API Wan 3.0 to kolejna generacja rodziny wideo Wan firmy Alibaba, stworzona po to, by wznieść generowanie długich form, kontrolę wielu referencji i jakość audiowizualną na nowe wyżyny. Atlas Cloud hostuje już Wan 2.7, 2.6 i 2.5, a Wan 3.0 działa na tym samym ujednoliconym kluczu bez konieczności oddzielnej konfiguracji. Rozpocznij budowanie już dziś. Przewiń w dół do sekcji prezentacji, aby zobaczyć, co potrafi stworzyć Wan 3.0.
Wan 3.0 został opracowany przez Alibaba. Atlas Cloud (prowadzona przez Atlas Cloud AI LLC) zapewnia dostęp do modelu, ale nie jest jego właścicielem. Wszystkie znaki towarowe należą do ich odpowiednich właścicieli.
Atlas Cloud zapewnia najnowsze, wiodące w branży modele kreatywne.
Trzy endpointy Wan 3.0 API korzystają z jednego klucza Atlas Cloud, więc jedynym istotnym pytaniem jest to, co już masz, by dostarczyć modelowi.
| Modality | Opis |
|---|---|
| Wan 3.0 T2V API (Text to Video) | Napisany prompt do 20000 znaków zamienia się w gotowy klip z natywną ścieżką dźwiękową, renderowany w rozdzielczościach 480P, 720P lub 1080P i trwający od 2 do 30 sekund. Ustaw współczynnik proporcji na 16:9, 9:16, 4:3, 3:4 lub 1:1, lub pozostaw zarówno proporcje, jak i czas trwania w trybie adaptacyjnym, pozwalając modelowi wybrać kadrowanie i tempo. Sprawdzi się w filmach koncepcyjnych, materiałach reklamowych i spotach social media, które zaczynają się od samego scenariusza. |
| Wan 3.0 I2V API (Image to Video) | Podaj pierwszą klatkę, a klip zostanie wygenerowany z animacją; dodaj opcjonalną ostatnią klatkę, a ruch między nimi zostanie interpolowany automatycznie. Obrazy źródłowe akceptują formaty jpeg, jpg, png, bmp i webp o rozdzielczości od 240 do 8000 pikseli i rozmiarze do 20MB, podczas gdy wyjście osiąga 1080P z domyślnie włączoną ścieżką dźwiękową. Skorzystaj z tego endpointu, gdy zdjęcie produktowe, plakat lub para klatek z storyboru już określają, jak scena musi się zaczynać i kończyć. |
| Wan 3.0 R2V API (Reference to Video) | Do promptu dołączane jest do 20 materiałów referencyjnych: 10 obrazów, 5 filmów łącznie do 15 sekund i 5 klipów audio łącznie do 15 sekund, dopasowanych na poziomie pikseli pod kątem tożsamości, głosu i przestrzeni. Tryb głębokiego myślenia otwiera drugie drzwi, pozwalając dokumentowi do 100MB i 50 stron (pdf, docx, pptx, xlsx, txt, md i inne) lub aktywnej stronie internetowej działać jako źródło. Przeznacz go do zadań, w których powracająca postać, dokładny materiał marki lub pełny raport musi przetrwać nienaruszony w wideo. |
6 kluczowych możliwości, które pokazują, co może wygenerować jedno zapytanie Wan 3.0, od filmów promujących markę opartych na wielu referencjach po 30-sekundowe pojedyncze ujęcia.
Tryb Omni przetwarza do 20 materiałów referencyjnych, 10 obrazów, 5 klipów i 5 ścieżek dźwiękowych, a także jeden dokument źródłowy lub stronę internetową, dzięki czemu pełny zestaw marki staje się jednym wideo zgodnym z marką w jednym przebiegu.
Natywne, 30-sekundowe wyjście daje narracji przestrzeń do rozwoju, obsługując ciągłe ruchy kamery i sekwencje typu mastershot, których krótsze klipy nie są w stanie pomieścić. Inteligentne zarządzanie czasem trwania pozwala modelowi na samodzielne nadawanie tempa każdej scenie.
Twarze, produkty i drobne szczegóły są odwzorowywane z dokładnością co do piksela w każdej klatce. Zespoły produkcyjne zyskują pewność dostawy, jakiej wymagają powtarzające się postacie i precyzyjne zasoby marki.
Realizm, tekstura obrazu i natywne audio rozwijają się jednocześnie, dzięki czemu wygenerowana scena pojawia się z dopasowanym dźwiękiem zamiast niemego materiału. Rezultat przynosi prawdziwy wpływ audiowizualny.
Precyzyjna edycja przerabia istniejący materiał filmowy na podstawie pisemnej instrukcji lub klipu referencyjnego, zmieniając obiekt, styl lub moment bez ponownego generowania całego wideo.
Poza tekstem, obrazem, dźwiękiem i wideo, Wan 3.0 odczytuje pliki doc, xls, ppt, pdf i md, a także aktywne strony internetowe, przekształcając raport lub prezentację bezpośrednio w gotowy klip.
Sprawdź, jak wideo wygenerowane przez modele Wan 3.0, Seedance 2.5 i Wan 2.7.
Generowanie 30-sekundowego, szerokoekranowego (16:9) animowanego filmu krótkometrażowego dla dorosłych w konwencji sci-fi wojennego. Styl wizualny: Ultra-fotorealistyczna grafika CGI Struktury biomechaniczne Fuzja szaro-białej kości i czarnej metalu Stawy przypominające owadzie Bardzo drobne teksturowanie kości Smugi wysuszonej krwi, pęknięcia ceramiczne oraz przemysłowy tłuszcz Porzucone futuristiczne miasto Zimne, szare światło dzienne Rzadkie, trująco-zielone organizmy Wysokonastawowe kinowe oświetlenie Chłodna paleta kolorów o niskim nasyceniu Minimalne użycie pomarańczowo-czerwieni wyłącznie dla płomieni i alarmów Realistyczne zniszczenia fizyczne Tłumiony, ciężki, pozbawiony heroizmu ton Postacie nie mają już całych ciał mięsnych. Składają się głównie z: Kręgosłupa Żeber Czaszki Czarnych mięśni hydraulicznych Metalowych stawów Światłowodów neuronowych Portów interfejsów broni Szkielety nie są zombie — to "sprzęt z poprzedniej ery", nadal sterowany przez systemy wojskowo-przemysłowe. Oś czasu narracji i dynamiki 0–4 sek | Walka po śmierci Ujęcie otwiera się na legitymacji żołnierskiej leżącej w kałuży stojącej wody. Czy mam kontynuować tłumaczenie reszty osi czasu, jeśli masz zapisane więcej sekund/uderzeń? Wygląda na to, że urwało się po uderzeniu 0–4 sekundy.
Generated by Wan 3.0
Generated by Seedance 2.5 on Altas Cloud
Generated by Wan 2.7 on Altas Cloud
Generowanie 15-sekundowego, ultra-szerokiego (16:9) klipu przygodowego w uniwersum pluszowym. Statek kosmiczny wykonany z pluszowej tkaniny, guzików, zamków błyskawicznych i waty wyścigowej leci z dużą prędkością przez wszechświat złożony z gigantycznych planet z przędzy, puszystych mgławic i megafauny z łachmanów. Statkiem pilotują trzy małe pluszowe zwierzątka: królik, lis i kruk. Gigantyczna wielorybia bestia międzygwiezdna, pokryta głęboko-niebieskim długim pluszem, z oczami jak dwa szklane guziki, goni statek poza mgławicę. Ogólny styl: ultra-drobne tekstury pluszu, kinowa skala kosmosu, silny kontrast między uroczym wyglądem a intensywną akcją, przerysowana praca kamery FPV oraz realistyczna fizyka miękkich ciał. **15-sekundowa dynamiczna oś czasu** **0–3 sek | Wyrzut statku-zamka błyskawicznego** Ujęcie jest wewnątrz pluszowego statku, z kokpitem wykonanym z szwów, guzików i tkaninowych paneli instrumentów. Czerwony przycisk ostrzegawczy szybko miga. Królik pociąga za gigantyczny dźwignię-zamek błyskawiczny, a przedni właz statku otwiera się jak płócienny worek. Kamera gwałtownie oddala się od kokpitu, przechodzi przez właz zamka błyskawicznego i pojawia się na zewnątrz statku. Statek wyrzuca się i startuje z wysbitego krateru z przędzy na planecie. **3–6 sek | Szybkoterminowy przelot nad powierzchnią planety z przędzy** Kamera ściska ogon statku, lecąc nisko nad powierzchnią planety. Podłoże jest splecione z gigantycznych nici przędzy: - Pasma górzystych pasm przewijają się poniżej z dużą prędkością - Luźne końcówki nici kołyszą się jak las - Statek gwałtownie skręca lewo i prawo - Kamera ciągle przechyla się i wykonuje rolki - Silniki wyrzucają za sobą ślad z białej waty **6–8,5 sek | Pojawienie się gigantycznego pluszowego wieloryba** Puszysta mgławica nagle rozstępuje się na boki, gdy z tyłu wybucha gigantyczny głęboko-niebieski pluszowy wieloryb. Długi futerko na ciele wieloryba jest wietrznie cofnięte przez strumień powietrza z dużą prędkością, a jego szklane guzikowe oczy odbijają światło planety. Kamera szybko obraca się do połowy wokół statku, przechodząc na tylny (odwrócony) widok, tak że wieloryb ciągle powiększa się w kadrze za statkiem.
Generated by Wan 3.0
Generated by Seedance 2.5 on Altas Cloud
Generated by Wan 2.7 on Altas Cloud
Aktualizacje Wan 3.0 wywodzą się z rzeczywistych potrzeb branży, integrując się bezpośrednio z poniższymi przepływami pracy produkcyjnej, od krótkich dramatów po filmy korporacyjne.
Natywne, 30-sekundowe ujęcia i rekonstrukcja rzeczywistych scen pozwalają filmom, krótkim dramatom i teledyskom muzycznym AI pominąć dużą część fizycznego planu zdjęciowego. Spójność pikseli utrzymuje powracających głównych bohaterów, a natywny dźwięk jest idealnie dopasowany do każdego cięcia.
Pełna kontrola nad stylem przechodzi od realizmu do anime w ramach jednego modelu, a spójność pikseli blokuje maskotkę, logo lub postać IP na każdej klatce. Pełne animacje marki są renderowane bez żmudnego łańcucha produkcyjnego.
Tworzenie Omni (Omni creation) przekracza granice tekstu i obrazu dla marek sprzętu AGD, kosmetyków, branży motoryzacyjnej, FMCG i odzieżowej. Wprowadź bezpośrednio stronę produktu lub raport firmy, aby stworzyć wszystko, od wersji demonstracyjnych produktów po korporacyjne filmy wizerunkowe.
Wprowadź prezentację interfejsu użytkownika produktu, animację funkcji lub wizualizację danych, a Wan 3.0 zachowa oryginalną estetykę, przekształcając je w narracyjne dzieło animowane. Znika żmudny etap animacji.
Wprowadzanie dokumentów bezpośrednio odczytuje plik PDF, PPT lub stronę internetową, dzięki czemu lekcja lub raport z badań staje się wyraźnym filmem instruktażowym bez oddzielnego scenariusza. Złożony materiał staje się wizualny w jednym kroku.
Rekonstrukcja rzeczywistych scen odtwarza krajobrazy, obiekty dziedzictwa kulturowego i lokalną kuchnię bez konieczności kręcenia na dużą skalę, dzięki czemu filmy miejskie i cyfryzacja kultury mogą być realizowane niskim kosztem. Odległe miejsca pojawiają się tuż przed oczami widzów.
Porównaj Wan 3.0 API z modelami wideo, z którymi dzieli jeden klucz Atlas Cloud, i sprawdź, gdzie faktycznie różnią się czas trwania, pojemność referencyjna, audio oraz koszt na sekundę.
| Model | Maks. czas trwania | Rozdzielczość | Wejścia referencyjne i pliki | Dźwięk natywny | Cena za sekundę |
|---|---|---|---|---|---|
| Wan-3.0 Reference-to-video | 2 do 30s, lub -1 dla inteligentnego czasu trwania | 480P, 720P, 1080P | Do 20 mieszanych elementów: 10 obrazów, 5 wideo, 5 klipów audio oraz jeden dokument lub strona internetowa | √ (domyślnie włączone) | $0.05 |
| Wan-3.0 Text-to-video | 2 do 30s, lub -1 dla inteligentnego czasu trwania | 480P, 720P, 1080P | Tylko prompt, do 20 000 znaków | √ (domyślnie włączone) | $0.05 |
| Wan-3.0 Image-to-video | 2 do 30s, lub -1 dla inteligentnego czasu trwania | 480P, 720P, 1080P | Pierwsza klatka z opcjonalną ostatnią klatką | √ (domyślnie włączone) | $0.05 |
| Seedance 2.5 Reference-to-Video | 4 do 30s, lub -1 dla automatycznej długości | 480p, 720p, 1080p natywnie, wyższe poziomy poprzez ulepszanie | Do 30 obrazów, 10 wideo, 10 klipów audio, brak wejścia dokumentu | √ (domyślnie włączone) | $0.134 |
| Kling V3.0 Turbo Image-to-Video | 3 do 15s, domyślnie 5s | 720p, 1080p | Jeden obraz źródłowy, brak trybu wielu referencji | √ (opcjonalnie, domyślnie wyłączone) | $0.112 |
| Veo3.1 Reference-to-video | 8s stały | 720p, 1080p, 4K | 1 do 3 obrazów referencyjnych | √ (opcjonalnie, domyślnie wyłączone) | $0.2 |
| MiniMax H3 Reference-to-Video | 4 do 15s | 768P, 2K | Mieszane referencje obrazów, wideo i audio, wymagany co najmniej jeden obraz referencyjny | - | $0.1 |
Zacznij w kilka minut — wykonaj te proste kroki, aby zintegrować i wdrożyć modele za pośrednictwem platformy Atlas Cloud.
Zarejestruj się na atlascloud.ai i ukończ weryfikację. Nowi użytkownicy otrzymują bezpłatne kredyty do eksploracji platformy i testowania modeli.
Połączenie zaawansowanych modeli Wan 3.0 z platformą GPU-akcelerowaną Atlas Cloud zapewnia niezrównaną wydajność, skalowalność i doświadczenie deweloperskie.
Niska Latencja:
Inferencja zoptymalizowana pod GPU dla rozumowania w czasie rzeczywistym.
Zunifikowane API:
Uruchamiaj Wan 3.0, GPT, Gemini i DeepSeek za pomocą jednej integracji.
Przejrzysta Wycena:
Przewidywalne rozliczenia za token z opcjami serverless.
Doświadczenie Dewelopera:
SDK, analityka, narzędzia dostrajania i szablony.
Niezawodność:
99,99% dostępności, RBAC i logowanie gotowe na zgodność.
Bezpieczeństwo i Zgodność:
SOC 2 Type II, zgodność z HIPAA, suwerenność danych w USA.
Wan 3.0 to wielofunkcyjny model wideo nowej generacji od Alibaba, obecnie w publicznej fazie beta. Jedno żądanie może przekształcić tekst, obrazy, wideo, dźwięk, dokumenty lub strony internetowe w wideo o długości do 30 sekund, a model łączy tak szerokie dane wejściowe ze spójnością na poziomie pikseli, precyzyjną edycją i natywnie wygenerowanym dźwiękiem.
Wan 3.0 to najszersze wydanie w tej serii. Zwiększa natywny czas trwania do 30 sekund, akceptuje do 20 mieszanych materiałów referencyjnych oraz dokumenty i strony internetowe w trybie omni-reference, dodaje tryb pierwszej i ostatniej klatki oraz dąży do spójności na poziomie pikseli z natywnym dźwiękiem. Wcześniejsze wersje Wan w Atlas Cloud pozostają mocnymi wyborami do krótszych, bardziej skoncentrowanych prac typu text-to-video i image-to-video.
Wan 3.0 traktuje jako materiał źródłowy znacznie więcej niż tylko prompt. Jedno żądanie może wykorzystywać do 20 mieszanych referencji, 10 obrazów, 5 klipów wideo o łącznej długości 15 sekund oraz 5 klipów audio o łącznej długości 15 sekund, wraz z pojedynczym dokumentem (doc, xls, ppt, pdf lub md) lub stroną internetową, przy czym sam prompt tekstowy może liczyć do 20 000 znaków.
Klipy trwają natywnie do 30 sekund. Żądanie oparte na tekście lub obrazie może trwać od 2 do 30 sekund, podczas gdy żądanie zawierające wideo utrzymuje wejście i wyjście w łącznym czasie 30 sekund, a inteligentny czas trwania może automatycznie ustawić długość. Rozdzielczość obejmuje 480p, 720p i 1080p, z dostępnymi proporcjami 16:9, 9:16, 4:3, 3:4, 1:1 oraz proporcjami inteligentnymi.
Spójność jest zarządzana na poziomie pikseli, dzięki czemu twarz, strój, produkt lub drobny szczegół referencyjny zachowuje swój wygląd podczas zmian scen i ruchu obiektów. W przypadku cykli produkcyjnych, które ponownie wykorzystują tę samą postać lub dokładny zasób marki, ta stabilność sprawia, że każda dostawa jest przewidywalna.
Tak, zarówno poprzez instrukcje, jak i referencje. Pisemna notatka lub przykładowy klip mogą zmienić styl obiektu, zmodyfikować oświetlenie lub zastąpić pojedynczy segment, a elementy, które chcesz pozostawić bez zmian, pozostają na swoim miejscu przez cały proces edycji.
Tak. Atlas Cloud udostępnia już Wan 2.7, 2.6 i 2.5 pod jednym ujednoliconym kluczem, a Wan 3.0 działa na tym samym kluczu bez nowego konta, bez przetasowań punktów końcowych (endpoints) i bez oddzielnej konfiguracji. Zespoły, które już odwołują się do rodziny Wan, mogą uzyskać dostęp do Wan 3.0, po prostu zamieniając nazwę modelu.
Poradniki, samouczki i nowości produktowe, dzięki którym w pełni wykorzystasz Atlas Cloud.