อัปเดตล่าสุด: Wan 3.0 เปิดให้บริการแล้วตั้งแต่วันที่ 24 สิงหาคม 2026
จอมอนิเตอร์ห้องตัดต่อสองเครื่องวางเคียงกัน ด้านซ้ายแสดงสัตว์ประหลาดทะเลโผล่ขึ้นกลางพายุ ด้านขวาแสดงพายุเดียวกันที่ถูกตัดให้สั้นลง
เล่นคลิปสัตว์ประหลาดทะเลความยาว 30 วินาทีที่ Alibaba แถมมากับ Wan 3.0 รุ่นเบต้า เรืออวนลาก ฝนกระหน่ำ ฟ้าผ่า แล้วทะเลก็ระเบิดขึ้นด้านบน สิบช็อตที่แตกต่างกัน ไม่มีการตัดเลยแม้แต่ครั้งเดียว ดนตรีออเคสตราที่ประกอบอยู่ใต้ภาพเขียนโดยโมเดล
ปฏิกิริยาแรกของคุณไม่ใช่ "ว้าว" แต่เป็น "Wan 2.7 ของฉันขาดอะไรไปกันแน่?"
ผมเลยออกตามหาคำตอบ และสิ่งแรกที่เจอคือคนส่วนใหญ่ในอินเทอร์เน็ตตอบผิดกัน ค้นหา wan 3.0 vs wan 2.7 แล้วผลลัพธ์อันดับต้น ๆ ก็บอกอย่างมั่นใจว่า Wan 3.0 เรนเดอร์ 4K แบบเนทีฟ และมีน้ำหนักโมเดลบน Hugging Face ทั้งสองอย่างไม่เป็นความจริง ผมดาวน์โหลดไฟล์เดโม่ทางการมาที่แล็ปท็อปแล้วอ่านด้วย ffmpeg จากนั้นตรวจสอบรีจิสทรีของโมเดลและระดับราคาที่เผยแพร่ การอัปเกรดที่แท้จริงนั้นยิ่งใหญ่ แต่มันไม่ใช่การอัปเกรดที่ผู้คนกำลังพูดถึง
Wan 3.0 เทียบกับ Wan 2.7: ประเด็นสำคัญ
- ระยะเวลาคือหัวข้อหลัก Wan 3.0 สร้างวิดีโอ 30 วินาทีในรอบเดียว พร้อมคำแนะนำ "ระยะเวลาอัจฉริยะ" อัตโนมัติ Wan 2.7 จับสูงสุดที่ 15 วินาทีสำหรับข้อความเป็นวิดีโอและภาพเป็นวิดีโอ และ 10 วินาทีสำหรับอ้างอิงเป็นวิดีโอและตัดต่อวิดีโอ
- การอ้างอิงเพิ่มขึ้นจากหยิบมือเป็นฝูงชน Wan 2.7 รับไอเทมอ้างอิงได้สูงสุด 5 รายการ Wan 3.0 รับได้สูงสุด 20 รายการ และเป็นครั้งแรกที่รับไฟล์ doc, xls, ppt, pdf และ md รวมถึงหน้าเว็บ เป็นอินพุตสำหรับการสร้าง
- ไม่มี 4K รายการราคา API ของ Alibaba เองมีเพียงสามระดับ: 480P, 720P และ 1080P บน Atlas Cloud Wan 2.7 มีเพดานสูงกว่าผ่านตัวเลือกซูเปอร์รีโซลูชัน 1080P-SR และ 1440P-SR
- น้ำหนักโมเดลไม่ได้เปิดเผย องค์กร Wan-AI บน Hugging Face ยังคงมีสูงสุดที่ Wan 2.2 ไม่มีที่เก็บข้อมูล 3.0, ไม่มีที่เก็บข้อมูล 2.7 และไม่มีที่เก็บข้อมูล 2.5
- Wan 3.0 เป็นรุ่นเบต้าและใช้งานได้เฉพาะบนแพลตฟอร์มของบริษัทเท่านั้น มันทำงานบน Alibaba Cloud Bailian, เว็บไซต์ Wanxiang, แอปพลิเคชันเดสก์ท็อป Qianwen Creation และผลิตภัณฑ์อื่น ๆ ที่เกี่ยวข้องอีกสองสามตัว หากคุณต้องการ API ที่เรียกใช้ในการผลิตได้ในสัปดาห์นี้ Wan 2.7 ยังคงเป็นรุ่นที่ตอบโจทย์
- อยากดูรูปแบบก่อนที่จะเรียนรู้ไวยากรณ์พร้อมท์? Atlas Cloud มีเครื่องสร้างสกิตโฆษณา AI ฟรี ที่เปลี่ยนคำอธิบายผลิตภัณฑ์หนึ่งบรรทัดให้เป็นโฆษณาตลกสองตัวละครความยาว 15 วินาทีพร้อมบทสนทนา ใช้งานฟรีหนึ่งครั้ง ไม่มีลายน้ำ
ลำดับคาอิจูความยาว 30 วินาทีเต็ม สร้างโดย Alibaba บน Wan 3.0 ในช่วงเบต้าสาธารณะและเผยแพร่ในคู่มือผู้สร้าง Wan 3.0 อย่างเป็นทางการ เราไม่ได้สร้างคลิปนี้ เปิดเสียงด้วย: ดนตรีประกอบเป็นส่วนหนึ่งของเอาต์พุต ไม่ใช่แทรกดนตรีเพิ่มเติมทีหลัง ไฟล์ตามที่ได้รับ: 1920x1072, 24fps, 30.07s, เสียงสเตอริโอ 44.1kHz AAC
นี่คือสิ่งแรกที่สเปกชีทมองข้าม ไฟล์นั้นคือ 1920x1072 ไม่ใช่ 1920x1080 ทุกเดโม่ "1080p" ในคู่มือทางการจะมีความสูง 1072 พิกเซล และเดโม่ที่เผยแพร่อื่น ๆ หลายอันเป็น 1280x720 ธรรมดา สิบสองในสิบเก้าคลิปในคู่มือมีความยาว 30.05 ถึง 30.07 วินาที ซึ่งบอกคุณว่าเพดาน 30 วินาทีเป็นจุดหยุดที่ตายตัวจริง ๆ ไม่ใช่ตัวเลขกลมทางการตลาด
ทำไมคำถาม Wan 3.0 เทียบกับ Wan 2.7 จึงยากกว่าที่คิด
คำตอบที่ตรงไปตรงมาคือแทบไม่มีใครรันโมเดลทั้งสองด้วยพร้อมท์เดียวกัน เพราะแทบไม่มีใครทำได้ Wan 3.0 เปิดให้ทดสอบเบต้าสาธารณะเมื่อวันที่ 6 สิงหาคม 2026 และอยู่บนพื้นผิวของ Alibaba เอง (QbitAI, สิงหาคม 2026) แพลตฟอร์มอินเฟอเรนซ์ของบุคคลที่สามยังไม่รองรับ ดังนั้นเนื้อหาการเปรียบเทียบที่มีอยู่จึงเป็นสเปกชีทต่อสเปกชีท และสเปกชีทก็ถูกคัดลอกไปเรื่อยจนข้อผิดพลาดแข็งตัว
ข้อเท็จจริง Wan 3.0 เทียบกับ Wan 2.7 สามข้อที่ผิด
"Wan 3.0 เป็น 4K เนทีฟ" มันไม่ใช่ รายการราคา API ที่เผยแพร่มี 480P, 720P และ 1080P ที่ ¥0.3, ¥0.6 และ ¥1.2 ต่อวินาที สามระดับ ไม่มีระดับที่สี่ ในขณะเดียวกัน Atlas Cloud แสดง 1080P-SR และ 1440P-SR บน Wan 2.7 ดังนั้นบนเพดานพิกเซลล้วน ๆ รุ่นเก่ากว่าจะชนะในตอนนี้
"น้ำหนักโมเดล Wan 3.0 เปิดเผย" มันไม่ใช่ เรียกดู Hugging Face แล้วตระกูลที่เผยแพร่ล่าสุดขององค์กร Wan-AI คือ Wan 2.2 รวมถึงตัวแปร Animate และ S2V สายวิดีโอหลักไม่ได้ปล่อยน้ำหนักมาตั้งแต่ 2.2 ถ้าคุณต้องการอะไรสำหรับกราฟ ComfyUI ในเครื่อง 2.1 และ 2.2 คือตัวเลือกของคุณ และนั่นไม่มีการเปลี่ยนแปลง
"ไวยากรณ์พร้อมท์ใช้ร่วมกันได้เลย" ข้อนี้ครึ่งจริงในแบบที่จะทำให้คุณเจ็บ คำพูดใช้ได้ โครงสร้างใช้ไม่ได้ พร้อมท์ทางการของ Wan 3.0 เป็นสคริปต์หลายช็อตที่มีการระบุเวลา: พร้อมท์คาอิจูคือสิบช็อตที่มีหมายเลข พร้อมท์ป้ายโฆษณาคือสี่จังหวะที่มีป้ายกำกับพร้อมช่วงวินาทีที่ชัดเจน วางสคริปต์สิบช็อตลงในโมเดล 15 วินาที มันไม่เลือกหกช็อตอย่างสวยงาม มันบีบอัด
ทำไมคุณถึงไม่สามารถสลับพร้อมท์ระหว่าง Wan 3.0 และ Wan 2.7 ได้
มีกับดักที่สองอยู่ใต้ข้อนั้น และนั่นคือเหตุผลที่ "แค่ต่อสองคลิป" ไม่ช่วยคุณ
Wan 2.7 มีโหมดต่อเนื่องวิดีโอ มันดูเหมือนเส้นทางสู่ 30 วินาที แต่มันไม่ใช่ คลิปต้นทางที่คุณป้อนต้องมีความยาว 2 ถึง 10 วินาที ดังนั้นการสร้าง 15 วินาทีจึงไม่สามารถเป็นเมล็ดพันธุ์ได้ เอาต์พุตจะเข้ารหัสต้นทางใหม่ ซึ่งกินส่วนท้ายของคลิปที่คุณป้อนเข้าไป และการต่อเนื่องแบบลูกโซ่มักจะลอยกลับไปยังจังหวะเปิดแทนที่จะเคลื่อนเรื่องราวไปข้างหน้า สิบห้าวินาทีคือเพดานแข็งสำหรับไฟล์ Wan 2.7 ต่อเนื่องหนึ่งไฟล์ อะไรที่ยาวกว่านั้นคือการตัดต่อ ไม่ใช่การสร้าง
นั่นคือต้นทุนการย้ายที่แท้จริงระหว่างสองรุ่นนี้ และไม่มีตารางเปรียบเทียบใดจะแสดงให้คุณเห็น
สเปกชีท Wan 3.0 เทียบกับ Wan 2.7 และจะรันมันจริง ๆ ที่ไหน
ในการทดสอบสิ่งเหล่านี้ คุณต้องมีที่ที่รันข้อความเป็นวิดีโอ อ้างอิงเป็นวิดีโอ และตัดต่อวิดีโอในบัญชีเดียวกัน โดยมีการเรียกเก็บเงินต่อวินาที เพื่อให้เทคที่ล้มเหลวมีค่าใช้จ่ายแค่วินาที ไม่ใช่การสมัครสมาชิก ทุกอย่างในฝั่ง Wan 2.7 ของบทความนี้รันบน Atlas Cloud ซึ่งโฮสต์เอนด์พอยต์ Wan 2.7 สี่ตัวและโมเดลรูปภาพที่ใช้สำหรับการทดสอบอ้างอิง Wan 3.0 ยังไม่ได้อยู่บน Atlas Cloud หรือแพลตฟอร์มบุคคลที่สามอื่น ๆ ซึ่งเป็นเหตุผลว่าทำไมเนื้อหา Wan 3.0 ในบทความนี้จึงมาจากสิ่งพิมพ์เบต้าของ Alibaba เอง
ตาราง 1: Wan 3.0 เทียบกับ Wan 2.7 รุ่นต่อรุ่น
| Wan 3.0 (เบต้าสาธารณะ) | Wan 2.7 (โปรดักชัน) | |
|---|---|---|
| ระยะเวลาสูงสุด หนึ่งรอบ | 30 วินาที พร้อมระยะเวลาอัจฉริยะ | 15 วินาที (t2v, i2v), 10 วินาที (r2v, ตัดต่อวิดีโอ) |
| รายการอ้างอิง | มากถึง 20 | มากถึง 5 (1 รูปภาพต่อหัวเรื่อง, มากถึง 3 วิดีโอ) |
| รูปแบบอินพุต | ข้อความ, รูปภาพ, วิดีโอ, เสียง, doc/xls/ppt/pdf/md, หน้าเว็บ | ข้อความ, รูปภาพ, วิดีโอ, เสียง |
| อินพุตเอกสาร | ไฟล์เดียวหรือลิงก์ มากถึง 100MB และ 50 หน้า | ไม่รองรับ |
| ระดับความละเอียด | 480P / 720P / 1080P | 720P / 1080P / 1080P-SR / 1440P-SR |
| เสียงเนทีฟ | ใช่ | ใช่ |
| การตัดต่อวิดีโอ | การตัดต่อตามคำสั่งและการอ้างอิง | เอนด์พอยต์ตัดต่อวิดีโอโดยเฉพาะ |
| น้ำหนักโมเดลเปิดเผย | ไม่ | ไม่ |
| ที่ที่คุณรันได้ | เฉพาะพื้นผิวของ Alibaba เท่านั้น | API บุคคลที่สาม รวมถึง Atlas Cloud |
| ราคาที่ระบุ | ¥0.3 / ¥0.6 / ¥1.2 ต่อวินาที ตามระดับ | $0.1 ต่อวินาที, 720P พื้นฐาน |
ตาราง 2: เอนด์พอยต์ Wan 2.7 ที่ใช้ในบทความนี้
| เอนด์พอยต์ | ระยะเวลาสูงสุด | ความละเอียด | ขีดจำกัดการอ้างอิง | ราคาที่ระบุ |
|---|---|---|---|---|
| ข้อความเป็นวิดีโอ | 2-15 วินาที | 720P, 1080P, 1080P-SR, 1440P-SR | ไม่มี | $0.1 / วินาที |
| อ้างอิงเป็นวิดีโอ | 2-10 วินาที | 720P, 1080P, 1080P-SR, 1440P-SR | 5 รายการ | $0.1 / วินาที |
| ภาพเป็นวิดีโอ | 2-15 วินาที | 720P, 1080P, 1080P-SR, 1440P-SR | คลิปต้นทาง 2-10 วินาที | $0.1 / วินาที |
| ตัดต่อวิดีโอ | เอาต์พุต 2-10 วินาที, อินพุต 2-10 วินาที | 720P (1.0x), 1080P (1.5x) | 3 รูปภาพ | $0.1 / วินาที |
รายละเอียดราคาหนึ่งที่ควรทำความเข้าใจก่อนรันอะไร: หัวข้อ "$0.1 ต่อวินาที" คือ 720P พื้นฐาน หน้าการตัดต่อวิดีโอระบุตัวคูณ 1.5x สำหรับ 1080P โดยตรง และปุ่ม Run จะแสดงราคาจริงสำหรับระดับที่คุณเลือก อ่านปุ่ม ไม่ใช่หัวข้อ
สำหรับการรันโฮสต์ในปัจจุบัน เปิด Wan 3.0 บน Atlas Cloud และทดสอบพร้อมท์เช่นด้านล่างก่อนที่คุณจะเผยแพร่เวิร์กโฟลว์
ภาพหน้าจอพร้อมท์ถึงผลลัพธ์ของ Wan 3.0: การเปรียบเทียบโมเดลที่ตรงกัน
ทดสอบ Wan 3.0 เทียบกับ Wan 2.7 ด้วยตัวเอง
สี่ขั้นตอน สองขั้นตอนใช้เนื้อหาที่เผยแพร่ของ Alibaba เป็นจุดอ้างอิงคงที่ อีกสองขั้นตอนคือการรันที่คุณทำเอง ไม่มีอะไรที่นี่ต้องเข้าถึง Wan 3.0 เบต้า
ขั้นตอนที่ 1: ดาวน์โหลดคลิป Wan 3.0 และพร้อมท์ดั้งเดิม
ฝั่ง Wan 3.0 ของการทดสอบนี้ไม่ใช่สิ่งที่คุณสร้าง มันคือสิ่งที่คุณอ่าน พร้อมท์คาอิจูเต็มเผยแพร่ใน คู่มือผู้สร้าง Wan 3.0 อย่างเป็นทางการ พร้อมกับคลิปที่เสร็จแล้ว ภายใต้ตัวอย่าง "灾难电影" มันเป็นสคริปต์ภาษาจีนที่มีสิบช็อตที่มีหมายเลขและย่อหน้าแยกต่างหากที่อธิบายดนตรีประกอบ
อ่านมันสักครั้งก่อนที่จะทำอะไรอย่างอื่น โครงสร้างคือบทเรียน: สิบช็อต แต่ละช็อตมีกล้อง หัวเรื่อง และหมายเหตุแสงของตัวเอง ลงท้ายด้วยสรุปการให้คะแนน นั่นคือสิ่งที่พร้อมท์สร้างรอบเดียว 30 วินาทีมีลักษณะอย่างไร
ขั้นตอนที่ 2: รันพร้อมท์เดียวกันผ่าน Wan 2.7 ข้อความเป็นวิดีโอ
เปิดสนามเด็กเล่น Wan 2.7 ข้อความเป็นวิดีโอและวางภาษาอังกฤษของสคริปต์เดียวกันนั้น อย่าย่อให้สั้นลงก่อน คุณต้องการดูว่าโมเดลทำอะไรเมื่อเจตนาล้นเกินเพดาน
Plain1ลำดับภาพยนตร์สมจริง 30 วินาที: คาอิจูทะเลลึกปรากฏตัวในเวลากลางคืนท่ามกลางพายุที่โหมกระหน่ำ เปิดด้วยเรืออวนลากเก่าทรุดโทรมขนาดเล็กที่มีตัวอักษรสีขาว "WAN" บนตัวเรือ กำลังฝ่าคลื่นยักษ์ภายใต้ฝนที่ตกหนัก ฟ้าผ่าส่องสว่างทั่วทั้งมหาสมุทรชั่วครู่ ดันไปที่มิด-คลสช็อตบนดาดฟ้า: คลื่นซัดเข้าหัวเรือ เชือก ตาข่าย และราวโลหะปลิวตามลม ฝนตกเป็นเส้นเลนส์ จากนั้นทะเลข้างหน้าบวมผิดปกติ เกิดวังวนขนาดใหญ่ และเงาดำมหึมาเคลื่อนผ่านใต้เรือ ยกเรือขึ้น ลูกเรือในเสื้อกันฝนเปียกโชกจับราวด้วยความกลัว และหันไปทางน้ำ สุดท้ายผิวน้ำระเบิดขึ้นด้านบนและสัตว์ประหลาดทะเลขนาดมหึมาในสไตล์ Pacific Rim โผล่ขึ้นมา: ผิวหนังเปียก มีรอยแผลเป็น เป็นสัน กรามใหญ่ ละอองน้ำสูงหลายสิบเมตร คลสบนหัวของมันคำรามท่ามกลางฟ้าผ่า เรืออวนลากเกือบถูกกลืน จบด้วยมุมกว้าง: คาอิจูตั้งตระหง่านเหนือทะเลที่ปั่นป่วน เรือลำเล็กอยู่เบื้องหน้า ฟ้าผ่าครั้งสุดท้าย ดนตรีประกอบภาพยนตร์ภัยพิบัติฮอลลีวูด: เสียงต่ำซับเบสเบา ๆ และสายกระจัดกระจายที่สร้างเป็นทองเหลืองและเครื่องกระทบหนักที่จุดทะลุขึ้น จบด้วยคอร์ดต่ำยาวกดดัน ขนาดสมจริง น้ำปริมาตร แสงพายุคอนทราสต์สูง 2
การตั้งค่า: ความละเอียด 1080P, ระยะเวลา 15 วินาที (สูงสุด), อัตราส่วนภาพ 16:9, เปิดเสียงไว้เพื่อให้โมเดลให้คะแนนเอง ปล่อยช่องอ้างอิงเสียงว่างไว้
สนามเด็กเล่น Wan 2.7 ข้อความเป็นวิดีโอบน Atlas Cloud พร้อมพร้อมท์คาอิจูที่โหลดและคลิป 15 วินาทีที่เสร็จแล้วในแผง OUTPUT
Wan 2.7 ข้อความเป็นวิดีโอบน Atlas Cloud, วางพร้อมท์แล้ว, เลือก 1080P และ 16:9 ปุ่ม Run แสดงราคา $0.75 สำหรับเทคทดสอบสั้นนี้ ซึ่งคิดเป็น $0.15 ต่อวินาที: ตัวคูณ 1080P 1.5x ที่เห็นได้ชัดเจน บนหน้าโมเดลที่มีตัวเลขหัวข้อ $0.1
จากนั้นรันอีกครั้งโดยเพิ่มหนึ่งบรรทัดต่อท้ายพร้อมท์:
Plain1ถ่ายต่อเนื่องเทคเดียว ไม่มีการตัด ให้ความสำคัญกับช่วงทะลุขึ้น บีบอัดการตั้งค่า 2
บรรทัดเดียวคือการทำงานย้ายที่ในขนาดเล็ก สคริปต์ 30 วินาทีต้องถูกเขียนใหม่เป็นเจตนา 15 วินาที และคุณคือคนที่ตัดสินใจว่าช็อตไหนจะตายไปเจ็ดช็อต
ซ้าย: เอาต์พุต Wan 3.0 ทางการ 30 วินาที ขวา: Wan 2.7 บน Atlas Cloud รันพร้อมท์เดียวกัน หยุดที่เพดาน 15 วินาที
ขั้นตอนที่ 3: สร้างภาพอ้างอิงสำหรับการทดสอบเอกลักษณ์ Wan 3.0 เทียบกับ Wan 2.7
ระยะเวลาคือการอัปเกรดที่ดัง ความสอดคล้องระดับพิกเซลคือสิ่งที่เปลี่ยนงานโปรดักชันจริง ๆ และคุณสามารถทดสอบได้ด้วยแมวสองตัว
คู่มือของ Alibaba รวมถึงการเลียนแบบสไตล์ Wes Anderson ที่แมวแร็กดอลล์ตัวเดียวกันและแมวดำตัวเดียวกันต้องอยู่รอดในสภาพแวดล้อมที่แตกต่างกันห้าแบบ: ทางเดินโรงแรมสมมาตร, มุมมองด้านข้างแบบตัดขวาง, ถังซักเครื่องซักผ้า, สายพานกระเป๋าสนามบิน และตู้โทรศัพท์สีแดง แมวทั้งสองถูกตรึงด้วยแท็กอ้างอิง @Image1 และ @Image2
สร้างภาพอ้างอิงสองภาพของคุณเองก่อน ใช้ GPT Image 2 ด้วยคุณภาพที่ตั้งเป็นสูงและเฟรม 16:9 แล้วรันสองครั้ง
Plain1ภาพเหมือนในสตูดิโอของแมวแร็กดอลล์ขนฟูตาสีฟ้าและหน้ากากสีเข้ม นั่งตัวตรงหันหน้ากล้อง แสงสม่ำเสมอ พื้นหลังสีชมพูอ่อนเรียบ รายละเอียดขนคมชัด เห็นทั้งตัว กรอบอ้างอิงที่สะอาด 2
Plain1ภาพเหมือนในสตูดิโอของแมวดำตัวเล็กเพรียวบางตาสีเหลืองอำพันสดใส ยืนในโปรไฟล์หันขวา แสงสม่ำเสมอ พื้นหลังสีชมพูอ่อนเรียบ รายละเอียดขนคมชัด เห็นทั้งตัว กรอบอ้างอิงที่สะอาด 2
สนามเด็กเล่น GPT Image 2 บน Atlas Cloud พร้อมคุณภาพที่ตั้งเป็นสูงและแผ่นอ้างอิงแมวแร็กดอลล์ที่เรนเดอร์ในแผง OUTPUT
GPT Image 2 ที่คุณภาพสูง, 16:9 รันพร้อมท์ที่สองด้วยวิธีเดียวกันเพื่อให้ได้แมวดำ
ขั้นตอนที่ 4: รันการทดสอบเอกลักษณ์บน Wan 2.7 อ้างอิงเป็นวิดีโอ
อัปโหลดแมวทั้งสองตัวไปยังเอนด์พอยต์ Wan 2.7 อ้างอิงเป็นวิดีโอ ความละเอียด 1080P, อัตราส่วนภาพ 16:9, ระยะเวลา 10 วินาที ซึ่งเป็นค่าสูงสุดของเอนด์พอยต์นี้ พร้อมท์ด้านล่างคือรายการช็อตในคู่มือที่บีบอัดจากห้าจังหวะเป็นสาม เพราะสิบวินาทีไม่สามารถรองรับห้าได้
Plain1สไตล์ Wes Anderson, สมมาตรสมบูรณ์แบบ, องค์ประกอบแบนราบด้านหน้า, จานสีพาสเทล ภาพอ้างอิง 1 คือแมวแร็กดอลล์, ภาพอ้างอิง 2 คือแมวดำ; เก็บแมวทั้งสองให้เหมือนกันทุกช็อต ช็อต 1: ทางเดินโรงแรมสมมาตรไม่มีที่สิ้นสุด, แมวแร็กดอลล์วิ่งตรงเข้าหากล้องด้วยสีหน้าเคร่งขรึม, แมวดำวิ่งหนีไปในพื้นหลังโดยหันหัวกลับ 180 องศา ช็อต 2: มุมมองด้านข้างตัดขวางของทางเดิน, วอลล์เปเปอร์ลายดอกไม้สีชมพูและกรอบรูปทอง, แมวแร็กดอลล์เดินจากซ้ายไปขวาและแมวดำเดินจากขวาไปซ้าย ช็อต 3: ภาพมาโครด้านหน้าของประตูเครื่องซักผ้าวินเทจสีเขียวมิ้นต์, แมวทั้งสองลอยตัวแข็งทื่ออยู่ในถังซักท่ามกลางฟองสบู่, ดวงตาเปล่า, ขวดผงซักฟอกสีรุ้งเรียงรายอยู่ด้านหลัง เส้นแนวนอนและแนวตั้งที่เข้มงวด, ไม่มีการเอียงกล้อง, อารมณ์ขันไร้เดียงสา 2
สนามเด็กเล่น Wan 2.7 อ้างอิงเป็นวิดีโอบน Atlas Cloud พร้อมการอ้างอิงแมวทั้งสองที่โหลดและคลิปที่เสร็จแล้วในแผง OUTPUT
Wan 2.7 อ้างอิงเป็นวิดีโอ: แมวทั้งสองถูกโหลดลงในช่องอ้างอิงรูปภาพ, ตั้งค่าความละเอียดเป็น 1080P, และปุ่ม Run แสดงราคาเทคก่อนเริ่ม สองการอ้างอิงเป็นส่วนแบ่งที่มีความหมายของสิ่งที่เอนด์พอยต์นี้รับ Wan 3.0 รับ 20 รายการอ้างอิง
ตอนนี้วางสองอย่างนี้เคียงข้างกัน
คลิปล็อกเอกลักษณ์ Wan 3.0 ทางการ: แมวแร็กดอลล์และแมวดำตัวเดียวกันที่คงเส้นคงวาผ่านทางเดินโรงแรม, ผนังตัดขวาง, ถังซักเครื่องซักผ้า, สายพานกระเป๋า และตู้โทรศัพท์สีแดง
สร้างโดย Alibaba บน Wan 3.0 ในช่วงเบต้าสาธารณะและเผยแพร่ในคู่มือผู้สร้างอย่างเป็นทางการ ห้าสภาพแวดล้อม 19.9 วินาที แมวทั้งสองถูกตรึงด้วยแท็กอ้างอิง แสดงที่นี่เป็น GIF เงียบ; ไฟล์ที่ส่งมาพร้อมเสียงสเตอริโอ 44.1kHz
ผลลัพธ์ Wan 2.7 อ้างอิงเป็นวิดีโอในคำสั่งเดียวกัน สามช็อตภายในเพดาน 10 วินาที
_Wan 2.7 อ้างอิงเป็นวิดีโอบน Atlas Cloud, การอ้างอิงสองอันเดียวกัน, แสดงที่นี่เป็น GIF เงียบ นี่คือเทค 5 วินาทีเริ่มต้นของเอนด์พอยต์แทนที่จะเป็น 10 วินาทีเต็ม: ควรรู้ว่าการควบคุมระยะเวลาไม่ได้ยืนยันสิ่งที่คุณตั้งเสมอไป ดังนั้นอ่านราคาปุ่ม Run ก่อนกด ดูเครื่องหมายบนแมวและหน้ากากของแมวแร็กดอลล์; นั่นคือมิติที่คำว่า "ความสอดคล้องระดับพิกเซล" เกี่ยวกับ
พร้อมท์ Wan 3.0 เทียบกับ Wan 2.7 อีกสี่อันที่ควรลองรันใหม่
คลิปคาอิจูเน้นระยะเวลาและฟิสิกส์ สามอันนี้เน้นสิ่งที่แตกต่างกัน และแต่ละอันชนกับขีดจำกัด Wan 2.7 ที่แตกต่างกัน ทั้งสามเป็นเอาต์พุตเบต้าของ Alibaba เองจากคู่มือทางการ
Wan 3.0, เอาต์พุตเบต้าทางการ: การดันกลับทางเดินโรงพยาบาลที่สว่างด้วยแสงนีออนเทคเดียว 30 วินาที, เกรดโมโนโครมสีเขียวซีด, โดยนักแสดงหญิงตะโกนขอความช่วยเหลือ เปิดเสียง การแสดง, เสียงฝีเท้าและเสียงฮัมของอุปกรณ์ทั้งหมดสร้างโดยโมเดล
ตาราง 3: สิ่งที่แต่ละพร้อมท์ต้องการ และจุดที่ Wan 2.7 จำกัดไว้
| พร้อมท์ | สิ่งที่สคริปต์ขอ | ขีดจำกัดที่เผยแพร่ของ Wan 2.7 | มิติที่กำลังทดสอบ |
|---|---|---|---|
| คาอิจูทะลุขึ้น | 10 ช็อตที่มีหมายเลขตลอด 30 วินาที พร้อมสรุปการให้คะแนน | สูงสุด 15 วินาทีสำหรับข้อความเป็นวิดีโอ | ระยะเวลาและการเล่าเรื่องหลายช็อต |
| ทางเดินโรงพยาบาล | เทคต่อเนื่อง 30 วินาทีเดียวพร้อมบทสนทนา | สูงสุด 15 วินาที, มีเสียงเนทีฟ | การแสดงและบทสนทนาตลอดเทคยาว |
| คาวเกิร์ลปั๊มน้ำมัน | อาร์คตลก 30 วินาทีในสี่องก์ที่กำหนดเวลา | สูงสุด 15 วินาที, ดังนั้นสององก์ต้องไป | จังหวะตลกที่ต้องการเวลาทำงาน |
| ป้ายโฆษณาเทคเดียว | สี่จังหวะพร้อมช่วงวินาทีที่ชัดเจน, ไม่มีการตัด | สูงสุด 15 วินาที, ดังนั้นช่วงต้องเขียนใหม่ | ฟิสิกส์กล้องตลอดการเคลื่อนที่ยาว |
| แมวสองตัว ห้าห้อง | 2 หัวเรื่องที่ถูกแท็กคงที่ตลอด 5 สภาพแวดล้อม | สูงสุด 10 วินาที, 5 ช่องอ้างอิง | ความสอดคล้องเอกลักษณ์ |
เวอร์ชัน 15 วินาทีฟรีของแนวคิดเดียวกัน
ดูคลิปปั๊มน้ำมันอีกครั้ง รูปแบบนั้น สกิตตลกสั้นที่มีสองตัวละคร การพลิกกลับ และมุกลงท้าย คือที่ที่เวลาทำงานพิเศษของ Wan 3.0 จ่ายผลตอบแทนสูงสุด มันยังเป็นรูปแบบที่มีแนวโน้มจะขายของมากที่สุด
ข้อแม้คือพร้อมท์ ตัวอย่างตลกในคู่มือมีความยาว 800 คำพร้อมการประทับเวลาและการบล็อกที่ชัดเจน นั่นเป็นทักษะจริงและใช้เวลาหนึ่งสัปดาห์ในการเรียนรู้
ถ้าคุณแค่อยากรู้ว่ารูปแบบนี้ใช้ได้กับผลิตภัณฑ์ของคุณหรือไม่ก่อนที่จะลงทุนเวลานั้น Atlas Cloud มีเครื่องมือฟรีที่ข้ามวิศวกรรมพร้อมท์ทั้งหมด คุณอธิบายผลิตภัณฑ์ เลือกอัปโหลดรูปภาพผลิตภัณฑ์สูงสุดสี่ภาพขนาด 8MB ต่อภาพ เลือกหนึ่งในหกโทน (มีมตลก, พลิกความคาดหมาย, ซิตคอม, อบอุ่นหัวใจ, หรูหรา หรือขายหนัก) แล้วมันจะเขียนสคริปต์สองตัวละคร, กำหนดเสียง, สร้างบทสนทนาและเอฟเฟกต์เสียง และส่งคืนโฆษณา 15 วินาทีที่เสร็จสมบูรณ์เป็นฉากต่อเนื่องฉากเดียว ดาวน์โหลดสะอาด ไม่มีลายน้ำ คุณต้องลงชื่อเข้าใช้ และคุณจะได้สร้างฟรีหนึ่งครั้งก่อนที่จะเติมเครดิต
ข้อความผลิตภัณฑ์หนึ่งบรรทัดเข้า, โฆษณาตลก 15 วินาทีที่เสร็จสมบูรณ์ออก: เครื่องสร้างสกิตโฆษณา AI ฟรีของ Atlas Cloud
เครื่องสร้างสกิตโฆษณา AI ฟรี: คำอธิบายผลิตภัณฑ์หนึ่งรายการเข้า, โฆษณาสองตัวละคร 15 วินาทีหนึ่งรายการออก
เอาต์พุตจริงจากเครื่องสร้างฟรี เปิดเสียง: สคริปต์, สองเสียง และเอฟเฟกต์เสียงทั้งหมดออกมาจากการรันครั้งเดียว
การเปรียบเทียบ Wan 3.0 เทียบกับ Wan 2.7 มีค่าใช้จ่ายเท่าไรในการรัน
ต่อวินาที ทั้งสองรุ่นอยู่ในละแวกเดียวกันที่ระดับ 720P ความแตกต่างของต้นทุนคือโครงสร้าง: คลิปที่เคย 15 วินาทีตอนนี้คือ 30 ดังนั้นชิ้นงานที่เสร็จแล้วจะประมาณสองเท่า
ตาราง 4: ลำดับคาอิจูเดียวกัน สี่วิธี
| การรัน | อัตรา | รวม |
|---|---|---|
| Wan 3.0, 30 วินาทีที่ 720P | ¥0.6 / วินาที | ¥18, ประมาณ $2.50 |
| Wan 3.0, 30 วินาทีที่ 1080P | ¥1.2 / วินาที | ¥36, ประมาณ $5.00 |
| Wan 2.7, 15 วินาทีที่ 720P | $0.10 / วินาที | $1.50 |
| Wan 2.7, 15 วินาทีที่ 1080P | $0.10 / วินาที พร้อมตัวคูณระดับ 1.5x | $2.25 |
| Wan 2.7, 15 วินาทีที่ 1440P-SR | แสดงราคาสดบนปุ่ม Run | แสดงราคาสด |
| สกิตโฆษณา AI ฟรี, 15 วินาที | ฟรี, 1 การสร้างต่อบัญชี | $0.00 |
ข้อควรระวังสองประการ ราคาเบต้าไม่ใช่ราคาเปิดให้บริการทั่วไป และ Alibaba กล่าวว่า API จะเปิดกว้างขึ้นในเร็ว ๆ นี้ ดังนั้นให้ถือว่าตัวเลข ¥ เป็นภาพรวมของเบต้าสาธารณะ ไม่ใช่อัตราที่ผูกมัด และในฝั่ง Atlas Cloud ให้อ่านราคาสดบนปุ่ม Run ก่อนยืนยันเสมอ เพราะตัวคูณความละเอียดถูกใช้ที่นั่น ไม่ใช่ในราคาหัวข้อ
Alibaba ยังตรงไปตรงมาอย่างผิดปกติเกี่ยวกับจุดที่ Wan 3.0 ยังอ่อนแอ โดยกล่าวว่าโมเดล "ยังมีพื้นที่สำหรับการปรับปรุงในด้านคุณภาพเสียงและความแม่นยำของข้อความ" ซึ่งตรงกับสิ่งที่ไฟล์แสดง: เสียงในเดโม่ทางการคือสเตอริโอ 44.1kHz แต่เข้ารหัสที่ 32 kb/s ปานกลาง ซึ่งใช้ได้สำหรับการแสดงตัวอย่างและบางสำหรับมาสเตอร์ที่ส่งมอบ
ใบอนุญาต Wan 3.0 เทียบกับ Wan 2.7: คุณสามารถส่งมอบอะไรได้จริง
เวอร์ชันสั้น และโปรดตรวจสอบกับข้อกำหนดปัจจุบันด้วยตัวเองก่อนวางอะไรต่อหน้าลูกค้า
Wan 3.0 อยู่ในเบต้าสาธารณะและข้อกำหนดทางการค้ายังไม่ได้รับการสรุป เพราะน้ำหนักไม่ได้ถูกปล่อย ไม่มีเส้นทางโฮสต์เองเลย อะไรก็ตามที่คุณสร้างต้องผ่าน API ของ Alibaba หรือพื้นผิวผู้บริโภค และคุณผูกพันตามข้อกำหนดเหล่านั้นในวันที่คุณสร้าง Wan 2.7 เป็นเรื่องเดียวกันเกี่ยวกับน้ำหนัก แต่มันอยู่ในโปรดักชันนานพอที่ข้อกำหนด API ของแพลตฟอร์มจะคงที่ ถ้าคุณรันผ่านแพลตฟอร์มบุคคลที่สาม สิทธิ์ทางการค้าของคุณมาจากข้อกำหนดบริการของแพลตฟอร์มนั้น ดังนั้นอ่านข้อกำหนดที่ใช้กับบัญชีของคุณจริง ๆ ไม่ว่าย่อหน้าไหนของทั้งสองนี้คือคำแนะนำทางกฎหมาย
คำถามที่พบบ่อย Wan 3.0 เทียบกับ Wan 2.7
Wan 3.0 เป็นโอเพนซอร์สหรือไม่? ฉันสามารถรันใน ComfyUI ได้ไหม?
ไม่ ณ เดือนสิงหาคม 2026 ไม่มีที่เก็บข้อมูล Wan 3.0 ภายใต้องค์กร Wan-AI บน Hugging Face และไม่มีบน Wan-Video GitHub เช่นกัน ตระกูล Wan ที่มีน้ำหนักเผยแพร่ล่าสุดคือ Wan 2.2 รวมถึงตัวแปร Animate และ S2V สำหรับกราฟ ComfyUI ในเครื่อง คุณยังคงใช้ 2.1 หรือ 2.2 Wan 3.0 เป็น API และเว็บเท่านั้น
ความละเอียด Wan 3.0 เทียบกับ Wan 2.7: Wan 3.0 สร้าง 4K จริงหรือไม่?
ไม่ รายการราคา API ที่เผยแพร่มีสามระดับความละเอียด: 480P, 720P และ 1080P โพสต์เปรียบเทียบที่แชร์กันอย่างกว้างขวางหลายอันอ้างว่า 4K เนทีฟและพวกมันผิด บนเพดานเอาต์พุตดิบ Wan 2.7 บน Atlas Cloud จริง ๆ แล้วสูงกว่าผ่านตัวเลือกซูเปอร์รีโซลูชัน 1080P-SR และ 1440P-SR
ฉันสามารถรับ 30 วินาทีจาก Wan 2.7 โดยการต่อคลิปได้ไหม?
ไม่ได้เป็นไฟล์ต่อเนื่องไฟล์เดียว โหมดต่อเนื่องต้องการคลิปต้นทาง 2 ถึง 10 วินาที ดังนั้นการสร้าง 15 วินาทีเต็มจึงไม่สามารถเป็นเมล็ดพันธุ์ได้ เอาต์พุตจะเข้ารหัสใหม่และตัดส่วนท้ายของสิ่งที่คุณป้อนเข้าไป และการต่อเนื่องแบบลูกโซ่มักจะวนกลับไปยังจังหวะเปิด เกิน 15 วินาทีคุณกำลังตัดต่อ ไม่ใช่สร้าง
Wan 3.0 เทียบกับ Wan 2.7: วันนี้ฉันสามารถรันแต่ละอันได้ที่ไหน?
Wan 3.0 อยู่ในเบต้าสาธารณะบนพื้นผิวของ Alibaba เอง: Alibaba Cloud Bailian, Wanjing Yike, เว็บไซต์ Wanxiang, ไคลเอ็นต์เดสก์ท็อป Qianwen Creation, IF STUDIO และ Duiyou โดยมีการเข้าถึงแบบเกรย์สเกลในแอป Qianwen ไม่มีแพลตฟอร์มอินเฟอเรนซ์ของบุคคลที่สามโฮสต์มันในขณะนี้ Wan 2.7 คือรุ่นที่คุณยังคงเรียกใช้โดยตรง ผ่านเอนด์พอยต์ข้อความเป็นวิดีโอ, ภาพเป็นวิดีโอ, อ้างอิงเป็นวิดีโอ และตัดต่อวิดีโอ
ราคา Wan 3.0 เทียบกับ Wan 2.7: อันไหนแพงกว่าต่อคลิปที่เสร็จแล้ว?
ต่อวินาทีที่ระดับ 720P พวกเขาใกล้เคียงกัน ต่อคลิปที่เสร็จแล้ว คาดว่าจะประมาณสองเท่า เพราะความยาวเอาต์พุตธรรมชาติเพิ่มขึ้นจาก 15 วินาทีเป็น 30 วางงบประมาณสำหรับการเปลี่ยนแปลงเวลาทำงานมากกว่าการเปลี่ยนแปลงอัตรา และจำไว้ว่าราคาเบต้าอาจไม่คงอยู่เมื่อเปิดให้บริการทั่วไป
ฉันต้องเขียนพร้อมท์ Wan 2.7 ใหม่สำหรับ Wan 3.0 หรือไม่?
ใช่ และการเขียนใหม่เป็นโครงสร้างมากกว่าคำศัพท์ พร้อมท์ Wan 2.7 อธิบายหนึ่งช็อตต่อเนื่องด้วยรายละเอียดที่เข้มข้น พร้อมท์ Wan 3.0 เป็นรายการช็อตที่มีการประทับเวลา บางครั้งมีย่อหน้าการให้คะแนนแยกต่างหาก และโมเดลจะอ่าน pdf หรือสไลด์เป็นอินพุตด้วย กฎทั่วไป: สำหรับ Wan 2.7 ให้เขียนหนึ่งย่อหน้าเกี่ยวกับหนึ่งช็อต; สำหรับ Wan 3.0 ให้เขียนรายละเอียดฉากที่มีหมายเลขพร้อมช่วงวินาที
