secara desain diam: parameter audio-nya menerima track yang Anda suplai untuk menggerakkan sinkronisasi bibir, ia tidak menciptakan soundtrack. Jika Anda ingin audio dihasilkan dalam proses yang sama, Anda menggunakan saudara teks-ke-video dan kehilangan kontrol bingkai pertama, yang untuk video yang penuh dengan angka dolar adalah pertukaran yang salah. Harga diverifikasi di halaman model pada 20 Agustus 2026, dan perhatikan bahwa harga terdaftar adalah harga dasar: tingkatan kualitas dan resolusi mendorong kutipan langsung naik, jadi baca tombol Jalankan sebelum Anda berkomitmen.

Mari kita bangun.

Langkah 1: Ubah Lembar Kerja Anda Menjadi Naskah Bidikan dengan Kode Waktu

Model video tidak mengingat angka. Mereka merender string apa pun yang Anda berikan. Jadi tugas langkah ini adalah mengonversi tabel menjadi arahan bidikan di mana setiap angka sudah ditulis sebagai teks dalam tanda kutip.

Tempelkan lembar kerja Anda di antara penanda <<<. Pengaturan: suhu 0,3, max_tokens 4000. Jaga max_tokens tetap besar, karena model yang mampu bernalar yang kehabisan anggaran di tengah pemikiran akan mengembalikan jawaban kosong yang tetap Anda bayar.

textCopy
1Anda adalah seorang sutradara grafik gerak. Di bawah ini adalah ekspor lembar kerja mentah.
2
3<<<
4Bulan,Amerika Utara,Asia Tenggara,Eropa,Total GMV
5Jan,1580,880,640,3100
6Feb,2110,1240,900,4250
7Mar,2740,1610,1150,5500
8Apr,3120,1980,1330,6430
9Mei,3350,2240,1460,7050
10Jun,3460,2480,1580,7520
11Pertumbuhan H1,+45,7%,,,
12>>>
13
14Tulis naskah bidikan untuk video data bisnis 10 detik, 16:9, bergaya Apple-Keynote. Aturan:
151. Tepat 2 bidikan. Beri masing-masing kode waktu masuk/keluar (00:00-00:05, 00:05-00:10).
162. Setiap angka yang muncul di layar harus ditulis dalam deskripsi bidikan sebagai string literal yang tepat, dalam tanda kutip, mis. "$1.580". Jangan pernah menulis "angka Januari" - tulis digitnya.
173. JANGAN meminta legenda, sumbu dengan label centang, atau lebih dari dua seri data di layar sekaligus. Gunakan angka mandiri besar dan satu lencana berbentuk pil koral sebagai gantinya.
184. Latar belakang putih bersih, palet koral lembut + abu-abu tua, sans-serif.
195. Akhiri dengan satu baris arahan BGM + SFX (suara desir saat slide masuk, satu denting lonceng pada lencana).
20Keluarkan naskahnya saja, tanpa komentar.
21

Aturan 3 adalah hasil dari audit. Output resmi rusak pada tiga hal: legenda, centang sumbu, dan grafik multi-seri. Jadi kami menghapus ketiganya dari brief dan menghabiskan ruang layar itu untuk angka berukuran besar dan lencana berwarna sebagai gantinya. Informasi yang sama, tidak ada permukaan kegagalan.

Aturan 2 adalah aturan yang dilewatkan orang, dan itulah alasan digit bertahan hingga akhir rantai ini. Deskripsi bidikan yang mengatakan "angka Januari" menyerahkan angka itu kembali ke model yang harus menciptakan karakter untuknya. Deskripsi bidikan yang mengatakan "$1.580" dalam tanda kutip memberikan dua langkah berikutnya string untuk disalin. Anda tidak meminta visualisasi data di sini, Anda meminta instruksi pengetikan.

Apa yang kembali adalah naskah dua bidikan dengan kode waktu masuk dan keluar, setiap angka di layar dikutip sebagai literal, dan baris BGM dan SFX penutup. Simpan di file sementara; langkah 2 dan 3 keduanya membaca darinya.

Langkah 2: Hasilkan Bingkai Pertama Merek

Setiap karakter teks di layar diputuskan di sini. Model gambar pada kualitas tinggi merender $1.580 dengan benar jauh lebih andal daripada model video yang dapat menulisnya sambil juga menggerakkannya, jadi kami menyelesaikan tipografi dalam gambar diam dan membiarkan langkah 3 hanya mendorong piksel.

Buka GPT Image 2 dan atur kualitas ke tinggi dan ukuran ke opsi 16:9, yang di halaman ini adalah 2048x1152. Cocokkan rasio aspek dengan video yang akan Anda buat, atau langkah 3 mulai dengan memotong tipografi Anda.

textCopy
1Bingkai presentasi bergaya Apple-Keynote yang murni pada latar belakang putih bersih tak berjahit, difoto seolah diproyeksikan di dinding studio matte. Judul di tengah dalam huruf geometris sans-serif arang pekat bertuliskan "H1 2026", diatur dalam ruang negatif yang luas. Di bawahnya, dua angka berukuran besar dalam jenis huruf yang sama, "$1.580" di kiri dan "$3.460" di kanan, dipisahkan oleh panah abu-abu muda tipis. Di bawah panah, teks keterangan abu-abu muda kecil bertuliskan "Pertumbuhan GMV Bulanan". Di bawahnya, satu lencana berbentuk pil koral dengan teks putih bertuliskan "+45,7%". Pencahayaan difus lembut merata, gradien hangat samar di sudut kanan atas, butiran kertas halus, tanpa kekacauan, tanpa logo, tanpa grafik. Minimalisme korporat ultra-bersih, 16:9.
2

Dua detail yang layak ditiru. "Tanpa grafik" ada di sana dengan sengaja. Dan baca kutipan harga pada tombol Jalankan sebelum Anda menekannya, karena kualitas tinggi pada bingkai 2K lebar harganya kelipatan dari angka daftar $0,009.

Taman bermain GPT Image 2 di Atlas Cloud dengan perintah bingkai pertama dan bingkai bergaya Keynote yang dirender menunjukkan setiap angka dieja dengan benar

GPT Image 2 pada kualitas tinggi, 16:9 pada 2048x1152. Setiap angka mendarat: "H1 2026", "$1.580", "$3.460", dan lencana "+45,7%" koral, persis mengapa tipografi diselesaikan dalam gambar diam dan bukan dalam model video.

Langkah 3: Render Klip Dokumen ke Video dan Verifikasi Setiap Digit

Langkah terakhir. Muat gambar langkah 2 sebagai bingkai pertama dan biarkan model video menganimasikannya sambil menjaga tipografi tetap diam.

Buka Wan 2.7 Gambar-ke-Video. Pengaturan: bingkai pertama Anda diunggah, resolusi 1080P , durasi 10 detik. Biarkan kolom audio kosong, karena model ini memperlakukan audio sebagai input penggerak daripada sesuatu yang diciptakannya. Anda sendiri yang akan memberi skor klip ini, atau dalam proses teks-ke-video terpisah.

textCopy
1Animasikan bingkai ini sebagai video data bisnis 10 detik bergaya Apple-Keynote, pertahankan tipografi yang ada agar stabil secara piksel.
2
300:00-00:05 - Judul "H1 2026" bertahan, lalu larut menjadi partikel emas yang melayang ke luar. Dua angka "$1.580" dan "$3.460" meluncur masuk dari kiri dan kanan dan terkunci di tempatnya; panah abu-abu tipis menggambar dirinya sendiri di antara keduanya dari kiri ke kanan. Lencana koral bertuliskan "+45,7%" muncul dari bawah dengan sedikit overshoot, diatur waktunya ke satu denting lonceng yang jelas.
4
500:05-00:10 - Semuanya meluncur mulus ke kiri. Tiga batang tebal membulat tumbuh ke atas dari garis dasar bersama dengan latar belakang putih bersih yang sama, koral, teal, dan kuning, dengan satu angka mandiri besar di atas masing-masing: "$3.460", "$2.480", "$1.580". Tanpa legenda, tanpa sumbu, tanpa label centang, tanpa garis kisi. Kamera tetap terkunci dan diam sempurna selama ini.
6

"Pertahankan tipografi yang ada agar stabil secara piksel" dan "kamera tetap terkunci" melakukan pekerjaan nyata. Setiap gerakan kamera adalah peluang lain bagi model untuk menggambar ulang teks yang seharusnya dibiarkan saja.

Kemudian lakukan bagian yang membosankan dan penting: jeda pada setiap bingkai di mana angka muncul dan bacalah terhadap baris sumber. Itu adalah pemeriksaan 30 detik, dan itu adalah satu-satunya hal yang berdiri di antara Anda dan video yang dengan percaya diri menunjukkan angka pendapatan yang salah.

Taman bermain Wan 2.7 Gambar-ke-Video di Atlas Cloud dengan bingkai pertama dimuat dan klip data jadi yang dirender

Wan 2.7 Gambar-ke-Video pada 1080P dengan bingkai pertama langkah 2 diunggah dan klip selesai di panel output. Perlu dicatat apa yang dikatakan panel: kami meminta 10 detik, bidang durasi menunjukkan 10, dan render kembali 5. Kutipan Jalankan memberi tahu kami sebelum file melakukannya, yang merupakan seluruh alasan untuk membacanya.

Klip data jadi yang dibangun kembali dari lembar kerja GMV yang sama, setiap angka utuh

Hasilnya: lembar kerja yang sama, dibangun kembali dengan legenda dan centang sumbu yang sengaja dirancang untuk dihilangkan. Model mengompresi kedua bidikan sesuai naskah menjadi lima detik yang sebenarnya dirender, dan setiap angka selamat dari perpindahan: "$1.580" dan "$3.460" di pembukaan, lalu "$3.460", "$2.480", dan "$1.580" di atas tiga batang. Nol label yang rusak, karena tidak ada label yang tersisa untuk dirusak. Diam secara desain, karena jalur gambar-ke-video tidak memberi skor apa pun untuk Anda.

Varian Dokumen ke Video dan Biaya Satu Menit Jadi

Kasus lembar kerja adalah yang paling sulit. Tiga kasus penggunaan resmi lainnya lebih mudah, dan di situlah sebagian besar nilai komersial berada.

Bahan ajar. Beri makan entri ensiklopedia dan minta pelajaran pada tingkat membaca tertentu. Output di bawah ini adalah kelas animasi bergaya chibi tentang penyair Wang Wei, panjang 25,03 detik.

Gaya gambar bertahan sepanjang waktu. Detail karakter tidak. Pada tanda 3 detik ia mengenakan topi hitam dengan latar belakang putih polos; pada 22 detik topi telah berubah menjadi biru pucat dan ia berdiri di dalam lukisan gulungan klasik. Penyimpangan yang sama yang dilihat penguji deck pada bingkai kacamata itu. Jika Anda membangun kembali ini pada rantai tiga langkah, kunci kartu karakter di langkah 1 dan gunakan kembali bingkai langkah 2 sebagai jangkar gaya Anda.

Entri ensiklopedia menjadi pelajaran animasi kelas satu, 25,03 detik dengan audio yang dihasilkan. Demo beta publik resmi Wan 3.0 Alibaba.

Film merek. Dokumen proposal menjadi iklan 30 detik penuh. Ini yang terindah dari keempat demo dan paling tidak dapat diverifikasi, karena Anda tidak dapat melihat apa yang dikatakan dokumen sumber. Perhatikan konsistensi daripada keindahan: ini adalah mode kegagalan yang menangkap penguji pihak ketiga, yang produknya berubah bentuk tiga kali dalam satu klip.

Dokumen proposal menjadi film merek perawatan kulit 30,04 detik. Demo beta publik resmi Wan 3.0 Alibaba, audio aktif.

Ringkasan laporan. Tidak ada demo resmi untuk yang satu ini, jadi perlakukan polanya sebagai belum teruji: minta satu presenter, satu klaim per bidikan, dan letakkan setiap angka dalam tanda kutip persis seperti di langkah 1.

Sekarang soal uang.

Dua lembar harga Wan 3.0 yang dipublikasikan tidak setuju apakah 1080p adalah ¥1,2 atau $0,20 per detik, yang bukan angka yang sama. Periksa tarif pada titik akhir yang sebenarnya Anda ditagih terhadap sebelum Anda menganggarkan seri.

Biaya tersembunyi bukanlah tarif per detik. Itu adalah proses ulang. Input dokumen membutuhkan satu file per tugas, jadi mengubah satu angka berarti membuat ulang seluruh video. Dalam rantai tiga langkah, naskah bidikan adalah artefak teks yang dapat digunakan kembali, sehingga perubahan angka menghabiskan biaya satu render, bukan satu tugas penuh. Selama siklus pelaporan triwulanan, perbedaan itu jauh lebih besar dari harga per detik.

Satu catatan hukum sebelum Anda mengunggah apa pun. Dokumen yang Anda kirim ke model yang dihosting adalah dokumen yang meninggalkan gedung Anda, dan deck internal serta laporan keuangan yang belum dirilis biasanya memiliki kebijakan yang melekat padanya. Periksa sebelum tekanan tenggat waktu tiba, bukan setelahnya. Dan setiap klip demo resmi dalam artikel ini milik Alibaba, dikutip di sini sebagai materi beta publik; tidak ada di sini yang merupakan lisensi untuk menggunakannya kembali secara komersial.

FAQ Wan 3.0 Document to Video

Jenis file apa yang dapat diterima Wan 3.0 document to video, dan seberapa besar?

doc, xls, ppt, pdf, txt, dan md, dengan key, pages, dan numbers juga dilaporkan, plus tautan web biasa sebagai pengganti file. Satu file atau satu tautan per tugas, hingga 100MB atau 50 halaman.

Apakah Wan 3.0 mengubah setiap slide menjadi adegan?

Tidak, dan ini adalah kesalahpahaman yang paling umum. Ia membaca seluruh dokumen, lalu mengarahkan video dari apa yang dipelajarinya. Pada batas maksimal, itu adalah 50 halaman menjadi 30 detik, atau 0,6 detik per halaman, sehingga menghasilkan trailer daripada pengubah halaman. Baik kasus penggunaan resmi maupun pengujian independen menunjuk ke arah yang sama.

Apakah angka dari lembar kerja saya akurat dalam video?

Nilai sel bertahan dalam setiap kasus yang saya periksa, termasuk $1.580, $3.460, dan +45,7% dalam demo resmi. Yang gagal adalah perlengkapan grafik: legenda bergabung, centang sumbu keluar non-linear, dan pemisah ribuan hilang. Suntikkan setiap angka sebagai literal yang dikutip dan rancang legenda serta label centang agar tidak ada dalam brief sama sekali.

Bisakah saya menggunakan Wan 3.0 document to video melalui API hari ini?

Hanya melalui saluran Alibaba sendiri, saat ini dibatasi undangan, dan bobotnya tidak dipublikasikan. Wan 2.2 tetap menjadi rilis bobot terbuka terakhir dalam lini tersebut. Sampai itu berubah, rantai tiga langkah di atas adalah pengganti yang praktis.

Berapa biaya video Wan 3.0 30 detik?

Pada tarif 1080p yang dipublikasikan, itu adalah ¥36, atau $6,00 pada lembar internasional, untuk satu klip 30 detik. Anggarkan untuk proses ulang daripada untuk satu proses, karena koreksi satu angka berarti membuat ulang semuanya.

Apa yang paling mirip dengan Wan 3.0 document to video yang dapat saya jalankan sekarang?

Model konteks panjang untuk menulis naskah bidikan, lalu Wan 2,7 seharga $0,1 per detik untuk render, dengan MiniMax H3 pada tarif yang sama atau Seedance 2,5 seharga $0,134 per detik sebagai alternatif. Anda mendapatkan tampilan footage yang dihasilkan dan teks yang akurat per bingkai. Apa yang tidak Anda dapatkan: 30 detik dalam satu pengambilan kontinu, audio dalam proses yang sama dengan render gambar-ke-video, atau model yang membaca .pptx untuk Anda.

Ringkasan jujur: Wan 3.0 document to video adalah kemampuan nyata dengan batas nyata, dan kesenjangan antara outputnya dan milik Anda lebih kecil dari yang terlihat, selama Anda berhenti meminta salah satunya untuk menggambar legenda.