Wan 3.0 Tài liệu thành Video: Tôi đã kiểm tra từng khung hình

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 document to video, tính năng nhập tài liệu gốc đầu tiên trong dòng sản phẩm, và bản demo chính thức đã thực hiện đúng như lời hứa, thậm chí còn chi tiết hơn tôi mong đợi. Các con số rất chính xác. 1.580 đô la tăng lên 3.460 đô la, huy hiệu hiển thị +45,7%, và những con số đó bắt nguồn trực tiếp từ các ô cụ thể trong bảng nguồn.

Sau đó, tôi kéo đầu phát đến giây thứ 12 và đọc chú giải biểu đồ.

"Southeasta North America."

Hai khu vực bán hàng bị ép vào một từ không tồn tại. Đó là ranh giới thực sự của công nghệ document-to-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 công bố, cùng với một quy trình ba bước bạn có thể thực hiện ngay 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 đạo diễn một bộ phim từ tài liệu của bạn. Nó không biến slide 3 thành cảnh 3.
• Giá trị ô được giữ nguyên. Chú giải 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 kênh độc quyền.
• 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 của Wan 3.0 document to video: bản demo xlsx chính thức được hiển thị dưới dạng phim dữ liệu hoạt hình theo phong cách Keynote

Trình diễn: bản demo công khai beta chính thức của Alibaba Wan 3.0, một tệp .xlsx về GMV hàng tháng đầu vào, 23 giây phim dữ liệu hoạt hình đầu ra. Được hiển thị ở đây dưới dạng GIF không âm thanh; tệp gốc có bản nhạc AAC stereo 44,1kHz. Nguồn: Sổ tay hướng dẫn sáng tạo Wan 3.0 chính thức của Alibaba.

Wan 3.0 Document to 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 đưa cho nó một tài liệu hoặc một liên kết web. Nó đọc toàn bộ nội dung, quyết định câu chuyện là gì, và tạo ra một video có hình ảnh và âm thanh trong cùng một lần xử lý. 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.

Bản beta công khai được mở 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 tương ứng trực tiếp với bốn công việc mà mọi người đã trả tiền cho các đại lý:

• Tài liệu đề xuất thành phim thương hiệu. Một tài liệu thuyết trình chăm sóc da trở thành quảng cáo 30 giây với một nữ diễn viên chính và câu chuyện ánh sáng ban mai.
• Bài giảng thành video bài học. Một bài báo bách khoa toàn thư trở thành một lớp học hoạt hình cho học sinh lớp một.
• Bảng tính thành biểu đồ hoạt hình. Bản demo ở trên, và cho đến nay là khó nhất trong bốn trường hợp.
• Báo cáo thành tóm tắt có lời thoại. Một báo cáo viết trở thành một bản tóm tắt theo phong cách người thuyết trình.

Bây giờ là lúc hầu hết các bài viết sai về thể loại.

Các đối thủ cạnh tranh trong mảng "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.

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 thể loại. Một cái tạo ra các trình chiếu 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 một máy photocopy với một đoàn làm phim.

Wan 3.0 có thể làm kiểu trình chiếu slide không? Có, và đó là lời cảnh báo trung thực.

Ví dụ ngược: khi được yêu cầu biến một trang web về cơ học lượng tử thành một video 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 nói. Mà là với các đối thủ cạnh tranh, định dạng đó là thứ duy nhất trong thực đơn.

Tại Sao Wan 3.0 Document to Video Làm Hỏng Biểu Đồ Nhưng Giữ Nguyên Số Liệu Của Bạn

Đây là thứ 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 quả được chia làm hai phần rõ ràng. Giá trị thì đúng. Đồ đạc trên biểu đồ thì sai.

Những gì sống sót. Ở giây thứ 4, khung hình hiển thị $1,580, một mũi tên xám mảnh, $3,460, chú thích "Tăng trưởng GMV hàng tháng", và một huy hiệu màu san hô ghi +45,7%. Kiểu chữ sạch sẽ, dấu phẩy đúng chỗ, không có ký tự bị lỗi. 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 cho 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 bị thay đổi.

Những gì bị hỏng. Các khung hình biểu đồ là một câu chuyện khác.

Kiểm tra khung hình Wan 3.0 document to video cho thấy chú giải biểu đồ bị hợp nhất và trục y bị hỏng

Dừng ở giây 12 trong bản demo chính thức. Ba lỗi trong một khung hình: hai tên vùng 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 ghi $3,880.

Đếm các lỗi trong một khung hình đó:

1. Chú giải bị hợp nhất. "Đông Nam Á" và "Bắc Mỹ" va vào nhau thành "Southeasta North America". Sau đó "North America" lại xuất hiện như một chuỗi riêng, vì vậy một vùng được gắn nhãn hai lần và một vùng đã biến mất.
2. Trục y không phải là thang đo. Các vạch chia ghi 30, 60, 70. Khoảng cách pixel bằng nhau, giá trị không bằng nhau, và 40 và 50 đơn giản là bị thiếu.
3. Trục và nhãn ở các đơn vị khác nhau. Đường lưới cao nhất là 70. Nhãn gắn vào điểm dữ liệu trên cùng ghi $3,880.
4. 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 ở $3,970 và $3,880. Một đường thẳng tăng dần không thể có một 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 của riêng nó.

Phân đoạn biểu đồ thanh lặp lại mô hình. Bốn thanh mang $1750, $1,580, $2,350 và $2,580, vì vậy thanh ngắn nhất giữ số cao thứ hai, và nhãn đầu tiên mất dấu phẩy hàng nghìn trong khi ba nhãn kia giữ nguyên. Bên cạnh nó là năm con số tăng trưởng màu xanh lá cây cho bốn thanh. Và phân đoạn hình tròn tập trung vào $89,7M, một dấu phẩy thay vì dấu thập phân.

Hãy chú ý điểm chung của tất cả những điều này. Không có cái nào là lỗi nội dung. Mỗi cái đều là lỗi vẽ: bố cục, gắn 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 gần đúng.

Có một lý do cấu trúc thứ hai khiến đầu ra trông không giống bản trình bày của bạn.

Hãy 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 một đoạn giới thiệu thay thế. Thử nghiệm bộ tài liệu của bên thứ ba đó đã độc lập đưa ra kết luận tương tự: 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, không phải là một chú thích thông số kỹ thuật.

Chúng tôi đã đo các tệp được gửi: bốn bản demo tài liệu chính thức kết thúc ở 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 gửi 23,04. Chúng tôi đã phân tích giới hạn đó trong bản xem trước Wan 3.0.

Vì vậy: đã 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 Document to Video Bạn Có Thể Chạy Ngay Hôm Nay

Kiểm tra thực tế nhanh trước khi hướng dẫn, vì nó tiết kiệm cho bạn một giờ tìm kiếm.

Đầu vào tài liệu của Wan 3.0 chỉ tồn tại trên các kênh riêng của Alibaba, quyền truy cập yêu cầu 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 một nửa hữu ích của bản demo xlsx đó với các mô hình đã mở cửa cho 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:

1. Một mô hình triệu token đọc tài liệu và viết một kịch bản cảnh quay có mã thời gian, với mọi con số được nhúng dưới dạng chuỗi ký tự.
2. Một mô hình hình ảnh hiển thị khung hình đầu tiên, đây là nơi tất cả độ chính xác văn bản được khóa lại.
3. Một mô hình video làm hoạt hình khung hình đó theo kịch bản.

Ba giới hạn trung thực trên chuỗi này. Nó không ăn một tệp nhị phân .pptx, vì vậy bạn phải 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 thể. Và đường dẫn image-to-video không có âm thanh theo thiết kế: tham số audio của nó nhận một bản nhạc bạn cung cấp để điều khiển khớp môi, nó không phát minh ra nhạc nền. Nếu bạn muốn âm thanh được tạo trong cùng một lần, 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 cấp độ chất lượng và độ phân giải đẩy giá thực tế lên cao, vì vậy hãy đọc nút Run trước khi bạn cam kết.

Hãy xây dựng nó.

Bước 1: Biến Bảng Tính Của Bạn Thành Kịch Bản Cảnh Quay Có Mã Thời Gian

Các mô hình video không nhớ số. Chúng hiển thị bất kỳ chuỗi nào bạn cung cấp. Vì vậy, công việc của bước này là chuyển đổi một bảng thành các hướng dẫn cảnh quay, nơi mọi con số đã được viết sẵn dưới dạng văn bản trong dấu ngoặc kép.

Dán bảng tính của bạn giữa các dấu <<<. Cài đặt: temperature 0,3, max_tokens 4000. Giữ max_tokens ở mức hào phóng, 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.

textCopy
1Bạn là một đạo diễn đồ họa chuyển động. Dưới đây là một bảng tính xuất thô.
2
3<<<
4Tháng,Bắc Mỹ,Đông Nam Á,Châu Âu,Tổng GMV
5Tháng 1,1580,880,640,3100
6Tháng 2,2110,1240,900,4250
7Tháng 3,2740,1610,1150,5500
8Tháng 4,3120,1980,1330,6430
9Tháng 5,3350,2240,1460,7050
10Tháng 6,3460,2480,1580,7520
11Tăng trưởng H1,+45.7%,,,
12>>>
13
14Viết một kịch bản cảnh quay cho một video dữ liệu kinh doanh dài 10 giây, tỷ lệ 16:9, phong cách Apple Keynote. Quy tắc:
151. Chính xác 2 cảnh quay. Cung cấp cho mỗi cảnh 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 quay dưới dạng một chuỗi ký tự chính xác, trong dấu ngoặc kép, ví dụ: "$1,580". Không bao giờ viết "con số tháng Giêng" - hãy viết các chữ số.
173. KHÔNG yêu cầu chú giải, trục có nhãn vạch chia hoặc nhiều hơn hai chuỗi dữ liệu trên màn hình cùng một lúc. Sử dụng các chữ số lớn độc lập và một huy hiệu hình viên thuốc màu san hô thay thế.
184. Nền trắng tinh khiết, bảng màu san hô nhạt + xám đậm, không chân.
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 quá trình kiểm tra. Đầu ra chính thức bị hỏng ở chính xác ba thứ: chú giải, 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.

Quy tắc 2 là quy tắc mà mọi người bỏ qua, và đó là lý do các chữ số sống sót đến cuối chuỗi này. Một mô tả cảnh quay nói "con số tháng Giêng" sẽ trả con số trở lại cho một mô hình phải phát minh ra các ký tự cho nó. Một mô tả cảnh quay nói "$1,580" trong dấu ngoặc kép sẽ cung cấp cho hai bước tiếp theo một chuỗi để sao chép. Bạn không yêu cầu trực quan hóa dữ liệu ở đây, bạn đang yêu cầu một hướng dẫn gõ.

Những gì trả về là một kịch bản hai cảnh quay 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 văn bản trên màn hình được quyết định ở đây. Một mô hình hình ảnh ở chất lượng cao hiển thị $1,580 một cách chính xác đáng tin cậy 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.

textCopy
1Một khung hình trình bày theo phong cách Apple Keynote nguyên sơ trên nền trắng tinh khiết liền mạch, được chụp ảnh như thể chiếu trên một bức tường phòng thu mờ. Tiêu đề căn giữa bằng phông chữ sans-serif hình học than chì đậm ghi "H1 2026", được đặt trong không gian âm bản 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 xám nhạt mảnh. Dưới mũi tên, văn bản chú thích nhỏ màu xám nhạt ghi "Monthly GMV Growth". Bên dưới đó, một huy hiệu hình viên thuốc màu san hô duy nhất với văn bản màu trắng ghi "+45.7%". Ánh sáng khuếch tán đều mềm mại, gradient ấm nhạt ở góc trên bên phải, vân giấy tinh tế, không lộn xộn, không logo, không biểu đồ. Chủ nghĩa tối giản doanh nghiệp siêu sạch, 16:9.
2

Hai chi tiết đáng sao chép. "Không có biểu đồ" được đưa vào có chủ đích. Và đọc báo giá trên nút Run trước khi bạn nhấn nó, bởi vì chất lượng cao trên khung hình 2K rộng có giá gấp nhiều lần con số $0,009 niêm yết.

Sân chơi GPT Image 2 trên Atlas Cloud với lời nhắc khung hình đầu tiên và khung hình theo phong cách 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 chính xác: "H1 2026", "$1,580", "$3,460" và huy hiệu màu san hô "+45.7%", 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 Video Document to Video và Xác Minh Từng Chữ Số

Bước cuối cùng. Tải hình ảnh bước 2 làm khung hình đầu tiên và để mô hình video làm hoạt hình nó trong khi giữ nguyên kiểu chữ.

Mở Wan 2.7 Image-to-Video. Cài đặt: tải khung hình đầu tiên của bạn 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 thứ nó tự tạo. Bạn sẽ tự thêm nhạc nền cho clip này hoặc trong một lần xử lý text-to-video riêng.

textCopy
1Làm hoạt hình khung hình này như một video dữ liệu kinh doanh dài 10 giây theo phong cách Apple Keynote, giữ nguyên kiểu chữ hiện có ổn định ở mức 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 vẽ chính nó giữa chúng từ trái sang phải. Huy hiệu màu san hô ghi "+45.7%" bật lên từ bên dưới với một chút vọt lố, được đồng bộ hóa với một tiếng chuông rõ ràng duy nhất.
4
500:05-00:10 - Mọi thứ trượt nhẹ nhàng sang bên 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 giải, không có trục, không có nhãn vạch chia, không có đường lưới. Máy quay giữ nguyên và hoàn toàn tĩnh trong suốt thời gian.
6

"Giữ nguyên kiểu chữ hiện có ổn định ở mức pixel" và "máy quay giữ nguyên" đang thực hiện công việc thực sự. Mọi chuyển động máy quay là một cơ hội khác để mô hình vẽ lại văn bản mà nó đáng lẽ phải để yên.

Sau đó, làm phần quan trọng nhàm chán: dừng lại 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 thứ duy nhất ngăn cách bạn và một video tự tin hiển thị sai con số doanh thu.

Sân chơi Wan 2.7 Image-to-Video trên Atlas Cloud với khung hình đầu tiên được tải và clip dữ liệu đã hoàn thành được kết xuất

Wan 2.7 Image-to-Video ở 1080P với khung hình đầu tiên của bước 2 được tải lên và clip hoàn thành trong bảng đầu ra. Đáng chú ý những gì bảng nói: chúng tôi yêu cầu 10 giây, trường thời lượng hiển thị 10, và kết xuất trả về 5. Báo giá Run đã nói với chúng tôi điều đó trước khi tệp làm, đó là toàn bộ lý do để đọc nó.

Clip dữ liệu hoàn thiện được xây dựng lại từ cùng bảng tính GMV, mọi con số đều nguyên vẹn

Phần thưởng: cùng một bảng tính, được xây dựng lại với chú giải và vạch chia trục được cố tình thiết kế loại bỏ. Mô hình đã nén cả hai cảnh quay 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 là "$3,460", "$2,480" và "$1,580" trên ba thanh. Không có nhãn bị lỗi, bởi vì không có nhãn nào để làm hỏng. Không âm thanh theo thiết kế, vì đường dẫn image-to-video không tạo ra bất kỳ âm thanh nào cho bạn.

Các Biến Thể Của Document to 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 báo 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 một chiếc mũ đen trên nền trắng trơn; đến giây 22, chiếc mũ đã chuyển sang màu xanh 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 mắt 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 bước 2 làm điểm neo phong cách của bạn.

Bài báo 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 dài 30 giây. Nó là bản demo đẹp nhất trong bốn bản và ít có thể xác minh nhất, vì bạn không thể thấy tài liệu nguồn nói gì. Hãy xem 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 thay đổi hình dạng ba lần trong một clip.

Tài liệu đề xuất thành phim thương hiệu chăm sóc da dài 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 quay và đặt mọi con số trong dấu ngoặc kép chính xác như trong bước 1.

Bây giờ là chi phí.

Hai bảng giá Wan 3.0 đã công bố không đồng ý về việc 1080p là ¥1,2 hay $0,20 mỗi giây, đây không phải là cùng một con số. 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 chỉ lấy một tệp cho mỗi tác vụ, 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 quay là một tạo tác văn bản có thể tái sử dụng, vì vậy một thay đổi số khiến bạn tốn một lần kết xuất thay vì một tác vụ đầy đủ. Trong một chu kỳ báo cáo hàng quý, sự khác biệt đó lấn át giá mỗi giây.

Một lưu ý pháp lý trước khi bạn tải bất cứ thứ gì lên. Một tài liệu bạn gửi cho một mô hình lưu trữ là một tài liệu rời khỏi tòa nhà của bạn và các bản trình bày nội bộ và dữ 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 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 Document to Video

Wan 3.0 document to video chấp nhận những loại tệp nào và kích thước bao nhiêu?

doc, xls, ppt, pdf, txt và md, với key, pages và numbers cũng được báo cáo, cùng với một liên kết web đơn giản thay vì tệp. Một tệp hoặc một liên kết cho mỗi tác vụ, 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 mức giới hạn, đó là 50 trang trong 30 giây, hay 0,6 giây mỗi trang, vì vậy nó tạo ra một đoạn giới thiệu thay vì một trang lật. Cả các trường hợp sử dụng chính thức và thử nghiệm độc lập đều chỉ ra cùng một hướng.

Các con số từ bảng tính của tôi có chính xác trong video không?

Các giá trị ô được giữ nguyên trong mọi trường hợp tôi đã kiểm tra, bao gồm $1,580, $3,460 và +45,7% trong bản demo chính thức. Những gì hỏng là đồ đạc trên biểu đồ: chú giải bị hợp nhất, vạch chia trục ra 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 giải và nhãn vạch chia khỏi tóm tắt.

Tôi có thể sử dụng Wan 3.0 document to video thông qua API ngay hôm nay không?

Chỉ thông qua các kênh riêng của Alibaba, hiện đang yêu cầu 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 một lần duy nhất, vì việc sửa một con số có nghĩa là tạo lại toàn bộ.

Thứ gần nhất với Wan 3.0 document to video mà tôi có thể chạy ngay bây giờ là gì?

Một mô hình ngữ cảnh dài để viết kịch bản cảnh quay, 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 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 lần liên tục, âm thanh trong cùng một lần với kết xuất image-to-video hoặc một mô hình đọc tệp .pptx cho bạn.

Tóm tắt trung thực: Wan 3.0 document to 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 cái vẽ chú giải.