Wan 3.0 API är nästa generation av Alibabas Wan-videofamilj, byggd för att ta långformatsgenerering, multireferenskontroll och audiovisuell kvalitet till nya höjder. Atlas Cloud är redan värd för Wan 2.7, 2.6 och 2.5, och Wan 3.0 körs på samma enhetliga nyckel utan separat konfiguration. Börja bygga idag. Rulla ner till uppvisningen för att se vad Wan 3.0 kan skapa.
Wan 3.0 är utvecklad av Alibaba. Atlas Cloud (som drivs av Atlas Cloud AI LLC) tillhandahåller åtkomst till modellen men äger den inte. Alla varumärken tillhör sina respektive ägare.
Atlas Cloud förser dig med de senaste branschledande kreativa modellerna.
Tre Wan 3.0 API-slutpunkter delar en Atlas Cloud-nyckel, så den enda riktiga frågan är vad du redan har att mata modellen med.
| Modalitet | Beskrivning |
|---|---|
| Wan 3.0 T2V API (Text till Video) | En skriven prompt på upp till 20000 tecken blir en färdig klipp med ett inbyggt ljudspår, renderad i 480P, 720P eller 1080P och som varar från 2 till 30 sekunder. Ställ in bildförhållandet till 16:9, 9:16, 4:3, 3:4 eller 1:1, eller lämna både förhållande och duration adaptiva och låt modellen välja ramning och tempo. Den passar konceptfilmer, reklamkort och sociala spots som börjar med ingenting annat än ett manus. |
| Wan 3.0 I2V API (Bild till Video) | Ladda upp en första bildruta och klippet animeras ut ur den; lägg till en valfri sista bildruta så interpoleras rörelsen mellan de två åt dig. Källstillsbilder accepterar jpeg, jpg, png, bmp och webp mellan 240 och 8000 pixlar och under 20MB, medan output når 1080P med ljudspåret på som standard. Välj denna slutpunkt när en produktfoto, en affisch eller ett storyboard-par redan bestämmer hur scenen måste öppna och stänga. |
| Wan 3.0 R2V API (Referens till Video) | Upp till 20 referensmaterial följer med prompten: 10 bilder, 5 videor totalt 15 sekunder, och 5 ljudklipp totalt 15 sekunder, justerade på pixelnivå för identitet, röst och utrymme. Djupt tänkande-läge öppnar en andra dörr, låter ett dokument på upp till 100MB och 50 sidor (pdf, docx, pptx, xlsx, txt, md och mer) eller en live-webbsida agera källa. Reservera det för arbete där en återkommande karaktär, en exakt varumärkesresurs eller en fullständig rapport måste överleva intakt in i videon. |
6 flaggskeppsfunktioner som visar vad en enda Wan 3.0-förfrågan kan producera, från varumärkesfilmer med flera referenser till 30-sekunders tagningar i en enda sekvens.
Omni-läget hanterar upp till 20 referensmaterial, 10 bilder, 5 klipp och 5 ljudspår, plus ett källdokument eller en webbsida, så att ett komplett varumärkeskit blir till en enda varumärkesanpassad video i en enda körning.
Den inbyggda 30-sekundersutmatningen ger berättelsen utrymme att utvecklas och stöder kontinuerliga kamerarörelser samt one-shot-sekvenser som kortare klipp inte kan hantera. Den intelligenta längden låter modellen själv bestämma tempot för varje scen.
Ansikten, produkter och fina detaljer reproduceras med pixel-perfekt naturtrogenhet i varje bildruta. Produktionsteam får den leveranssäkerhet som återkommande karaktärer och exakta varumärkestillgångar kräver.
Realism, bildtextur och inbyggt ljud förbättras gemensamt, så att en genererad scen levereras med matchande ljud i stället för stumma klipp. Resultatet ger en verklig audiovisuell inverkan.
Exakt redigering omarbetar befintligt rörligt material från en skriftlig instruktion eller ett referensklipp, och ändrar ett motiv, en stil eller ett ögonblick utan att regenerera hela videon.
Utöver text, bild, ljud och video läser Wan 3.0 doc-, xls-, ppt-, pdf- och md-filer samt live-webbsidor och förvandlar en rapport eller presentation direkt till ett färdigt klipp.
Se hur video presenteras genereras av Wan 3.0, Seedance 2.5 och Wan 2.7 modell.
Genererar en 30-sekunders, 16:9 widescreen adult sci-fi krig animerad kortfilm. Visuell stil: Ultra-fotorealistisk CGI Biomekaniska strukturer Fusion av grå-vitt ben och svart metall Insektslika leder Extremt fin ben texturering Torkade blodstrimmor, keramiska sprickor och industriellt oljigt smuts Övergiven futuristisk stad Kyligt grått takljus Sparsamma giftigt gröna organismer Högkontrasterande cinematiskt ljussättning Låg-mättnad kall färgpalett Minimalt orange-rött används endast för lågor och larm Realistisk fysisk förstöring Tryckande, tung, ohjälpsam ton Karaktärer har inte längre kompletta köttkroppar. De består främst av: Mänsklig ryggrad Revben Skalle Svart hydraulisk muskel Metallleder Neurala fiber optiska kablar Vapengränssnittsportar Skeletten är inte zombier — de är "legacy hardware" som fortfarande drivs av militärindustriella system. Berättelse & Dynamisk Tidslinje 0–4 sek | Fortfarande Stridande Efter Döden Scenen öppnar på en soldats hängsmycke som ligger i en pöl med stillastående vatten. Vill du att jag fortsätter att översätta resten av tidslinjen om du har fler sekunder/beats utskrivna? Detta ser ut att vara klippt efter 0-4 sekunders beat.
Generated by Wan 3.0
Generated by Seedance 2.5 on Altas Cloud
Generated by Wan 2.7 on Altas Cloud
Genererar en 15-sekunders, 16:9 ultra-widescreen mjukdjurs-universums äventyrsklipp. Ett rymdskepp tillverkat av mjuktyg, knappar, dragkedjor och fyllningsbomull flyr i hög hastighet genom ett universum bestående av jättelika garnplaneter, fluffiga nebulosor och trasdockormegafauna. Skeppet pilotas av tre små mjukdjursdjur: en kanin, en räv och en kråka. En jättelik interstellär valdjur täckt av djupblå lång mjukpäls, med ögon som två glasögon, jagar skeppet ut ur nebulosan. Overall stil: ultra-fina mjuktexturer, cinematografisk rymdskala, en stark kontrast mellan söt utsida och intensiv handling, överdriven FPV-kameravinklar, och realistisk mjukkropps-fysik. **15-sekunders Dynamisk Tidslinje** **0–3 sek | Dragkedjeskepp Ejection Launch** Scenen är inuti mjuk skeppet, med ett cockpit bestående av sömmar, knappar och tyginstrumentpaneler. En röd varningsknapp blinkar snabbt. Kaninen drar ner en jättestor dragkedje-spak, och skeppets främre lucka spricker upp som en tygpåse. Kameran drar sig snabbt tillbaka från cockpiten, passerar genom dragkedjeluckan, och kommer ut utanför skeppet. Skeppet ejecteras och startar ut ur den stickade kratern på en garnplanet. **3–6 sek | Hög Hastighets Orbit Skimming Garnplanet** Kameran följer skeppets svans, flyger lågt över planetens yta. Marken är vävd av jättelika garnstrån: - Stickade bergskedjor raser förbi nedanför i hög hastighet - Lugga trådar svajar som en skog - Skeppet undviker kraftigt vänster och höger - Kameran bankar och rullar kontinuerligt - Thruster avger en eftersläpande ström av vit bomullsfluff **6–8,5 sek | Den Jättelika Mjukvalen Framträder** Den fluffiga nebulosan delar sig plötsligt åt båda håll när en jättelik djupblå mjukval bryter sig fram bakifrån. Den långa pälsen på valens kropp blåses bakåt av den höghastighetsluftströmmen, och dess glasögon reflekterar planetens ljus. Kameran sveper halvvägs runt skeppet, växlar till en bakåtvänd (reverse) vy, så att valen ständigt växer större i bilden bakom skeppet.
Generated by Wan 3.0
Generated by Seedance 2.5 on Altas Cloud
Generated by Wan 2.7 on Altas Cloud
Uppgraderingarna av Wan 3.0 härstammar från verkliga branschkrav och integreras direkt i produktionsarbetsflödena nedan, från korta dramer till företagsfilmer.
Inbyggda 30-sekunderstagningar och återskapande av verkliga scener gör att AI-filmer, kortdramer och musikvideor kan hoppa över en stor del av den fysiska inspelningen. Pixelkonsekvens bibehåller återkommande huvudkaraktärer, och originalljudet levereras perfekt synkroniserat med varje klipp.
Den fullständiga stilkontrollen går från fotorealistisk till anime i en och samma modell, medan pixelkonsekvens låser en maskot, en logotyp eller en IP-karaktär i varje bildruta. Fullständiga varumärkesanimationer renderas utan den tidskrävande produktionskedjan.
Omni-skapande tänjer på gränserna för text och bild för varumärken inom vitvaror, skönhet, fordon, FMCG (dagligvaror) och kläder. Mata in en produktsida eller företagsrapport direkt för att bygga allt från produktdemos till företagets varumärkesfilmer.
Mata in en genomgång av produktens användargränssnitt, en funktionsanimering eller en datavisualisering, så behåller Wan 3.0 den ursprungliga estetiken samtidigt som den förvandlas till ett berättelsedrivet rörligt verk. Det tröttsamma animeringssteget försvinner.
Dokumentinmatningen läser av en PDF, en PPT eller en webbsida direkt, så att en lektion eller en forskningsrapport blir till en tydlig förklaringsvideo utan separat manus. Komplext material visualiseras i ett enda steg.
Återskapande av verkliga scener återskapar landskap, kulturarv och lokal gastronomi utan storskaliga filminspelningar, så att stadsfilmer och kulturell digitalisering kan genomföras till låg kostnad. Avlägsna platser uppenbarar sig mitt framför tittarna.
Ställ Wan 3.0 API sida vid sida med de videomodeller som delar en Atlas Cloud-nyckel och se varaktighet, referenskapacitet, ljud och kostnad per sekund faktiskt skiljer sig åt.
| Modell | Maximal varaktighet | Upplösning | Referens- och filinmatningar | Inbyggt ljud | Pris per sekund |
|---|---|---|---|---|---|
| Wan-3.0 Reference-to-video | 2 till 30 s, eller -1 för intelligent varaktighet | 480P, 720P, 1080P | Upp till 20 blandade objekt: 10 bilder, 5 videor, 5 ljudklipp, samt ett dokument eller webbplats | √ (påslaget som standard) | $0.05 |
| Wan-3.0 Text-to-video | 2 till 30 s, eller -1 för intelligent varaktighet | 480P, 720P, 1080P | Endast prompt, upp till 20 000 tecken | √ (påslaget som standard) | $0.05 |
| Wan-3.0 Image-to-video | 2 till 30 s, eller -1 för intelligent varaktighet | 480P, 720P, 1080P | Första bildramen, med valfri sista bildram | √ (påslaget som standard) | $0.05 |
| Seedance 2.5 Reference-to-Video | 4 till 30 s, eller -1 för automatisk längd | 480p, 720p, 1080p inbyggt, högre nivåer via förbättring | Upp till 30 bilder, 10 videor, 10 ljudklipp, ingen dokumentinmatning | √ (påslaget som standard) | $0.134 |
| Kling V3.0 Turbo Image-to-Video | 3 till 15 s, standard 5 s | 720p, 1080p | En källbild, stödjer inte flerval av referenser | √ (valfritt, avstängt som standard) | $0.112 |
| Veo3.1 Reference-to-video | 8 s fast | 720p, 1080p, 4K | 1 till 3 referensbilder | √ (valfritt, avstängt som standard) | $0.2 |
| MiniMax H3 Reference-to-Video | 4 till 15 s | 768P, 2K | Blandade bild-, video- och ljudreferenser, minst en visuell referens krävs | - | $0.1 |
Get started in minutes — follow these simple steps to integrate and deploy models through Atlas Cloud’s platform.
Registrera dig på atlascloud.ai och slutför verifieringen. Nya användare får gratis krediter för att utforska plattformen och testa modeller.
Att kombinera de avancerade Wan 3.0-modellerna med Atlas Clouds GPU-accelererade plattform ger oöverträffad prestanda, skalbarhet och utvecklarupplevelse.
Låg Latens:
GPU-optimerad inferens för realtidsresonemang.
Enhetligt API:
Kör Wan 3.0, GPT, Gemini och DeepSeek med en integration.
Transparent Prissättning:
Förutsägbar fakturering per token med serverlösa alternativ.
Utvecklarupplevelse:
SDK:er, analys, finjusteringsverktyg och mallar.
Tillförlitlighet:
99.99% drifttid, RBAC och efterlevnadsredo loggning.
Säkerhet & Efterlevnad:
SOC 2 Type II, HIPAA-anpassning, datasuveränitet i USA.
Wan 3.0 är Alibabas nästa generations allt-i-ett-videomodell, nu i offentlig beta. En enda begäran kan förvandla text, bilder, video, ljud, dokument eller webbsidor till en upp till 30 sekunder lång video, och modellen kombinerar denna breda inmatning med konsekvens på pixelnivå, exakt redigering och integrerat genererat ljud.
Wan 3.0 är den mest omfattande versionen i serien. Den ökar den inbyggda varaktigheten till 30 sekunder, accepterar upp till 20 blandade referensmaterial plus dokument och webbsidor i omni-referensläge, lägger till ett läge för första-och-sista-bildrutan och strävar mot konsekvens på pixelnivå med inbyggt ljud. De tidigare Wan-versionerna på Atlas Cloud förblir starka val för kortare, mer fokuserat text-till-video- och bild-till-video-arbete.
Wan 3.0 hanterar mycket mer än bara en prompt som källmaterial. En enda begäran kan utnyttja upp till 20 blandade referenser, 10 bilder, 5 videoklipp på totalt 15 sekunder och 5 ljudklipp på totalt 15 sekunder, tillsammans med ett enskilt dokument (doc, xls, ppt, pdf eller md) eller en webbsida, medan själva textprompten kan vara upp till 20 000 tecken lång.
Klipp spelas upp inbyggt i upp till 30 sekunder. En text- eller bildbegäran kan vara var som helst mellan 2 och 30 sekunder, medan en begäran som inkluderar video håller indata och utdata inom kombinerat 30 sekunder, och intelligent varaktighet kan ställa in längden åt dig. Upplösningen sträcker sig över 480p, 720p och 1080p, med proportionerna 16:9, 9:16, 4:3, 3:4, 1:1 och intelligenta proportioner tillgängliga.
Konsekvens hanteras på pixelnivå, så att ett ansikte, en klädsel, en produkt eller en fin referensdetalj behåller sitt utseende när scener klipps och motiv rör sig. För produktionsomgångar som återanvänder samma karaktär eller en exakt varumärkestillgång är det just denna stabilitet som gör varje leverans förutsägbar.
Ja, genom både instruktioner och referenser. En skriftlig anteckning eller ett exempelklipp kan ändra stilen på ett motiv, justera belysningen eller ersätta ett enskilt segment, och de element du vill lämna orörda förblir på plats under hela redigeringen.
Ja. Atlas Cloud erbjuder redan Wan 2.7, 2.6 och 2.5 under en enhetlig nyckel, och Wan 3.0 körs på samma nyckel utan nytt konto, utan omstrukturering av endpoints och utan separat installation. Team som redan anropar Wan-familjen kan nå Wan 3.0 genom att helt enkelt byta modellnamn.
Guider, handledningar och produktnyheter som hjälper dig att få ut mesta möjliga av Atlas Cloud.