Wan 3.0 Multimodal Reference neemt 20 assets, en een PDF is er één van.

Je hebt een map gemaakt voor één 15-seconden reclame. Twee stilstaande beelden van personages. Een merk-toon video die de klant stuurde. Een brandbook dat alleen als PDF bestaat. Een stemvoorbeeld van de acteur die je eigenlijk wilt.

Toen opende je videomodel en het vroeg om één afbeelding.

Dus deed je wat iedereen doet. Je vertaalde de map naar een prompt van 800 woorden en bad. Het gezicht verschoof in shot drie. De jas veranderde van kleur. De stem was van iemand anders.

Wan 3.0's omni-reference is de eerste keer dat een videomodel zegt: oké, geef me de map maar. Tot 20 assets in één enkele aanroep, verdeeld over vijf soorten invoer, bijeengehouden in één ononderbroken take van 30 seconden.

Dit artikel doet drie dingen en laat de rest achterwege. Het legt uit wat die 20 assets eigenlijk zijn, het gebruikt Alibaba's eigen gegenereerde clips als bewijs, en het geeft je een gelijkwaardige workflow die je vandaag kunt draaien, want Wan 3.0 is nog in publieke bèta op Alibaba's eigen cloud en is nog niet aan te roepen vanaf platforms van derden.

Belangrijkste punten

• Wan 3.0's multimodale referentie accepteert tot 20 assets in één aanroep, variërend van afbeeldingen, video's, audio, documenten en live webpagina's, en houdt ze consistent gedurende één enkele take van 30 seconden.
• Het is het eerste mainstream videomodel dat een PDF, een presentatie of een URL behandelt als creatieve invoer in plaats van iets dat je parafraseert in een prompt.
• Wan 3.0 ging op 6 augustus 2026 in publieke bèta op Alibaba Cloud Model Studio en Qwen Cloud als wan3.0-video. Het is closed weights. Iedereen die je vertelt dat het al Apache 2.0 is, gokt.
• De 20-assets kop is niet waar het echt vooruit loopt. Reference-to-video modellen die je nu al kunt aanroepen, accepteren al meer dan 20 assets. Het verschil zit in documenten en webpagina's, niet in het aantal.
• Je kunt het twee-personages, referentie-vergrendelde, volledig ingesproken formaat voor niets testen met Atlas Cloud's gratis AI-advertentie sketch generator: vier productfoto's erin, een 15 seconden durende gesproken sketch eruit, geen creditcard.

Twee katten rennen door vijf verschillende sets, gegenereerd door Wan 3.0 zonder karakterdrift_Twee referentieafbeeldingen. Vijf totaal verschillende sets, van een hotelgang tot een wasmachinetrommel tot een rode telefooncel. Geen enkel frame drift. Bron: Alibaba's officiële_ Wan 3.0 creator handbook , augustus 2026, waar ook alle andere Wan 3.0 clips in dit artikel vandaan komen.

Waarom Multi-Referentie Video Uit Elkaar Val, en Wat Wan 3.0 Multimodale Referentie Verandert

Videomodellen hebben geen geheugen tussen clips. Elke generatie begint bij nul. Dat is het hele probleem in één zin.

Dus zodra je verhaal meer dan één shot nodig heeft, ben je aan het aan elkaar plakken. Shot één geeft je een gezicht dat je leuk vindt. Shot twee geeft je een neef van dat gezicht. Shot drie verandert stilletjes de jas van pruim naar bordeaux, en tegen de tijd dat je het merkt, heb je al elf renders betaald.

Enkelvoudige afbeeldingsreferentie hielp, maar het vergrendelde maar één ding. Een gezicht. Het kon niet tegelijkertijd een gezicht, een outfit, een rekwisiet, een locatie en een stem vasthouden, want er was één slot en vijf taken.

Er zijn twee manieren om dit op te lossen. Geef het model meer slots, of stop met het steeds opnieuw laten beginnen. Wan 3.0 doet beide tegelijk, en daarom zijn de twee kopjesfuncties eigenlijk één functie. Een native take van 30 seconden betekent dat er geen knip is waarover het personage kan afdrijven. Twintig referentieassets betekent dat elk element dat vast moet blijven, zijn eigen speciale slot krijgt in plaats van te moeten vechten voor één.

Hier is hoe dat eruitziet als er niets aan elkaar wordt geplakt. Dertig seconden, één continue camera, een kind in een boodschappenwagentje dat uiteindelijk in een reclamebord belandt en er dan onder vandaan loopt.

Een volledige 30 seconden in één keer, zonder cuts, met de soundtrack gegenereerd in dezelfde pas. Bron: Alibaba's officiële Wan 3.0 creator handbook.

Wat "20 Assets" Echt Betekent Binnen Wan 3.0 Multimodale Referentie

Twintig is een kopnummer. Wat ertoe doet, is dat de twintig niet allemaal hetzelfde soort ding zijn. Wan 3.0's omni-reference omvat vijf invoertypes, en elk bestuurt een andere as van de uitvoer.

Afbeeldingen besturen identiteit. Een personagekaart, een productopname, een locatieplaat. Wan 3.0 noemt dit pixel-level consistentie, en in Alibaba's eigen voorbeelden strekt de vergrendeling zich uit voorbij het gezicht naar de kleding: de gelaagde grijze jurk, het riemleren wambuis, de donkere taillewrap overleven allemaal een gevecht van zestien seconden, hand-tot-hand, op drie locaties.

Twee personagekaarten die een wuxia-vechtscène aandrijven met kostuumdetails die van frame tot frame behouden blijven

Twee personagekaarten plus één locatieplaat van het rietveld. De kleding en de setting blijven behouden tijdens elke worp. Hier getoond als stille GIF; het geleverde bestand bevat een 44,1kHz stereo mix. Bron: Alibaba's officiële Wan 3.0 creator handbook.

Audio bestuurt stem. Dit is het deel dat "multimodaal" meer maakt dan marketing. Je voegt een stemvoorbeeld per personage toe, schrijft de regels in de prompt, en de dialoog komt terug in dat timbre, lip-sync, in dezelfde pas als het beeld. Twee personen, twee stemreferenties, één sportschool.

Twee onderwerpafbeeldingen plus twee aparte stemreferentieclips, en de dialoog komt terug in die twee stemmen. Het is de moeite waard om het geluid aan te zetten voor deze. Bron: Alibaba's officiële Wan 3.0 creator handbook.

Video bestuurt timing. Een referentievideo is er niet om te worden gekopieerd. Het is er om zijn ritme te doneren: hoe lang een beat aanhoudt, hoe een overgang beweegt. In deze leveren vijf keyframes de onderwerpen en een referentievideo levert de horizontale kaart-omklap cadans ertussen.

Vijf keyframes doorgebladerd met het tempo uit een referentievideo_Vijf_ keyframe-afbeeldingen voor de onderwerpen, één referentievideo voor het omklapritme. Bron: Alibaba's officiële Wan 3.0 creator handbook.

Documenten en webpagina's besturen structuur. Dit is het echt nieuwe. Wan 3.0 accepteert documentbestanden en live URL's als creatieve invoer, en rapportage over de bèta vermeldt .doc, .xls, .ppt, .pdf en .txt onder de geaccepteerde formaten (AlphaSignal, augustus 2026). Dezelfde logica werkt al met een storyboard-afbeelding: één board erin, zes shots eruit, in de volgorde van het board.

Een enkel storyboard-blad uitgebreid tot zes opeenvolgende shots op een regenachtig treinstationplatform

Eén storyboard-blad als referentie, zes shots gegenereerd in de volgorde ervan, tot aan het briefje dat in shot vijf van handen wisselt. Bron: Alibaba's officiële Wan 3.0 creator handbook.

Eerste en laatste frames besturen eindpunten. De oudste truc in het boek, nog steeds ondersteund, nog steeds de snelste manier om een shot te begrenzen.

Hier is hoe dat zich verhoudt tot de versie die de meeste mensen nu daadwerkelijk gebruiken.

Er is één regel die niemand in de documentatie zet en die iedereen op de harde manier leert: één referentie, één taak. Afbeelding1 vergrendelt het gezicht en de outfit. Video1 doneert alleen beweging. Audio1 doneert alleen timbre. Op het moment dat je een enkele asset twee conflicterende taken geeft, of een referentieafbeelding uploadt met twee personen erin, moet het model gaan raden, en raden is precies wat je probeerde te stoppen. Alibaba's handboek is hier ook bot over: één onderwerp per referentieafbeelding.

De Wan 3.0 Multimodale Referentie Workflow Die Je Vandaag Kunt Draaien

Eerst het directe antwoord. Wan 3.0 is in publieke bèta op Alibaba's eigen cloud, onder de model-id wan3.0-video (Alibaba Wan, augustus 2026). Het is nog niet geland op API-platforms van derden, Atlas Cloud inbegrepen. Iedereen die je nu Wan 3.0 API-toegang verkoopt, verkoopt iets anders door.

Wat wel is geland, is de vorm van de workflow. Referentiepakket erin, één aanroep, voltooide clip met geluid eruit. Dat draait vandaag op reference-to-video modellen die je in een browsertabblad kunt aanroepen, en zodra je ze allemaal op een rijtje zet, ziet de kop van 20 assets er anders uit.

Prijzen zijn Atlas Cloud-tarieven per augustus 2026. Wan 3.0's cijfers zijn de gerapporteerde voor de Alibaba Cloud bèta, geen Atlas-tarief, en Alibaba heeft nog geen openbare prijspagina voor het model gepubliceerd, dus behandel die rij als voorlopig.

Lees die tabel twee keer en het echte verhaal wordt duidelijk. De kop van 20 assets is niet waar Wan 3.0 vooruit loopt, want Seedance 2.5 accepteert al 50 en haalt de 30 seconden. Wat niets anders op die lijst accepteert, is een PDF.

Voor de onderstaande walkthrough draait de demo op Wan 2.7 Reference-to-Video, omdat de invoervorm de dichtstbijzijnde levende verwant is van omni-reference: meerdere onderwerpafbeeldingen, een optionele referentievideo en een stemclip, allemaal toegewezen aan character1 en character2 labels in de prompt. Drie modellen, één browsertabblad, geen lokale installatie.

Bouw Het Zelf: Een Multimodale Referentie Scène in Vier Stappen

De scène: een pastelkleurige hotelreceptie. Een dode serre-conciërge. Een reiziger met een lapjeskat in haar armen. De conciërge kijkt recht in de lens en zegt "De kat heeft een reservering. U niet."

Twee afbeeldingen plus één stemclip, dat zijn drie referentieassets in twee modaliteiten. Dat is de kleinste bouw die eerlijk multimodaal is in plaats van alleen multi-afbeelding.

Stap 1. Genereer referentieafbeelding 1, het onderwerp dat je moet vergrendelen

Referentieafbeeldingen hebben drie taken en slechts drie: één onderwerp, naar de camera gericht, schone achtergrond. Al het andere is decoratie. Gebruik GPT Image 2 met kwaliteit high, formaat 16:9, n=1.

PlainCopy
1Full-body studio portrait of a middle-aged hotel concierge with a deadpan expression, standing dead-centre against a flat dusty-pink wall. He wears a plum-purple double-breasted bellhop uniform with gold piping and brass buttons, a small round pillbox hat, and a thin moustache. Perfectly symmetrical framing, even soft frontal light, no cast shadow on the wall, 35mm film grain, muted pastel palette. One subject only, no other people, no text, no logo, no props in frame.

GPT Image 2 playground op Atlas Cloud met het conciërge referentieportret weergegeven in het uitvoervenster

GPT Image 2 op Atlas Cloud: kwaliteit high, 16:9, één onderwerp, effen achtergrond. Dit is het bestand dat character1 wordt.

Stap 2. Genereer referentieafbeelding 2, het tweede vergrendelde onderwerp

Zelfde model, zelfde instellingen. Het kleurcontrast tussen de twee personages is bewust, omdat het het model een eenvoudige manier geeft om ze uit elkaar te houden wanneer ze een frame delen.

PlainCopy
1Full-body studio portrait of a young woman traveller holding a fluffy ragdoll cat against her chest, standing dead-centre against a flat mustard-yellow wall. She wears a mustard wool coat, a red beret and round tortoiseshell glasses, and holds a small vintage leather suitcase in her free hand. Perfectly symmetrical framing, even soft frontal light, no cast shadow on the wall, 35mm film grain, muted pastel palette. One subject only, no other people, no text, no logo.

Stap 3. Genereer de stemreferentie, dat is het eigenlijke multimodale deel

De stemclip is wat dit verandert van een multi-afbeeldingen klus in een multimodale. Wan 2.7's audio-slot wil een kort voorbeeld, ongeveer 1 tot 10 seconden, dus houd de regel kort. Gebruik MiniMax Speech 2.6 HD en kies een lage, vlakke, onverstoorbare mannenstem.

PlainCopy
1Good evening. Checking in? Of course. Everyone is.

Stap 4. Eén aanroep, drie referenties, één voltooide clip

Nu gaat het hele pakket er samen in op Wan 2.7 Reference-to-Video. Instellingen: resolution: 1080P, ratio: 16:9, duration: 10, wat het maximum van dit model is, prompt_extend: false, seed: -1. Laad images in volgorde, stap 1 eerst, zodat het aan character1 wordt toegewezen, dan stap 2 als character2, en voeg het bestand van stap 3 toe aan audio.

PlainCopy
1Symmetrical, dead-centre wide shot of a pastel hotel lobby front desk, dusty-pink walls and a mustard-yellow key rack behind it. character1 is the concierge standing behind the desk; character2 is the traveller standing in front of it, still holding her ragdoll cat. The camera pushes in slowly along a perfect centre axis and never tilts. character1 looks straight down the lens and says flatly: "The cat has a reservation. You do not." character2 blinks once, turns her head slowly towards the cat, then back to the desk. The cat stares directly into the camera without moving. 35mm film grain, even soft lighting, muted pastel palette, no camera shake, no cuts.

Negatieve prompt:

PlainCopy
1handheld shake, jump cuts, subtitles, on-screen text, watermark, extra people, deformed hands, face morphing, colour shift, motion blur

Wan 2.7 Reference-to-Video playground op Atlas Cloud met twee referentieafbeeldingen en één audiobestand geladen en de voltooide clip in het uitvoervenster

Wan 2.7 Reference-to-Video op Atlas Cloud: twee referentieafbeeldingen en één stemclip aan de linkerkant, de voltooide take die aan de rechterkant wordt afgespeeld op 1080P en 16:9. Deze opname draaide op de standaardduur van het model; stel het in op 10 voor de volledige versie hieronder.

De voltooide clip. Beide gezichten bleven behouden, beide outfits bleven behouden, en de regel werd afgeleverd in de gekloonde stem uit stap 3, dus deze is de moeite waard om met geluid af te spelen.

De twee referentieportretten naast een frame uit de voltooide clip, met dezelfde gezichten en outfits

Referenties aan de linkerkant, een frame uit de geleverde clip aan de rechterkant. Uniformbiezen, baret, bril en kat overleven allemaal de reis.

Variaties op de Wan 3.0 Multimodale Referentie Workflow

Verleng het naar 30 seconden. Hetzelfde referentiepakket draait op Seedance 2.5 Reference-to-Video met duration: 30, wat je de lengte geeft die Wan 3.0 belooft zonder te wachten op de bèta. Het accepteert tot 30 referentieafbeeldingen, 10 video's en 10 audioclips, dus het pakket heeft ruimte om te groeien. Schrijf de extra 20 seconden als beats in de prompt, niet als sferen, anders zal het model opvullen.

Seedance 2.5 Reference-to-Video playground op Atlas Cloud met duur ingesteld op 30 en de lange take weergegeven

Seedance 2.5 Reference-to-Video op Atlas Cloud met duur ingesteld op 30 en dezelfde twee referentieportretten bijgevoegd, halverwege de generatie. Let op de @image1 en @image2 chips in de prompt: zo vertel je Seedance welke referentie welke rol speelt. Controleer de vermelde prijs op de Run-knop voordat je doorgaat, aangezien deze de duur weerspiegelt die de taak daadwerkelijk zal indienen.

De 30-seconden versie van dezelfde scène, hetzelfde referentiepakket, beats per shot uitgeschreven.

Voeg een referentievideo toe voor alleen beweging. Voeg een clip toe waarvan je de pacing leuk vindt en vermeld dit expliciet in de prompt, zoiets als "volg de referentievideo alleen voor het snijritme, negeer de onderwerpen en setting". Dat is de truc achter het kaart-omklap voorbeeld hierboven.

Repareer drift met de negatieve prompt voordat je de positieve aanraakt. Gezichtsvervorming, kleurverschuiving en cameratrilling zijn de drie die referentie-vergrendelde shots verpesten, en ze zijn meestal goedkoper te onderdrukken dan te beschrijven.

Probeer het Multimodale Referentie Formaat Gratis

Als je de vorm hiervan wilt voordat je de parameters wilt, heeft Atlas Cloud vorige week een gratis AI-advertentie sketch generator gelanceerd die dezelfde keten draait zonder enige knoppen.

Je schrijft één regel over je product en de verkoopargumenten. Het schrijft een komisch script met twee personages voor je, hook, conflict, twist, en rendert vervolgens een video van 15 seconden met gesproken dialoog en ingebouwde geluidseffecten. Je kunt tot vier echte productfoto's als referenties bijvoegen, en de advertentie behoudt hun vorm, kleur, label en logo van script tot laatste frame. Er worden zes stijlen meegeleverd, van grappige meme via plot twist en sitcom tot luxe en harde verkoop, en de dialoog komt terug in de taal waarin je de beschrijving hebt geschreven.

Dat is dezelfde twee-personages-plus-referentieafbeeldingen-plus-stemketen uit de tutorial, minus het prompts schrijven en minus de rekening. Wat het een behoorlijke manier maakt om erachter te komen of dit formaat bij je product past voordat je iets uitgeeft aan afstemmen.

Voor een idee van wat een stapel referentiestills doet met een productstuk, is dit Wan 3.0's eigen versie van de klus: vijf afbeeldingen erin, één lancering reel eruit, elke still verankert één beat van de montage.

Vijf referentiestills uitgebreid tot een productlancering reel in Material Design-stijl_Vijf referentieafbeeldingen die een productfilm van negen seconden aansturen, elk verankert een beat en geeft deze door aan de volgende. Bron: Alibaba's officiële Wan 3.0 creator handbook._

Wat een Wan 3.0 Multimodale Referentie Clip Kost

Dit zijn de tarieven van het platform zelf, gecontroleerd in augustus 2026 en betaald per gebruik. Twee dingen verplaatsen het totaal meer dan mensen verwachten. Resolutie is de eerste: de $0,10 per seconde in de vergelijkingstabel is Wan 2.7's basistarief, en 1080P factureert tegen $0,15, wat de $1,50 hierboven verklaart. De tweede is dat Seedance prijst per pixel, dus de vermelde $0,134 per seconde is het 480P-cijfer en een 720P-take kost meer dan een simpele vermenigvuldiging suggereert. Ter referentie: het gerapporteerde Wan 3.0 bèta-tarief van $0,20 per seconde op 1080p zou een volledige take van 30 seconden op ongeveer $6 brengen, wat meer is dan de Seedance-route op 480P vandaag.

Een opmerking over het gebruik van dit spul. Wan 3.0 is een bèta en de voorwaarden kunnen wijzigen, dus lees ze opnieuw voordat je er een pijplijn op bouwt. Als je referentieafbeeldingen echte mensen zijn, vraag dan eerst hun toestemming, want reference-to-video is precies de mogelijkheid die dat belangrijk maakt. De voorbeeldclips in dit artikel zijn Alibaba's eigen gegenereerde resultaten uit het openbare creator-handbook, hier gereproduceerd voor commentaar.

Veelgestelde Vragen

Hoeveel referenties kan Wan 3.0's multimodale referentie eigenlijk aan?

Tot 20 assets in één enkele aanroep, afkomstig van afbeeldingen, video's, audio, documenten en webpagina's. De praktische limiet is lager dan de technische. Wijs elke asset precies één taak toe, één onderwerp per afbeelding, en je zult voor de meeste scènes veel minder dan 20 gebruiken.

Kan Wan 3.0 echt een PDF of een webpagina in een video omzetten?

Ja, dat is het echt unieke deel. Naast tekst, afbeelding, audio en video accepteert het documentbestanden en live URL's, met rapportage over de bèta die .doc, .xls, .ppt, .pdf en .txt vermeldt. Geen enkel ander reference-to-video model in de bovenstaande vergelijkingstabel accepteert een document.

Is Wan 3.0 open source? Kan ik het in ComfyUI draaien?

Nee, en nu niet. Wan 3.0 is een gesloten bèta die draait op Alibaba's eigen cloud. Eerdere Wan-generaties werden openlijk uitgebracht, vandaar dat de verwachting bestaat, maar Alibaba heeft geen gewichten bevestigd voor 3.0. Pagina's die beweren dat een 1.3B of 14B Apache 2.0 release van Wan 3.0 bestaat, worden niet ondersteund door iets officieels.

Is Wan 3.0 beschikbaar via API's van derden?

Nog niet, Atlas Cloud inbegrepen. Het dichtstbijzijnde dat je vandaag kunt aanroepen, is Wan 2.7 Reference-to-Video, waarvan de invoervorm bijna exact overeenkomt met omni-reference, afgezien van de document- en webpaginamodaliteiten, of Seedance 2.5 Reference-to-Video als je de volledige 30 seconden nodig hebt.

Wat is de goedkoopste manier om een referentie-vergrendelde, twee-personages video te testen?

De gratis AI-advertentie sketch generator die hierboven is gelinkt. Vier referentiefoto's erin, een 15-seconden gesproken clip met twee personages eruit, geen parameters en geen uitgaven. Als het je product en je formaat behoudt, ga dan de betaalde keten afstemmen.

Waarom drijven mijn personages nog steeds af, zelfs met referentieafbeeldingen?

Drie oorzaken, in volgorde van frequentie. Eén referentie draagt twee taken, dus er wordt gevraagd om zowel het gezicht als de locatie te fixeren. De referentieafbeelding heeft meer dan één persoon of een drukke achtergrond, dus het model weet niet welk deel het moet vergrendelen. Of de drift is een renderingsartefact in plaats van een referentiefout, in welk geval je face morphing, colour shift in de negatieve prompt zet voordat je iets herschrijft.