Cập nhật mới nhất: Wan 3.0 đã chính thức ra mắt từ ngày 24 tháng 8 năm 2026.
Tải lên một bảng tính. Nhận lại một video hoạt hình kinh doanh dài 23 giây có nhạc.
Đó là lời hứa của Wan 3.0 chuyển tài liệu thành video, tính năng đầu tiên của dòng sản phẩm hỗ trợ đầu vào tài liệu gốc, và bản demo chính thức đã thực hiện điều đó một cách chính xác hơn tôi mong đợi. Các con số đều đúng. $1.580 tăng lên $3.460, huy hiệu ghi +45,7%, và những con số đó truy xuất trực tiếp từ các ô cụ thể trong bảng nguồn.
Sau đó tôi kéo thanh phát tới giây thứ 12 và đọc chú thích biểu đồ.
"Southeasta North America."
Hai khu vực bán hàng bị ghép vào một từ không tồn tại. Đó chính là ranh giới thực tế của chuyển tài liệu thành video vào năm 2026: mô hình thực sự đọc được bảng của bạn, nhưng vẫn không thể vẽ biểu đồ của bạn. Dưới đây là bản kiểm tra từng khung hình mà chưa ai khác công bố, cùng với một quy trình ba bước bạn có thể thực hiện ngay trong chiều nay.
Những điểm chính
- Wan 3.0 chấp nhận 1 tệp hoặc 1 liên kết, tối đa 100MB hoặc 50 trang, và xuất ra tối đa 30 giây ở độ phân giải 1080p.
- Nó tạo ra một bộ phim từ tài liệu của bạn. Nó không biến slide 3 thành cảnh 3.
- Giá trị ô vẫn nguyên vẹn. Chú thích biểu đồ, vạch chia trục và dấu phân cách hàng nghìn thì không.
- Có giới hạn cứng: không có 4K, không có trọng số mở, chỉ có các kênh chính thức.
- Một mô hình ngữ cảnh dài kết hợp với mô hình video 15 giây có thể tái tạo hầu hết nội dung đó ngay hôm nay.
Đầu ra chuyển tài liệu thành video của Wan 3.0: bản demo xlsx chính thức được hiển thị dưới dạng phim dữ liệu hoạt hình kiểu Keynote
Trình diễn: Bản demo công khai beta chính thức của Wan 3.0 từ Alibaba, đầu vào một .xlsx về GMV hàng tháng, đầu ra 23 giây phim dữ liệu hoạt hình. Hiển thị ở đây dưới dạng GIF không âm thanh; tệp gốc có track AAC stereo 44,1kHz. Nguồn: Sổ tay hướng dẫn sáng tạo chính thức của Wan 3.0 từ Alibaba.
Wan 3.0 Chuyển Tài Liệu Thành Video Thực Sự Làm Gì
Phiên bản ngắn gọn, để bạn có thể rời đi sau một phút nếu đó là tất cả những gì bạn cần.
Bạn cung cấp một tài liệu hoặc một liên kết web. Nó đọc toàn bộ, quyết định câu chuyện là gì, và tạo ra một video có hình ảnh và âm thanh trong cùng một lượt. Tối đa 30 giây, tối đa 1080p. Nó không đi qua các trang của bạn theo thứ tự.
Dưới đây là các giới hạn thực sự chi phối một dự án.
| Thông số kỹ thuật | Đầu vào tài liệu của Wan 3.0 |
|---|---|
| Định dạng | doc, xls, ppt, pdf, txt, md, cộng với key / pages / numbers và một liên kết web thuần |
| Số lượng đầu vào mỗi lần | 1 tệp hoặc 1 liên kết (không phải cả hai, không phải nhiều) |
| Giới hạn kích thước | 100MB |
| Giới hạn trang | 50 trang |
| Đầu ra tối đa | 30 giây, một lượt liên tục duy nhất |
| Độ phân giải tối đa | 1080p (không có tầng 4K) |
| Âm thanh | được tạo ra trong cùng một lượt với hình ảnh |
| Trọng số mở | không có; Wan 2.2 vẫn là bản phát hành trọng số mở cuối cùng |
| Nơi lấy | Alibaba Cloud Model Studio (Bailian) và Qwen Cloud, yêu cầu truy cập |
Bản beta công khai đã mở cửa vào ngày 6 tháng 8 năm 2026 (AgentUpdate, tháng 8 năm 2026). Danh sách định dạng và hai bảng giá đã công bố đến từ một bản tổng hợp thông số kỹ thuật riêng (Ngram, tháng 8 năm 2026).
Sổ tay hướng dẫn chính thức cung cấp bốn trường hợp sử dụng tài liệu, và chúng ánh xạ rõ ràng vào bốn công việc mà mọi người đã trả tiền cho các đại lý:
- Tài liệu đề xuất thành phim thương hiệu. Một tài liệu chào hàng dưỡng da trở thành quảng cáo 30 giây với nữ diễn viên chính và câu chuyện ánh sáng buổi sáng.
- Bài giảng thành bài học video. Một bài viết bách khoa toàn thư trở thành lớp học hoạt hình cho học sinh lớp một.
- Bảng tính thành biểu đồ hoạt hình. Bản demo ở trên, và là bài khó nhất trong bốn bài.
- Báo cáo thành bản tóm tắt nói. Một báo cáo viết trở thành bài tóm tắt kiểu người thuyết trình.
Bây giờ là phần mà hầu hết các bài viết đều sai thể loại.
Các đối thủ cạnh tranh hiện tại trong lĩnh vực "PDF to video" không làm điều này. Kapwing's document-to-video trích xuất văn bản từ tệp của bạn và đặt nó lên một dòng thời gian, không xây dựng cảnh và không có người thuyết trình. Pictory và Powtoon lắp ráp cảnh quay có sẵn hoặc hoạt hình mẫu, và các trang sản phẩm của Powtoon quảng cáo hình đại diện AI và giọng nói đọc kịch bản của bạn. Cả ba đều tạo ra các slide có lời thuyết minh.
| Wan 3.0 | Kapwing Document to Video | Pictory | Powtoon Anything-to-Video | |
|---|---|---|---|---|
| Đầu ra là gì | một bộ phim được tạo ra | văn bản của bạn trên dòng thời gian | cảnh quay có sẵn cắt theo kịch bản | hoạt hình mẫu |
| Tạo ra hình ảnh mới | có, mọi khung hình | không | không, clip thư viện | không, tài sản mẫu |
| Người thuyết trình AI | không có theo mặc định | không | giọng nói tùy chọn | hình đại diện và giọng nói |
| Âm thanh | được tạo ra với hình ảnh | bạn thêm vào | Lồng tiếng TTS | Lồng tiếng TTS |
| Đầu ra liên tục dài nhất | 30s | độ dài dự án | độ dài dự án | độ dài dự án |
| Tính khả dụng | chỉ theo lời mời, bên thứ nhất | công khai | công khai | công khai |
Hãy đọc bảng đó hai lần, bởi vì đó là toàn bộ lập luận: đây không phải là đối thủ cạnh tranh trong cùng một danh mục. Một cái tạo ra các slide có lời thuyết minh. Cái kia tạo ra cảnh quay chưa từng tồn tại. So sánh chúng về giá mỗi phút cũng giống như so sánh máy photocopy với một đoàn làm phim.
Wan 3.0 có thể làm được việc tạo slide không? Có, và đó là lưu ý trung thực.
Ví dụ ngược lại: khi được yêu cầu biến một trang web về cơ học lượng tử thành một bài giải thích thú vị, Wan 3.0 đã tạo ra chính xác định dạng người thuyết trình cộng với chú thích mà các đối thủ cạnh tranh bán. Nó chạm tường 30 giây ở 30,02s. Bản demo beta công khai chính thức của Alibaba, có âm thanh.
Vì vậy, sự khác biệt không phải là Wan 3.0 không thể tạo ra các video giải thích kiểu người thuyết trình. Mà là với các đối thủ cạnh tranh, định dạng đó là thứ duy nhất có trong thực đơn.
Tại Sao Wan 3.0 Chuyển Tài Liệu Thành Video Làm Hỏng Biểu Đồ Nhưng Giữ Nguyên Số Liệu Của Bạn
Đây là điều hữu ích nhất trong bài viết này: Tôi đã lấy 12 khung hình cách đều nhau từ bản demo bảng tính chính thức và đọc từng ký tự.
Kết luận chia làm hai phần rõ ràng. Giá trị vượt qua. Đồ họa biểu đồ thất bại.
Những gì sống sót. Ở giây thứ 4, khung hình hiển thị $1,580, một mũi tên xám mảnh, $3,460, chú thích "Monthly GMV Growth", và một huy hiệu màu san hô ghi +45.7%. Kiểu chữ sạch sẽ, dấu phẩy đúng vị trí, không có ký tự sai. Lời nhắc đằng sau bản demo này trích dẫn các ô cụ thể trong bảng tính, và các con số trên màn hình khớp với chúng. Một thử nghiệm của bên thứ ba trên một bộ tài liệu sản phẩm 8 trang cũng tìm thấy điều tương tự: 45g, 12 giờ và 55 độ đều được hiển thị chính xác, và khẩu hiệu kết thúc không có một ký tự sai nào (AI-Driven Lab, tháng 8 năm 2026).
Điều đó trả lời câu hỏi mà các nhóm tài chính và L&D thực sự quan tâm. Các số liệu của bạn không tự động thay đổi.
Những gì bị hỏng. Các khung hình biểu đồ lại là một câu chuyện khác.
Kiểm tra khung hình video chuyển tài liệu thành video của Wan 3.0 hiển thị chú thích biểu đồ bị hợp nhất và trục y bị hỏng
Dừng tại giây thứ 12 trong bản demo chính thức. Ba lỗi trong một khung hình: hai tên khu vực bị hợp nhất thành "Southeasta North America", "North America" sau đó được lặp lại như một chuỗi riêng, và trục y hiển thị 30, 60, 70 trong khi nhãn dữ liệu trên cùng lại ghi $3,880.
Hãy đếm các lỗi trong một khung hình đó:
- Chú thích bị hợp nhất. "Southeast Asia" và "North America" va vào nhau thành "Southeasta North America". Sau đó "North America" xuất hiện lại như một chuỗi riêng, vì vậy một khu vực được gắn nhãn hai lần và một khu vực đã biến mất.
- Trục y không phải là một thang đo. Các vạch chia hiển thị 30, 60, 70. Khoảng cách pixel bằng nhau, giá trị không bằng nhau, và 40 và 50 đơn giản là bị thiếu.
- Trục và nhãn ở các đơn vị khác nhau. Đường lưới cao nhất là 70. Nhãn ghim vào điểm dữ liệu trên cùng lại ghi $3,880.
- Độ lớn trôi dạt dọc theo một đường. Các nhãn trên đường cong trên cùng bắt đầu ở $330 và $335, sau đó hạ cánh xuống $3,970 và $3,880. Một đường tăng dần mượt mà không thể có bước nhảy gấp mười lần giữa hai điểm liền kề. Hai nhãn ở giữa bị nhòe đến mức không thể đọc chắc chắn, đó là một câu trả lời theo cách riêng của nó.
Đoạn biểu đồ cột lặp lại mô hình. Bốn cột mang $1750, $1,580, $2,350 và $2,580, vì vậy cột ngắn nhất lại có số cao thứ hai, và nhãn đầu tiên mất dấu phẩy hàng nghìn trong khi ba nhãn kia vẫn giữ. Bên cạnh đó là năm con số tăng trưởng màu xanh lá cây cho bốn cột. Và đoạn hình tròn tập trung vào $89,7M, một dấu phẩy ở vị trí lẽ ra phải là dấu thập phân.
Hãy chú ý những điểm chung của tất cả những điều này. Không có cái nào là lỗi nội dung. Mỗi cái đều là lỗi vẽ: bố cục, ghi nhãn, tỷ lệ, dấu câu. Mô hình hiểu bảng tính và sau đó hiển thị biểu đồ theo cách mà một mô hình video hiển thị bất kỳ văn bản dày đặc nào, một cách xấp xỉ.
Có một lý do cấu trúc thứ hai khiến đầu ra trông không giống bản trình bày của bạn.
Làm phép tính. 50 trang là giới hạn trang, 30 giây là giới hạn thời lượng. Đó là 0,6 giây mỗi trang.
Bạn không thể trình bày một trang trong 0,6 giây, vì vậy mô hình làm điều hợp lý duy nhất và tạo ra một đoạn giới thiệu thay thế. Bài kiểm tra bộ tài liệu của bên thứ ba đó đã độc lập đi đến cùng một kết luận: nó coi bản trình bày như là tài liệu nguồn cho một quảng cáo điện ảnh, chứ không phải là các slide để lật qua. Khung kính mắt của sản phẩm trôi từ dày sang không viền sang hình dạng thứ ba qua các cảnh quay.
Đó cũng là lý do tại sao giới hạn 30 giây là một ràng buộc thiết kế, chứ không phải là một chú thích trong bảng thông số kỹ thuật.
Chúng tôi đã đo các tệp được gửi: bốn bản demo tài liệu chính thức có thời lượng 30,04s, 30,02s, 25,03s và 23,04s. Hai clip 30 giây dừng lại trong vòng bốn phần trăm giây của nhau. Và bản demo bảng tính được yêu cầu 22 giây, sau đó đã gửi 23,04. Chúng tôi đã phân tích giới hạn đó trong bản xem trước Wan 3.0.
Vì vậy: điều chỉnh kỳ vọng. Cung cấp cho nó một tài liệu, nhận lại một đoạn giới thiệu, giữ cho biểu đồ của bạn đơn giản.
Quy Trình Chuyển Tài Liệu Thành Video Bạn Có Thể Thực Hiện Ngay Hôm Nay
Kiểm tra thực tế nhanh trước khi hướng dẫn, bởi vì nó giúp bạn tiết kiệm một giờ tìm kiếm.
Đầu vào tài liệu của Wan 3.0 chỉ tồn tại trên các kênh riêng của Alibaba, quyền truy cập bị giới hạn theo lời mời, và các trọng số không được công bố. Không ai bên ngoài các kênh đó có thể cung cấp nó, kể cả chúng tôi. Những gì bạn có thể làm ngay hôm nay là xây dựng lại nửa hữu ích của bản demo xlsx đó với các mô hình đã sẵn sàng kinh doanh, và bản kiểm tra khung hình ở trên cho bạn biết chính xác cách tránh phần bị hỏng.
Ba bước, một tab trình duyệt trên Atlas Cloud:
- Một mô hình triệu token đọc tài liệu và viết một kịch bản cảnh có mã thời gian, với mỗi con số được nhúng dưới dạng chuỗi ký tự.
- Một mô hình hình ảnh hiển thị khung hình đầu tiên, đó là nơi tất cả độ chính xác văn bản được khóa chặt.
- Một mô hình video hoạt hình khung hình đó theo kịch bản.
| Bước | Mô hình | Giá niêm yết | Thời lượng tối đa | Tại sao nó ở đây |
|---|---|---|---|---|
| 1. Kịch bản | Qwen3.8 Max (/models/qwen/qwen3.8-max) | $2 đầu vào / $6 đầu ra trên 1M token | n/a | Ngữ cảnh 1M nuốt trọn một bộ tài liệu |
| 2. Khung hình đầu tiên | GPT Image 2 Text-to-Image | $0,009 mỗi ảnh (tối thiểu) | n/a | kết xuất văn bản mạnh nhất cho các chữ số trên màn hình |
| 3. Kết xuất | Wan 2.7 Image-to-Video | $0,1 mỗi giây | 15s | kiểm soát khung hình đầu tiên giữ cho kiểu chữ của bạn ổn định |
| Tùy chọn âm thanh | Wan 2.7 Text-to-Video | $0,1 mỗi giây | 15s | tạo nhạc và hiệu ứng âm thanh trong cùng một lượt, nhưng không nhận khung hình đầu tiên |
| Thay thế cho bước 3 | MiniMax H3 Text-to-Video | $0,1 mỗi giây | 15s | cùng mức giá, đặc điểm chuyển động khác |
| Thay thế cho bước 3 | Seedance 2.5 Text-to-Video | $0,134 mỗi giây | 30s | mô hình duy nhất ở đây đạt 30s trong một lượt |
Ba giới hạn trung thực trên chuỗi này. Nó không ăn được tệp nhị phân .pptx, vì vậy bạn tự dán văn bản hoặc CSV. Wan 2.7 tối đa ở 15 giây, vì vậy một cảnh quay 30 giây duy nhất là không khả thi. Và đường dẫn image-to-video im lặng theo thiết kế: tham số audio của nó chấp nhận một track bạn cung cấp để điều khiển khớp môi, nó không tự tạo ra nhạc nền. Nếu bạn muốn âm thanh được tạo ra trong cùng một lượt, bạn sử dụng nhánh text-to-video và từ bỏ kiểm soát khung hình đầu tiên, điều này đối với một video đầy các con số đô la là một sự đánh đổi sai. Giá đã được xác minh trên các trang mô hình vào ngày 20 tháng 8 năm 2026 và lưu ý rằng giá niêm yết là mức tối thiểu: các tầng chất lượng và độ phân giải đẩy báo giá thực tế lên cao, vì vậy hãy đọc nút Chạy trước khi bạn cam kết.
Hãy xây dựng nó.
Để chạy thử nghiệm trực tuyến hiện tại, hãy mở Wan 3.0 trên Atlas Cloud và thử một lời nhắc như bên dưới trước khi bạn công bố quy trình làm việc.
Ảnh chụp màn hình lời nhắc đến kết quả của Wan 3.0: Kiểm tra tài liệu thành video.
Bước 1: Biến Bảng Tính Của Bạn Thành Kịch Bản Cảnh Có Mã Thời Gian
Các mô hình video không nhớ số. Chúng hiển thị bất kỳ chuỗi nào bạn cung cấp cho chúng. Vì vậy, công việc của bước này là chuyển đổi một bảng thành các hướng dẫn cảnh quay trong đó mọi con số đã được viết sẵn dưới dạng văn bản trong dấu ngoặc kép.
Dán bảng tính của bạn vào giữa các dấu <<<. Cài đặt: nhiệt độ 0.3, max_tokens 4000. Giữ max_tokens lớn, bởi vì một mô hình có khả năng suy luận hết ngân sách giữa chừng sẽ trả về một câu trả lời trống mà bạn vẫn phải trả tiền.
text1Bạn là một đạo diễn đồ họa chuyển động. Dưới đây là một bảng tính thô được xuất ra. 2 3<<< 4Tháng,Bắc Mỹ,Đông Nam Á,Châu Âu,Tổng GMV 5Th1,1580,880,640,3100 6Th2,2110,1240,900,4250 7Th3,2740,1610,1150,5500 8Th4,3120,1980,1330,6430 9Th5,3350,2240,1460,7050 10Th6,3460,2480,1580,7520 11Tăng trưởng H1,+45.7%,,, 12>>> 13 14Viết một kịch bản cảnh cho một video dữ liệu kinh doanh dài 10 giây, tỷ lệ 16:9, phong cách Apple-Keynote. Các quy tắc: 151. Chính xác 2 cảnh. Đưa cho mỗi cảnh một mã thời gian vào/ra (00:00-00:05, 00:05-00:10). 162. Mọi con số xuất hiện trên màn hình phải được viết trong mô tả cảnh dưới dạng một chuỗi ký tự chính xác, trong dấu ngoặc kép, ví dụ: "$1,580". Không bao giờ viết "con số tháng 1" - hãy viết các chữ số. 173. KHÔNG yêu cầu chú thích, trục có nhãn vạch chia, hoặc nhiều hơn hai chuỗi dữ liệu trên màn hình cùng lúc. Thay vào đó, hãy sử dụng các chữ số lớn độc lập và một huy hiệu hình viên thuốc màu san hô. 184. Nền trắng tinh khiết, bảng màu san hô nhạt + xám đậm, sans-serif. 195. Kết thúc bằng một dòng hướng dẫn BGM + SFX (tiếng vù trên slide-in, một tiếng chuông trên huy hiệu). 20Chỉ xuất ra kịch bản, không có bình luận. 21
Quy tắc 3 là phần thưởng từ bản kiểm tra. Đầu ra chính thức bị hỏng ở chính xác ba thứ: chú thích, vạch chia trục và biểu đồ nhiều chuỗi. Vì vậy, chúng tôi xóa cả ba khỏi tóm tắt và dành không gian màn hình đó cho các chữ số quá khổ và một huy hiệu mã màu thay thế. Cùng một thông tin, không có bề mặt thất bại nào.
Quy tắc 2 là quy tắc mọi người bỏ qua, và đó là lý do các chữ số tồn tại đến cuối chuỗi này. Một mô tả cảnh nói "con số tháng 1" trao số đó trở lại cho một mô hình phải phát minh ra các ký tự cho nó. Một mô tả cảnh nói "$1,580" trong dấu ngoặc kép cung cấp cho hai bước tiếp theo một chuỗi để sao chép. Ở đây bạn không yêu cầu trực quan hóa dữ liệu, bạn yêu cầu một hướng dẫn gõ chữ.
Kết quả là một kịch bản hai cảnh với mã thời gian vào và ra, mọi con số trên màn hình được trích dẫn dưới dạng ký tự, và một dòng BGM và SFX kết thúc. Giữ nó trong một tệp nháp; bước 2 và 3 đều đọc từ nó.
Bước 2: Tạo Khung Hình Đầu Tiên Của Thương Hiệu
Mọi ký tự của văn bản trên màn hình được quyết định ở đây. Một mô hình hình ảnh ở chất lượng cao hiển thị $1,580 chính xác hơn nhiều so với một mô hình video có thể viết nó trong khi cũng di chuyển nó, vì vậy chúng tôi giải quyết kiểu chữ trong một hình ảnh tĩnh và để bước 3 chỉ đẩy các pixel xung quanh.
Mở GPT Image 2 và đặt chất lượng thành cao và kích thước thành tùy chọn 16:9, trên trang này là 2048x1152. Khớp tỷ lệ khung hình với video bạn sắp tạo, nếu không bước 3 sẽ bắt đầu bằng cách cắt xén kiểu chữ của bạn.
text1Một khung hình trình bày phong cách Apple-Keynote nguyên sơ trên nền trắng tinh khiết liền mạch, được chụp ảnh như thể chiếu trên một bức tường studio mờ. Tiêu đề căn giữa bằng chữ sans-serif hình học màu than đậm đọc "H1 2026", đặt trong khoảng không gian âm rộng rãi. Bên dưới, hai chữ số quá khổ cùng kiểu chữ, "$1,580" ở bên trái và "$3,460" ở bên phải, được ngăn cách bởi một mũi tên mảnh màu xám nhạt. Bên dưới mũi tên, văn bản chú thích nhỏ màu xám nhạt đọc "Monthly GMV Growth". Bên dưới đó, một huy hiệu hình viên thuốc màu san hô duy nhất với văn bản trắng đọc "+45.7%". Ánh sáng khuếch tán đồng đều, nhẹ nhàng, gradient ấm mờ ở góc trên cùng bên phải, hạt giấy tinh tế, không lộn xộn, không logo, không biểu đồ. Chủ nghĩa tối giản doanh nghiệp cực kỳ sạch sẽ, 16:9. 2
Hai chi tiết đáng để sao chép. "Không có biểu đồ" được đưa vào có chủ đích. Và đọc báo giá trên nút Chạy trước khi bạn nhấn nó, bởi vì chất lượng cao trên khung hình 2K rộng có giá gấp nhiều lần con số 0,009 đô la trong danh sách.
Sân chơi GPT Image 2 trên Atlas Cloud với lời nhắc khung hình đầu tiên và khung hình kiểu Keynote được hiển thị hiển thị mọi con số được viết đúng chính tả
GPT Image 2 ở chất lượng cao, 16:9 ở 2048x1152. Mọi con số đều đúng: "H1 2026", "$1,580", "$3,460" và huy hiệu "+45.7%" màu san hô, đó chính xác là lý do tại sao kiểu chữ được giải quyết trong một hình ảnh tĩnh chứ không phải trong một mô hình video.
Bước 3: Kết Xuất Clip Chuyển Tài Liệu Thành Video và Xác Minh Mọi Chữ Số
Bước cuối cùng. Tải hình ảnh từ bước 2 làm khung hình đầu tiên và để mô hình video hoạt hình nó trong khi giữ nguyên kiểu chữ.
Mở Wan 2.7 Image-to-Video. Cài đặt: khung hình đầu tiên của bạn đã tải lên, độ phân giải 1080P, thời lượng 10s. Để trống trường âm thanh, vì mô hình này coi âm thanh là đầu vào điều khiển chứ không phải là thứ nó tạo ra. Bạn sẽ tự thêm nhạc nền cho clip này, hoặc trong một lượt text-to-video riêng.
text1Hoạt hình khung hình này dưới dạng video dữ liệu kinh doanh dài 10 giây, phong cách Apple-Keynote, giữ nguyên kiểu chữ hiện có ổn định pixel. 2 300:00-00:05 - Tiêu đề "H1 2026" giữ nguyên, sau đó tan biến thành các hạt vàng trôi ra ngoài. Hai chữ số "$1,580" và "$3,460" trượt vào từ trái và phải và khóa vào vị trí; mũi tên xám mảnh tự vẽ từ trái sang phải giữa chúng. Huy hiệu màu san hô đọc "+45.7%" bật lên từ bên dưới với một chút vọt lố, đồng bộ với một tiếng chuông đơn rõ ràng. 4 500:05-00:10 - Mọi thứ trượt mượt mà sang trái. Ba thanh tròn dày mọc lên từ một đường cơ sở chung trên cùng nền trắng tinh khiết, màu san hô, xanh mòng két và hổ phách, với một chữ số độc lập lớn phía trên mỗi thanh: "$3,460", "$2,480", "$1,580". Không có chú thích, không có trục, không có nhãn vạch chia, không có đường lưới. Camera giữ nguyên và hoàn toàn tĩnh trong suốt. 6
"Giữ nguyên kiểu chữ hiện có ổn định pixel" và "camera giữ nguyên" đang thực hiện công việc thực sự. Mọi chuyển động camera đều là một cơ hội khác để mô hình vẽ lại văn bản mà nó nên để yên.
Sau đó làm phần nhàm chán nhưng quan trọng: tạm dừng trên mỗi khung hình nơi một con số xuất hiện và đọc nó so với hàng nguồn. Đó là một kiểm tra 30 giây, và đó là điều duy nhất ngăn cách bạn với một video tự tin hiển thị sai số liệu doanh thu.
Sân chơi Wan 2.7 Image-to-Video trên Atlas Cloud với khung hình đầu tiên đã tải và clip dữ liệu đã hoàn thành được hiển thị
Wan 2.7 Image-to-Video ở 1080P với khung hình đầu tiên từ bước 2 đã tải lên và clip hoàn thành trong bảng đầu ra. Đáng chú ý là bảng hiển thị gì: chúng tôi yêu cầu 10 giây, trường thời lượng hiển thị 10, và kết quả kết xuất trả về 5. Báo giá Chạy đã nói với chúng tôi điều đó trước khi tệp làm, đó là toàn bộ lý do để đọc nó.
Clip dữ liệu hoàn thành được xây dựng lại từ cùng một bảng tính GMV, mọi con số còn nguyên vẹn
Phần thưởng: cùng một bảng tính, được xây dựng lại với các chú thích và vạch chia trục được cố tình thiết kế loại bỏ. Mô hình đã nén cả hai cảnh theo kịch bản vào năm giây mà nó thực sự kết xuất, và mọi con số đều sống sót sau khi di chuyển: "$1,580" và "$3,460" ở phần mở đầu, sau đó "$3,460", "$2,480" và "$1,580" trên ba thanh. Không có nhãn bị hỏng, bởi vì không có nhãn nào để hỏng. Im lặng theo thiết kế, vì đường dẫn image-to-video không tạo ra điểm số nào cho bạn.
Các Biến Thể Chuyển Tài Liệu Thành Video và Chi Phí Cho Một Phút Hoàn Chỉnh
Trường hợp bảng tính là khó nhất. Ba trường hợp sử dụng chính thức khác dễ dàng hơn, và chúng là nơi tập trung hầu hết giá trị thương mại.
Bài giảng. Cung cấp cho nó một bài viết bách khoa toàn thư và yêu cầu một bài học ở một cấp độ đọc cụ thể. Đầu ra dưới đây là một lớp học hoạt hình phong cách chibi về nhà thơ Wang Wei, dài 25,03 giây.
Phong cách vẽ được giữ nguyên trong suốt. Các chi tiết nhân vật thì không. Ở giây thứ 3, anh ta đội mũ đen trên nền trắng; đến giây thứ 22, mũ đã chuyển sang xanh lam nhạt và anh ta đang đứng bên trong một bức tranh cuộn cổ điển. Cùng một sự trôi dạt mà người kiểm tra bộ tài liệu đã thấy trong các khung kính đó. Nếu bạn xây dựng lại điều này trên chuỗi ba bước, hãy khóa một thẻ nhân vật trong bước 1 và sử dụng lại khung hình từ bước 2 làm điểm neo phong cách của bạn.
Bài viết bách khoa toàn thư thành một bài học hoạt hình lớp một, 25,03s với âm thanh được tạo. Bản demo beta công khai chính thức của Alibaba Wan 3.0.
Phim thương hiệu. Một tài liệu đề xuất trở thành một quảng cáo 30 giây hoàn chỉnh. Nó là bản demo đẹp nhất trong bốn bản và ít có thể kiểm chứng nhất, vì bạn không thể thấy tài liệu nguồn nói gì. Hãy xem xét tính nhất quán hơn là vẻ đẹp: đây là chế độ thất bại đã bắt được người kiểm tra bên thứ ba, người có sản phẩm đã thay đổi hình dạng ba lần trong một clip.
_
Tài liệu đề xuất thành phim thương hiệu dưỡng da 30,04s. Bản demo beta công khai chính thức của Alibaba Wan 3.0, có âm thanh.
Tóm tắt báo cáo. Không có bản demo chính thức nào cho trường hợp này, vì vậy hãy coi mô hình là chưa được kiểm tra: yêu cầu một người thuyết trình, một tuyên bố mỗi cảnh, và đặt mọi con số trong dấu ngoặc kép chính xác như trong bước 1.
Bây giờ là vấn đề tiền bạc.
| Cái gì | Tỷ lệ | 30 giây video hoàn chỉnh |
|---|---|---|
| Wan 3.0, 1080p (bảng giá RMB) | ¥1,2 mỗi giây | ¥36 |
| Wan 3.0, 1080p (bảng giá USD) | $0,20 mỗi giây | $6,00 |
| Wan 3.0, 720p (bảng giá RMB) | ¥0,6 mỗi giây | ¥18 |
| Chuỗi ba bước, một lượt | kịch bản + khung hình + $0,1/s kết xuất | khoảng $1,20 cho 10s |
| Chuỗi ba bước, 3 lần thử | kịch bản tái sử dụng, khung hình và kết xuất lặp lại | khoảng $3,50 |
Hai bảng giá Wan 3.0 đã công bố không thống nhất về việc 1080p là ¥1,2 hay $0,20 mỗi giây, đây không phải là cùng một con số. Hãy kiểm tra tỷ lệ trên điểm cuối mà bạn thực sự bị tính phí trước khi bạn lập ngân sách cho một loạt.
Chi phí ẩn không phải là tỷ lệ mỗi giây. Đó là việc chạy lại. Đầu vào tài liệu nhận một tệp mỗi lần, vì vậy việc thay đổi một con số duy nhất có nghĩa là tạo lại toàn bộ video. Trong chuỗi ba bước, kịch bản cảnh là một tạo tác văn bản có thể tái sử dụng, vì vậy một thay đổi số chỉ tốn cho bạn một lần kết xuất thay vì một lần chạy đầy đủ. Trong một chu kỳ báo cáo hàng quý, sự khác biệt đó làm lu mờ giá mỗi giây.
Một lưu ý pháp lý trước khi bạn tải lên bất cứ thứ gì. Một tài liệu bạn gửi đến một mô hình được lưu trữ là một tài liệu rời khỏi tòa nhà của bạn, và các bản trình bày nội bộ và số liệu tài chính chưa công bố thường có một chính sách đi kèm. Hãy kiểm tra nó trước khi áp lực thời hạn đến, không phải sau đó. Và mọi clip demo chính thức trong bài viết này thuộc về Alibaba, được trích dẫn ở đây như là tài liệu beta công khai; không có gì ở đây là giấy phép để sử dụng lại chúng cho mục đích thương mại.
Câu Hỏi Thường Gặp Về Wan 3.0 Chuyển Tài Liệu Thành Video
Wan 3.0 chuyển tài liệu thành video chấp nhận những loại tệp nào và kích thước bao nhiêu?
doc, xls, ppt, pdf, txt và md, cùng với key, pages và numbers cũng được báo cáo, cộng với một liên kết web thay vì tệp. Một tệp hoặc một liên kết mỗi lần, tối đa 100MB hoặc 50 trang.
Wan 3.0 có biến mỗi slide thành một cảnh không?
Không, và đây là sự hiểu lầm phổ biến nhất. Nó đọc toàn bộ tài liệu, sau đó đạo diễn một video từ những gì nó học được. Ở giới hạn, đó là 50 trang trong 30 giây, hoặc 0,6 giây mỗi trang, vì vậy nó tạo ra một đoạn giới thiệu chứ không phải là một trang lật. Cả các trường hợp sử dụng chính thức và thử nghiệm độc lập đều chỉ ra cùng một hướng.
Các số từ bảng tính của tôi có chính xác trong video không?
Các giá trị ô được giữ nguyên trong mọi trường hợp tôi kiểm tra, bao gồm $1,580, $3,460 và +45,7% trong bản demo chính thức. Những gì thất bại là đồ họa biểu đồ: chú thích bị hợp nhất, vạch chia trục không tuyến tính, và dấu phân cách hàng nghìn biến mất. Hãy nhúng mọi con số dưới dạng ký tự được trích dẫn và thiết kế loại bỏ hoàn toàn chú thích và nhãn vạch chia khỏi tóm tắt.
Tôi có thể sử dụng Wan 3.0 chuyển tài liệu thành video qua API ngay hôm nay không?
Chỉ thông qua các kênh riêng của Alibaba, hiện đang bị giới hạn theo lời mời, và các trọng số không được công bố. Wan 2.2 vẫn là bản phát hành trọng số mở cuối cùng trong dòng. Cho đến khi điều đó thay đổi, chuỗi ba bước ở trên là giải pháp thay thế thực tế.
Một video Wan 3.0 dài 30 giây có giá bao nhiêu?
Ở tỷ lệ 1080p đã công bố, đó là ¥36, hoặc $6,00 trên bảng giá quốc tế, cho một clip 30 giây. Hãy lập ngân sách cho các lần chạy lại thay vì cho một lượt duy nhất, bởi vì việc sửa một con số có nghĩa là tạo lại toàn bộ.
Thứ gì gần giống với Wan 3.0 chuyển tài liệu thành video nhất mà tôi có thể chạy ngay bây giờ?
Một mô hình ngữ cảnh dài để viết kịch bản cảnh, sau đó Wan 2.7 ở mức $0,1 mỗi giây cho kết xuất, với MiniMax H3 ở cùng mức giá hoặc Seedance 2.5 ở mức $0,134 mỗi giây làm các lựa chọn thay thế. Bạn có được giao diện cảnh quay được tạo và văn bản chính xác theo khung hình. Những gì bạn không có: 30 giây trong một cảnh quay liên tục, âm thanh trong cùng một lượt với kết xuất image-to-video, hoặc một mô hình đọc tệp .pptx cho bạn.
Bản tóm tắt trung thực: Wan 3.0 chuyển tài liệu thành video là một khả năng thực sự với một giới hạn thực sự, và khoảng cách giữa đầu ra của nó và của bạn nhỏ hơn vẻ ngoài, miễn là bạn ngừng yêu cầu một trong hai vẽ một chú thích.
