Wan 3.0 Documento in Video: Ho Controllato Ogni Fotogramma

Ultimo aggiornamento: Wan 3.0 è ora attivo dal 24 agosto 2026.

Carica un foglio di calcolo. Ricevi un'animazione aziendale di 23 secondi con musica.

Questa è la promessa di Wan 3.0 da documento a video, il primo input nativo di documenti della famiglia, e la demo ufficiale la mantiene più letteralmente di quanto mi aspettassi. I numeri sono giusti. $1.580 cresce a $3.460, il badge riporta +45,7%, e quelle cifre riconducono direttamente a celle specifiche nel foglio sorgente.

Poi ho trascinato il cursore al secondo 12 e ho letto la legenda del grafico.

"Southeasta North America."

Due regioni di vendita schiacciate in una parola che non esiste. Questo è il vero limite del documento-a-video nel 2026: il modello ha effettivamente letto la tua tabella, eppure non riesce ancora a disegnare il tuo grafico. Ecco la verifica fotogramma per fotogramma che nessun altro ha pubblicato, più una catena in tre passi che puoi effettivamente eseguire oggi pomeriggio.

Punti chiave

• Wan 3.0 accetta 1 file o 1 link, fino a 100MB o 50 pagine, e produce fino a 30 secondi a 1080p.
• Reindirizza un film dal tuo documento. Non trasforma la slide 3 nell'inquadratura 3.
• I valori delle celle sopravvivono intatti. Legende dei grafici, segni di graduazione degli assi e separatori delle migliaia no.
• I limiti sono rigidi: niente 4K, niente pesi aperti, solo canali di prima parte.
• Un modello a contesto lungo più un modello video da 15 secondi riproduce la maggior parte del lavoro oggi.

Output di Wan 3.0 da documento a video: la demo ufficiale xlsx renderizzata come un film di dati animato in stile Keynote

La vetrina: la demo pubblica beta ufficiale di Alibaba Wan 3.0, un .xlsx del GMV mensile inserito, 23 secondi di film di dati animato in uscita. Mostrato qui come GIF silenziosa; il file consegnato include una traccia AAC stereo a 44,1 kHz. Fonte: manuale ufficiale del creatore Wan 3.0 di Alibaba.

Cosa fa realmente Wan 3.0 da Documento a Video

Versione breve, così puoi andartene in un minuto se è tutto ciò che ti serve.

Consegni un documento o un link web. Legge tutto, decide qual è la storia e genera un video con immagini e suono in un unico passaggio. Massimo 30 secondi, massimo 1080p. Non percorre le tue pagine in ordine.

Ecco i limiti che governano effettivamente un progetto.

Beta pubblica aperta il 6 agosto 2026 (AgentUpdate, agosto 2026). L'elenco dei formati e i due listini prezzi pubblicati provengono da un riepilogo separato delle specifiche (Ngram, agosto 2026).

Il manuale ufficiale include quattro casi d'uso per documenti, che corrispondono chiaramente a quattro lavori per cui le persone già pagano le agenzie:

• Documento di proposta in un film di marca. Un documento di presentazione per la cura della pelle diventa un annuncio di 30 secondi con un'attrice protagonista e una storia di luce mattutina.
• Materiale didattico in una lezione video. Una voce enciclopedica diventa una lezione animata per bambini di prima elementare.
• Foglio di calcolo in grafici animati. La demo sopra, e di gran lunga la più difficile delle quattro.
• Report in un riepilogo parlato. Un report scritto diventa un briefing in stile presentatore.

Ora, ecco dove la maggior parte degli articoli sbaglia la categoria.

I concorrenti affermati nel "PDF in video" non fanno questo. Il documento-in-video di Kapwing estrae il testo dal tuo file e lo posiziona su una timeline, senza costruzione di scene e senza presentatore. Pictory e Powtoon assemblano filmati stock o animazioni di template, e le stesse pagine prodotto di Powtoon pubblicizzano avatar AI e voci che leggono il tuo script. Tutti e tre producono diapositive narrate.

Leggi quella tabella due volte, perché è l'intero argomento: questi non sono concorrenti nella stessa categoria. Uno produce presentazioni narrate. L'altro produce filmati che non sono mai esistiti. Confrontarli sul prezzo al minuto è come confrontare una fotocopiatrice con una troupe cinematografica.

Wan 3.0 può fare anche la cosa della presentazione? Sì, e questa è l'onesta avvertenza.

Controesempio: richiesto di trasformare una pagina web sulla meccanica quantistica in un simpatico video esplicativo, Wan 3.0 ha prodotto esattamente il formato presentatore-più-didascalia che i concorrenti vendono. Colpisce il muro dei 30 secondi a 30,02s. Demo ufficiale beta pubblica di Alibaba, audio attivo.

Quindi la differenza non è che Wan 3.0 non possa creare video esplicativi con un presentatore. È che con i concorrenti, quel formato è l'unica cosa nel menu.

Perché Wan 3.0 da Documento a Video Rompe i Grafici ma Mantiene i Tuoi Numeri

Ecco la cosa più utile di questo articolo: ho estratto 12 fotogrammi equidistanti dalla demo ufficiale del foglio di calcolo e ho letto ogni glifo.

Il verdetto si divide chiaramente in due. I valori passano. I mobili del grafico falliscono.

Cosa è sopravvissuto. Al secondo 4, il fotogramma mostra $1.580, una sottile freccia grigia, $3.460, la didascalia "Crescita GMV Mensile", e un badge corallo che riporta +45,7%. La tipografia è pulita, le virgole sono al posto giusto, nessun carattere distorto. Il prompt dietro questa demo cita celle specifiche del foglio di calcolo, e le cifre sullo schermo corrispondono. Un test di terze parti su un mazzo di prodotto di 8 pagine ha riscontrato la stessa cosa: 45 g, 12 ore e 55 gradi sono stati renderizzati correttamente e lo slogan finale è uscito senza un singolo carattere sbagliato (AI-Driven Lab, agosto 2026).

Questo risponde alla domanda che i team finanziari e di formazione e sviluppo realmente pongono. Le tue cifre non mutano silenziosamente.

Cosa si è rotto. I fotogrammi dei grafici sono un'altra storia.

Verifica fotogramma di Wan 3.0 da documento a video che mostra una legenda del grafico fusione e un asse y rotto

Congelato a 12 secondi nella demo ufficiale. Tre difetti in un fotogramma: due nomi di regione fusi in "Southeasta North America", "North America" poi ripetuto come serie a sé stante, e un asse y che legge 30, 60, 70 mentre l'etichetta dati superiore dice $3.880.

Conta i fallimenti in quel singolo fotogramma:

1. Legenda fusa. "Southeast Asia" e "North America" si scontrano in "Southeasta North America". Poi "North America" appare di nuovo come serie separata, quindi una regione viene etichettata due volte e una è scomparsa.
2. Un asse y che non è una scala. I segni leggono 30, 60, 70. Spazi tra pixel uguali, valori diversi, e 40 e 50 semplicemente mancanti.
3. Asse ed etichette in unità diverse. La linea della griglia più alta è 70. L'etichetta fissata al punto dati superiore dice $3.880.
4. Deriva di magnitudine lungo una linea. Le etichette su quella curva superiore iniziano a $330 e $335, poi atterrano su $3.970 e $3.880. Una linea ascendente liscia non può contenere un salto di dieci volte tra due punti adiacenti. Le due etichette in mezzo sono sbavate oltre una lettura sicura, che è una risposta a sé stante.

Il segmento del grafico a barre ripete lo schema. Quattro barre portano $1750, $1.580, $2.350 e $2.580, quindi la barra più corta contiene il secondo numero più alto, e la prima etichetta perde la virgola delle migliaia mentre le altre tre la mantengono. Accanto ci sono cinque cifre di crescita verdi per quattro barre. E il segmento ad anello si centra su $89,7M, una virgola dove dovrebbe esserci un punto decimale.

Nota cosa hanno in comune tutti questi. Nessuno è un errore di contenuto. Ognuno è un errore di disegno: layout, etichettatura, scala, punteggiatura. Il modello ha capito il foglio e poi ha renderizzato il grafico come un modello video renderizza qualsiasi testo denso, approssimativamente.

C'è un secondo motivo strutturale per cui l'output non assomiglia per niente al tuo mazzo.

Fai i calcoli. 50 pagine è il limite di pagine, 30 secondi è il limite di durata. Sono 0,6 secondi per pagina.

Non puoi presentare una pagina in 0,6 secondi, quindi il modello fa l'unica cosa sensata e produce invece un trailer. Quel test di terze parti sul mazzo è arrivato indipendentemente alla stessa conclusione: ha trattato la presentazione come materiale sorgente per un annuncio cinematografico, non come diapositive da sfogliare. Le montature degli occhiali del prodotto sono passate da spesse a senza montatura a una terza forma attraverso le inquadrature.

Il che è anche il motivo per cui il limite di 30 secondi è un vincolo di progettazione, non una nota a piè di pagina della scheda tecnica.

Abbiamo misurato i file consegnati: le quattro demo ufficiali di documenti arrivano a 30,04s, 30,02s, 25,03s e 23,04s. I due clip da 30 secondi si fermano entro quattro centesimi di secondo l'uno dall'altro. E la demo del foglio di calcolo è stata richiesta per 22 secondi, poi ha consegnato 23,04. Abbiamo analizzato quel limite nell'anteprima di Wan 3.0.

Quindi: aspettative calibrate. Dagli un documento, ottieni un trailer, mantieni i tuoi grafici semplici.

Il Flusso di Lavoro da Documento a Video che Puoi Eseguire Oggi

Breve controllo di realtà prima del tutorial, perché ti risparmia un'ora di ricerca.

L'input di documenti di Wan 3.0 vive solo sui canali propri di Alibaba, l'accesso è su invito e i pesi non sono pubblicati. Nessuno al di fuori di questi canali può offrirlo, incluso noi. Quello che puoi fare oggi è ricostruire la metà utile di quella demo xlsx con modelli già aperti al pubblico, e la verifica fotogramma sopra ti dice esattamente come evitare la parte che si rompe.

Tre passi, una scheda del browser su Atlas Cloud:

1. Un modello da un milione di token legge il documento e scrive uno script di inquadrature con timecode, con ogni numero incorporato come stringa letterale.
2. Un modello di immagine renderizza il primo fotogramma, dove viene bloccata tutta la precisione del testo.
3. Un modello video anima quel fotogramma secondo lo script.

Tre limiti onesti su questa catena. Non mangia un binario .pptx, quindi incolli il testo o il CSV da solo. Wan 2.7 arriva al massimo a 15 secondi, quindi una singola ripresa da 30 secondi è fuori discussione. E il percorso immagine-in-video è silenzioso per design: il suo parametro audio accetta una traccia che fornisci tu per guidare il labiale, non inventa una colonna sonora. Se vuoi l'audio generato nello stesso passaggio, usi il fratello testo-in-video e rinunci al controllo del primo fotogramma, che per un video pieno di cifre in dollari è lo scambio sbagliato. Prezzi verificati sulle pagine dei modelli il 20 agosto 2026, e nota che un prezzo listino è un minimo: i livelli di qualità e risoluzione spingono il preventivo in tempo reale verso l'alto, quindi leggi il pulsante Esegui prima di impegnarti.

Costruiamolo.

Per un'esecuzione hosted corrente, apri Wan 3.0 su Atlas Cloud e testa un prompt come quello qui sotto prima di pubblicare il flusso di lavoro.

Screenshot risultato prompt-to-result di Wan 3.0: Verifica da documento a video.

Passo 1: Trasforma il Tuo Foglio di Calcolo in uno Script di Inquadrature con Timecode

I modelli video non ricordano i numeri. Renderizzano qualsiasi stringa tu gli dia. Quindi il lavoro di questo passo è convertire una tabella in indicazioni di inquadratura dove ogni cifra è già scritta come testo tra virgolette.

Incolla il tuo foglio tra i marcatori <<<. Impostazioni: temperatura 0.3, max_token 4000. Mantieni max_token generoso, perché un modello capace di ragionamento che esaurisce il budget a metà del pensiero ti restituisce una risposta vuota per cui paghi comunque.

textCopy
1Sei un direttore di motion graphics. Di seguito c'è un'esportazione grezza di un foglio di calcolo.
2
3<<<
4Mese, Nord America, Sud-Est Asiatico, Europa, GMV Totale
5Gen,1580,880,640,3100
6Feb,2110,1240,900,4250
7Mar,2740,1610,1150,5500
8Apr,3120,1980,1330,6430
9Mag,3350,2240,1460,7050
10Giu,3460,2480,1580,7520
11Crescita H1,+45,7%,,,
12>>>
13
14Scrivi uno script di inquadrature per un video di dati aziendali di 10 secondi, 16:9, in stile Apple Keynote. Regole:
151. Esattamente 2 inquadrature. Dai a ciascuna un timecode in/out (00:00-00:05,
16   00:05-00:10).
172. Ogni numero che appare sullo schermo deve essere scritto nella descrizione
18   dell'inquadratura come stringa letterale esatta, tra virgolette, ad es. "$1.580".
19   Non scrivere mai "la cifra di gennaio" - scrivi le cifre.
203. NON chiedere una legenda, un asse con etichette dei segni, o più di
21   due serie di dati sullo schermo contemporaneamente. Usa invece grandi numeri autonomi
22   e un singolo badge a forma di pillola color corallo.
234. Sfondo bianco puro, palette tenue corallo + grigio scuro, sans-serif.
245. Termina con una riga di direzione BGM + SFX (whoosh in entrata,
25   un campanello sul badge).
26Output solo lo script, nessun commento.
27

La regola 3 è il frutto della verifica. L'output ufficiale si è rotto esattamente su tre cose: legende, segni di graduazione degli assi e grafici a più serie. Quindi cancelliamo tutti e tre dal brief e spendiamo quello spazio dello schermo su numeri sovradimensionati e un badge colorato. Stessa informazione, nessuna superficie di fallimento.

La regola 2 è quella che la gente salta, ed è il motivo per cui le cifre sopravvivono fino alla fine di questa catena. Una descrizione di inquadratura che dice "la cifra di gennaio" restituisce il numero a un modello che deve inventare glifi per esso. Una descrizione di inquadratura che dice "$1.580" tra virgolette dà ai prossimi due passi una stringa da copiare. Non stai chiedendo una visualizzazione di dati qui, stai chiedendo un'istruzione di battitura.

Quello che torna è uno script di due inquadrature con timecode in e out, ogni cifra sullo schermo citata come letterale, e una riga di chiusura BGM e SFX. Tienilo in un file di appunti; i passi 2 e 3 leggono entrambi da esso.

Passo 2: Genera il Primo Fotogramma del Marchio

Ogni carattere di testo sullo schermo viene deciso qui. Un modello di immagine ad alta qualità renderizza $1.580 correttamente in modo molto più affidabile di quanto un modello video possa scriverlo mentre lo muove, quindi fissiamo la tipografia in una natura morta e lasciamo che il passo 3 spinga solo i pixel in giro.

Apri GPT Image 2 e imposta la qualità su alta e la dimensione sull'opzione 16:9, che su questa pagina è 2048x1152. Abbina il rapporto d'aspetto al video che stai per realizzare, altrimenti il passo 3 inizia ritagliando la tua tipografia.

textCopy
1Una cornice di presentazione in stile Apple Keynote incontaminata su uno sfondo
2bianco puro senza cuciture, fotografata come se proiettata su una parete
3mattone opaca di studio. Titolo centrato in un sans-serif geometrico carbone scuro
4che legge "H1 2026", posizionato in uno spazio negativo generoso. Sotto, due
5numeri sovradimensionati nello stesso carattere, "$1.580" a sinistra e
6"$3.460" a destra, separati da una sottile freccia grigio chiaro. Sotto
7la freccia, una piccola didascalia grigio chiaro che legge "Crescita GMV
8Mensile". Sotto, un singolo badge a forma di pillola color corallo con testo
9bianco che legge "+45,7%". Illuminazione morbida e diffusa uniforme, tenue
10sfumatura calda nell'angolo in alto a destra, sottile grana di carta, nessun disordine, nessun
11logo, nessun grafico. Minimalismo aziendale ultra pulito, 16:9.
12

Due dettagli che vale la pena copiare. "Nessun grafico" è lì apposta. E leggi il preventivo sul pulsante Esegui prima di premerlo, perché la qualità alta su un fotogramma 2K largo costa un multiplo della cifra di listino di $0,009.

Playground di GPT Image 2 su Atlas Cloud con il prompt del primo fotogramma e il fotogramma in stile Keynote renderizzato che mostra ogni cifra scritta correttamente

GPT Image 2 a qualità alta, 16:9 a 2048x1152. Ogni cifra è atterrata: "H1 2026", "$1.580", "$3.460" e il badge "+45,7%" corallo, che è esattamente il motivo per cui la tipografia viene fissata in una natura morta e non in un modello video.

Passo 3: Renderizza il Clip da Documento a Video e Verifica Ogni Cifra

Ultimo passo. Carica l'immagine del passo 2 come primo fotogramma e lascia che il modello video lo animi mantenendo ferma la tipografia.

Apri Wan 2.7 Immagine-in-Video. Impostazioni: il tuo primo fotogramma caricato, risoluzione 1080P, durata 10s. Lascia vuoto il campo audio, poiché questo modello tratta l'audio come un input di guida piuttosto che come qualcosa che crea. Segnerai tu stesso questo clip o in un passaggio separato testo-in-video.

textCopy
1Anima questo fotogramma come un video di dati aziendali in stile Apple Keynote
2di 10 secondi, mantenendo la tipografia esistente pixel-stabile.
3
400:00-00:05 - Il titolo "H1 2026" si mantiene, poi si dissolve in
5particelle dorate che si allontanano. I due numeri "$1.580" e
6"$3.460" scivolano da sinistra e destra e si bloccano in posizione; la sottile
7freccia grigia si disegna da sinistra a destra tra di loro. Il badge corallo
8che recita "+45,7%" spunta dal basso con un leggero superamento, sincronizzato
9con un singolo chiaro suono di campanello.
10
1100:05-00:10 - Tutto scorre via dolcemente verso sinistra. Tre
12spesse barre arrotondate crescono verso l'alto da una linea di base comune sullo
13stesso sfondo bianco puro, corallo, verde acqua e ambra, con un
14grande numero autonomo sopra ciascuna: "$3.460", "$2.480", "$1.580". Nessuna
15legenda, nessun asse, nessuna etichetta di segno, nessuna linea della griglia. La telecamera rimane bloccata
16e perfettamente ferma per tutto il tempo.
17

"Mantenendo la tipografia esistente pixel-stabile" e "telecamera rimane bloccata" stanno facendo un lavoro reale. Ogni movimento della telecamera è un'altra possibilità per il modello di ridisegnare il testo che dovrebbe lasciare stare.

Poi fai la parte noiosa ma importante: fermati su ogni fotogramma in cui appare un numero e leggilo rispetto alla riga sorgente. Questo è un controllo di 30 secondi, ed è l'unica cosa tra te e un video che mostra con sicurezza la cifra delle entrate sbagliata.

Playground di Wan 2.7 Immagine-in-Video su Atlas Cloud con il primo fotogramma caricato e il clip di dati finito renderizzato

Wan 2.7 Immagine-in-Video a 1080P con il primo fotogramma del passo 2 caricato e il clip finito nel pannello di output. Vale la pena notare cosa dice il pannello: abbiamo chiesto 10 secondi, il campo durata mostrava 10, e il render è tornato 5. Il preventivo di esecuzione ce lo ha detto prima del file, che è esattamente il motivo per cui leggerlo.

Il clip di dati finito ricostruito dallo stesso foglio di calcolo GMV, ogni cifra intatta

Il risultato: lo stesso foglio di calcolo, ricostruito con legende e segni di graduazione degli assi deliberatamente progettati fuori. Il modello ha compresso entrambe le inquadrature sceneggiate nei cinque secondi che ha effettivamente renderizzato, e ogni cifra è sopravvissuta al movimento: "$1.580" e "$3.460" nell'apertura, poi "$3.460", "$2.480" e "$1.580" sopra le tre barre. Zero etichette distorte, perché non c'erano etichette da distorcere. Silenzioso per design, poiché il percorso immagine-in-video non segna nulla per te.

Variazioni del Documento in Video e Quanto Costa un Minuto Finito

Il caso del foglio di calcolo è il più difficile. Gli altri tre casi d'uso ufficiali sono più facili, ed è lì che risiede la maggior parte del valore commerciale.

Materiale didattico. Dagli una voce enciclopedica e chiedi una lezione a un livello di lettura specifico. L'output qui sotto è una lezione animata in stile chibi sul poeta Wang Wei, lunga 25,03 secondi.

Lo stile di disegno si mantiene per tutto il tempo. I dettagli del personaggio no. Al secondo 3 indossa un berretto nero su sfondo bianco; al secondo 22 il berretto è diventato azzurro e si trova all'interno di un dipinto a rotolo classico. La stessa deriva vista dal tester del mazzo con quelle montature di occhiali. Se ricostruisci questo sulla catena a tre passi, blocca una scheda personaggio nel passo 1 e riutilizza il fotogramma del passo 2 come ancora di stile.

Voce enciclopedica in una lezione animata per prima elementare, 25,03s con audio generato. Demo ufficiale beta pubblica di Alibaba Wan 3.0.

Film di marca. Un documento di proposta diventa uno spot completo di 30 secondi. È la più carina delle quattro demo e la meno verificabile, poiché non puoi vedere cosa diceva il documento sorgente. Guarda la coerenza piuttosto che la bellezza: questa è la modalità di fallimento che ha colto il tester di terze parti, il cui prodotto è cambiato forma tre volte in un clip.

Documento di proposta in un film di marca per la cura della pelle di 30,04s. Demo ufficiale beta pubblica di Alibaba Wan 3.0, audio attivo.

Riassunti di report. Non esiste una demo ufficiale per questo, quindi tratta lo schema come non testato: chiedi un presentatore, un'affermazione per inquadratura e metti ogni cifra tra virgolette esattamente come nel passo 1.

Ora i soldi.

Due listini prezzi pubblicati di Wan 3.0 non concordano se 1080p sia ¥1,2 o $0,20 al secondo, che non sono lo stesso numero. Controlla la tariffa sull'endpoint su cui sei effettivamente fatturato prima di preventivare una serie.

Il costo nascosto non è la tariffa al secondo. È la ripetizione. L'input di documento accetta un file per lavoro, quindi modificare una singola cifra significa rigenerare l'intero video. Nella catena a tre passi, lo script di inquadratura è un artefatto di testo riutilizzabile, quindi un cambiamento di numero ti costa un render invece di un lavoro completo. Su un ciclo di reportistica trimestrale, quella differenza supera di gran lunga il prezzo al secondo.

Una nota legale prima di caricare qualsiasi cosa. Un documento che invii a un modello hosted è un documento che lascia il tuo edificio, e i mazzi interni e i dati finanziari non ancora pubblicati di solito hanno una politica associata a questo. Controllala prima che arrivi la pressione della scadenza, non dopo. E ogni clip demo ufficiale in questo articolo appartiene ad Alibaba, citato qui come materiale beta pubblica; niente qui è una licenza per riutilizzarli commercialmente.

FAQ su Wan 3.0 da Documento a Video

Quali tipi di file può accettare Wan 3.0 da documento a video e quanto grandi?

doc, xls, ppt, pdf, txt e md, con key, pages e numbers anche segnalati, più un semplice link web invece di un file. Un file o un link per lavoro, fino a 100MB o 50 pagine.

Wan 3.0 trasforma ogni diapositiva in una scena?

No, e questo è l'equivoco più comune. Legge l'intero documento, poi dirige un video da ciò che ha imparato. Al limite, sono 50 pagine in 30 secondi, o 0,6 secondi per pagina, quindi produce un trailer piuttosto che un giro di pagina. Sia i casi d'uso ufficiali che i test indipendenti puntano nella stessa direzione.

I numeri del mio foglio di calcolo sono accurati nel video?

I valori delle celle sono rimasti validi in ogni caso che ho controllato, inclusi $1.580, $3.460 e +45,7% nella demo ufficiale. Ciò che fallisce sono i mobili del grafico: le legende si fondono, i segni di graduazione degli assi escono non lineari e i separatori delle migliaia scompaiono. Inietta ogni cifra come letterale quotato e progetta legende ed etichette dei segni fuori dal brief completamente.

Posso usare Wan 3.0 da documento a video tramite un'API oggi?

Solo attraverso i canali propri di Alibaba, attualmente su invito, e i pesi non sono pubblicati. Wan 2.2 rimane l'ultima release con pesi aperti nella linea. Fino a quando non cambia, la catena a tre passi sopra è il sostituto pratico.

Quanto costa un video di 30 secondi con Wan 3.0?

Alla tariffa 1080p pubblicata sono ¥36, o $6,00 sul foglio internazionale, per un singolo clip di 30 secondi. Prevedi un budget per le ripetizioni piuttosto che per un singolo passaggio, perché una correzione di un numero significa rigenerare l'intera cosa.

Qual è la cosa più simile a Wan 3.0 da documento a video che posso eseguire subito?

Un modello a contesto lungo per scrivere lo script di inquadratura, poi Wan 2.7 a $0,1 al secondo per il render, con MiniMax H3 alla stessa tariffa o Seedance 2.5 a $0,134 al secondo come alternative. Ottieni l'aspetto di filmato generato e testo preciso al fotogramma. Quello che non ottieni: 30 secondi in una singola ripresa continua, audio nello stesso passaggio del render immagine-in-video, o un modello che legge il .pptx per te.

Il riassunto onesto: Wan 3.0 da documento a video è una capacità reale con un limite reale, e il divario tra il suo output e il tuo è più piccolo di quanto sembri, fintanto che smetti di chiedere a entrambi di disegnare una legenda.