Wan 3.0 API là thế hệ tiếp theo trong hệ sinh thái video Wan của Alibaba, được xây dựng để đưa khả năng tạo video dài, kiểm soát đa tham chiếu và chất lượng nghe nhìn lên những tầm cao mới. Atlas Cloud đã lưu trữ Wan 2.7, 2.6 và 2.5, và Wan 3.0 hoạt động trên cùng một khóa hợp nhất mà không cần thiết lập riêng. Bắt đầu xây dựng ngay hôm nay. Cuộn xuống phần trưng bày để xem những gì Wan 3.0 có thể tạo ra.
Wan 3.0 do Alibaba phát triển. Atlas Cloud (vận hành bởi Atlas Cloud AI LLC) cung cấp quyền truy cập vào mô hình này và không sở hữu mô hình. Mọi thương hiệu đều thuộc về chủ sở hữu tương ứng.
Atlas Cloud cung cấp cho bạn các mô hình sáng tạo tiên tiến nhất trong ngành.
Ba điểm API Wan 3.0 dùng chung một khóa Atlas Cloud, vì vậy câu hỏi thực sự chỉ là bạn đã có gì để đưa vào mô hình.
| Phương thức | Mô tả |
|---|---|
| Wan 3.0 T2V API (Văn bản sang Video) | Một prompt viết bằng văn bản tối đa 20000 ký tự sẽ trở thành một đoạn clip hoàn chỉnh có sẵn track âm thanh gốc, được render ở độ phân giải 480P, 720P hoặc 1080P và chạy trong khoảng từ 2 đến 30 giây. Đặt tỷ lệ khung hình 16:9, 9:16, 4:3, 3:4 hoặc 1:1, hoặc để cả tỷ lệ và thời lượng tự động thích ứng và để mô hình chọn bố cục cùng nhịp điệu. Phù hợp cho phim khái niệm, bảng quảng cáo và các spot mạng xã hội bắt đầu từ không gì cả ngoài kịch bản. |
| Wan 3.0 I2V API (Hình ảnh sang Video) | Đưa vào khung hình đầu tiên và đoạn clip sẽ được hoạt hình hóa từ đó; thêm một khung hình cuối tùy chọn và chuyển động giữa hai khung sẽ được nội suy tự động. Ảnh nguồn chấp nhận jpeg, jpg, png, bmp và webp từ 240 đến 8000 pixel và dưới 20MB, trong khi đầu ra đạt 1080P với track âm thanh được bật mặc định. Chọn điểm API này khi một ảnh sản phẩm, áp phích hoặc cặp storyboard đã xác định sẵn cách cảnh phải mở và đóng. |
| Wan 3.0 R2V API (Tham chiếu sang Video) | Tối đa 20 tài liệu tham chiếu đi kèm với prompt: 10 ảnh, 5 video tổng cộng 15 giây và 5 clip âm thanh tổng cộng 15 giây, được căn chỉnh ở cấp độ pixel cho nhận dạng, giọng nói và không gian. Chế độ suy luận sâu mở một cánh cửa thứ hai, cho phép một tài liệu tối đa 100MB và 50 trang (pdf, docx, pptx, xlsx, txt, md và nhiều hơn nữa) hoặc một trang web trực tiếp đóng vai trò nguồn. Dự trữ cho các tác vụ mà một nhân vật xuất hiện lặp lại, một tài sản thương hiệu chính xác hoặc một báo cáo đầy đủ phải được bảo toàn nguyên vẹn trong video. |
6 tính năng hàng đầu cho thấy một yêu cầu Wan 3.0 có thể tạo ra những gì, từ phim thương hiệu đa tham chiếu đến các cú máy dài 30 giây.
Chế độ Omni thu thập tối đa 20 tài liệu tham khảo, 10 hình ảnh, 5 clip và 5 bản nhạc âm thanh, cộng với một tài liệu nguồn hoặc trang web, nhờ đó, toàn bộ bộ nhận diện thương hiệu sẽ trở thành một video chuẩn thương hiệu duy nhất chỉ trong một lần xử lý.
Đầu ra 30 giây gốc mang đến cho không gian kể chuyện sự thoải mái để phát triển, hỗ trợ các chuyển động máy ảnh liên tục và các chuỗi quay một cú máy (one-shot) mà các video ngắn hơn không thể truyền tải. Thời lượng thông minh cho phép mô hình tự điều chỉnh nhịp độ của từng cảnh.
Khuôn mặt, sản phẩm và các chi tiết tinh xảo được tái tạo với độ trung thực ở mức điểm ảnh trên mỗi khung hình. Các nhóm sản xuất có được sự chắc chắn trong khâu phân phối mà các nhân vật lặp lại và tài sản thương hiệu chính xác đòi hỏi.
Tính chân thực, kết cấu hình ảnh và âm thanh gốc đều được nâng cấp đồng thời, do đó một cảnh được tạo ra sẽ đi kèm với âm thanh phù hợp thay vì các thước phim câm. Kết quả mang lại hiệu ứng nghe nhìn thực sự ấn tượng.
Chỉnh sửa chính xác gia công lại cảnh quay hiện có từ một hướng dẫn bằng văn bản hoặc một đoạn clip tham khảo, thay đổi chủ thể, phong cách hoặc khoảnh khắc mà không cần tạo lại toàn bộ video.
Vượt ra ngoài văn bản, hình ảnh, âm thanh và video, Wan 3.0 có thể đọc các tệp doc, xls, ppt, pdf và md cũng như các trang web trực tiếp, biến một báo cáo hoặc bản trình bày trực tiếp thành một video clip hoàn chỉnh.
Xem cách video được tạo bởi các mô hình Wan 3.0, Seedance 2.5 và Wan 2.7.
Tạo một phim hoạt hình ngắn khoa học viễn tưởng chiến tranh người lớn, dài 30 giây, tỷ lệ khung hình 16:9 rộng. Phong cách hình ảnh: CGI siêu chân thực Cấu trúc sinh cơ học Sự kết hợp giữa xương trắng xám và kim loại đen Khớp nối giống côn trùng Kết cấu xương cực kỳ tinh xảo Vệt máu khô, vết nứt gốm sứ và vết bẩn dầu công nghiệp Thành phố tương lai bỏ hoang Ánh sáng trời xám lạnh Sinh vật độc màu xanh lục thưa thớt Ánh sáng điện ảnh tương phản cao Bảng màu mát, độ bão hòa thấp Chỉ dùng màu cam-đỏ rất ít cho ngọn lửa và báo động Phá hủy vật lý chân thực Không khí áp chế, nặng nề, không mang tính anh hùng Nhân vật không còn có cơ thể da thịt nguyên vẹn. Chúng chủ yếu được cấu tạo từ: Cột sống người Xương sườn Hộp sọ Cơ thủy lực đen Khớp kim loại Sợi quang thần kinh Cổng kết nối vũ khí Những bộ xương không phải zombie — chúng là "phần cứng di sản" vẫn đang được các hệ thống công nghiệp-quân sự vận hành. Kịch bản & Dòng thời gian Động 0–4 giây | Chiến đấu Sau Cái Chết Cảnh mở đầu với thẻ quân nhân của một người lính nằm trong vũng nước đọng. Bạn có muốn tôi tiếp tục dịch phần còn lại của dòng thời gian nếu bạn có thêm giây/cảnh được viết ra không? Có vẻ như bị cắt ngang sau cảnh 0-4 giây.
Generated by Wan 3.0
Generated by Seedance 2.5 on Altas Cloud
Generated by Wan 2.7 on Altas Cloud
Tạo một đoạn clip phiêu lưu vũ trụ bằng vải nhồi bông, dài 15 giây, tỷ lệ khung hình 16:9 siêu rộng. Một tàu vũ trụ làm từ vải nhồi bông, nút bấm, khóa kéo và bông nhồi đang chạy với tốc độ cao qua một vũ trụ gồm các hành tinh sợi len khổng lồ, tinh vân lông xù và thú khổng lồ búp bê vải. Tàu được điều khiển bởi ba con thú nhồi bông nhỏ: một con thỏ, một con cáo và một con quạ. Một sinh vật cá voi liên sao khổng lồ phủ đầy lông nhồi bông xanh đậm dài, với đôi mắt như hai nút thủy tinh, đang đuổi theo con tàu ra khỏi tinh vân. Phong cách tổng thể: kết cấu nhồi bông siêu tinh xảo, quy mô không gian điện ảnh, sự tương phản mạnh giữa ngoại hình dễ thương và hành động kịch tính, quay FPV phóng đại và vật lý mềm chân thực. **Dòng thời gian Động 15 Giây** **0–3 giây | Phóng tàu Khóa kéo** Cảnh quay từ bên trong tàu nhồi bông, với buồng lái làm từ đường chỉ khâu, nút bấm và bảng điều khiển vải. Nút cảnh báo đỏ nhấp nháy nhanh. Con thỏ kéo cần điều khiển khóa kéo khổng lồ xuống, và nắp trước tàu tách ra như một chiếc túi vải. Camera lùi nhanh từ buồng lái, đi qua nắp khóa kéo và bay ra ngoài tàu. Tàu phóng ra khỏi miệng núi lửa dệt kim của một hành tinh sợi len. **3–6 giây | Bay quỹ đạo Tốc độ cao ven Hành tinh Sợi len** Camera bám lấy đuôi tàu, bay thấp trên bề mặt hành tinh. Mặt đất được dệt từ những sợi len khổng lồ: - Dãy núi dệt kim vụt qua bên dưới với tốc độ cao - Đầu sợi chỉ lỏng lẻo đung đưa như một khu rừng - Tàu tránh gấp trái và phải - Camera liên tục nghiêng và lật - Động cơ đẩy phát ra vệt đuôi bông gòn trắng **6–8.5 giây | Cá voi Nhồi bông Khổng lồ Xuất hiện** Tinh vân lông xù đột ngột tách ra hai bên khi một con cá voi nhồi bông xanh đậm khổng lồ lao ra từ phía sau. Lông dài trên cơ thể cá voi bị gió tốc độ cao thổi ngược về sau, và đôi mắt nút thủy tinh phản chiếu ánh sáng từ hành tinh. Camera quất nửa vòng quanh tàu, chuyển sang góc nhìn hướng ra sau (ngược), khiến cá voi liên tục to ra trong khung hình phía sau tàu.
Generated by Wan 3.0
Generated by Seedance 2.5 on Altas Cloud
Generated by Wan 2.7 on Altas Cloud
Các bản nâng cấp của Wan 3.0 bắt nguồn từ nhu cầu thực tế của ngành, tích hợp trực tiếp vào các quy trình sản xuất dưới đây, từ phim truyền hình ngắn đến phim doanh nghiệp.
Các cảnh quay gốc dài 30 giây và khả năng phục hồi bối cảnh thực giúp các bộ phim AI, phim truyền hình ngắn và video âm nhạc (MV) bỏ qua phần lớn việc quay phim thực tế. Độ nhất quán của pixel giữ nguyên tạo hình của các nhân vật chính lặp lại và âm thanh gốc được đồng bộ chuẩn xác với từng cảnh cắt.
Khả năng kiểm soát toàn bộ phong cách chuyển từ chân thực sang anime chỉ trong một mô hình, trong khi tính nhất quán của pixel khóa chặt linh vật, logo hoặc nhân vật IP trong mọi khung hình. Hình ảnh động toàn diện của thương hiệu được kết xuất mà không cần đến chuỗi sản xuất phức tạp.
Khả năng sáng tạo Omni vượt qua giới hạn của văn bản và hình ảnh đối với các thương hiệu thiết bị gia dụng, làm đẹp, ô tô, FMCG (hàng tiêu dùng nhanh) và hàng may mặc. Chỉ cần đưa trực tiếp một trang sản phẩm hoặc báo cáo của công ty vào để tạo ra mọi thứ, từ bản demo sản phẩm đến phim quảng cáo thương hiệu doanh nghiệp.
Cung cấp một bản hướng dẫn giao diện người dùng sản phẩm, một hoạt ảnh tính năng hoặc một hình ảnh hóa dữ liệu, và Wan 3.0 sẽ giữ nguyên tính thẩm mỹ ban đầu trong khi biến nó thành một tác phẩm chuyển động có cốt truyện. Bước làm hoạt ảnh nhàm chán sẽ biến mất.
Đầu vào tài liệu đọc trực tiếp tệp PDF, PPT hoặc trang web, nhờ đó một bài học hoặc báo cáo nghiên cứu sẽ trở thành một video giải thích rõ ràng mà không cần kịch bản riêng. Tài liệu phức tạp trở thành hình ảnh trực quan chỉ trong một bước.
Phục dựng cảnh thực tái tạo cảnh quan, khu di sản và ẩm thực địa phương mà không cần quay phim quy mô lớn, nhờ đó các thước phim về thành phố và số hóa văn hóa được hoàn thành với chi phí thấp. Những vùng đất xa xôi hiện ra ngay trước mắt người xem.
So sánh Wan 3.0 API với các model video dùng chung Atlas Cloud key, kiểm tra sự khác biệt về duration, reference capacity, audio và chi phí mỗi giây.
| Model | Max Duration | Độ Phân Giải | Reference & File Inputs | Native Audio | Giá Mỗi Giây |
|---|---|---|---|---|---|
| Wan-3.0 Reference-to-video | 2 đến 30s, hoặc -1 cho smart duration | 480P, 720P, 1080P | Tối đa 20 items hỗn hợp: 10 ảnh, 5 video, 5 audio clips, cộng thêm 1 tài liệu hoặc webpage | √ (bật mặc định) | $0.05 |
| Wan-3.0 Text-to-video | 2 đến 30s, hoặc -1 cho smart duration | 480P, 720P, 1080P | Chỉ prompt, tối đa 20,000 ký tự | √ (bật mặc định) | $0.05 |
| Wan-3.0 Image-to-video | 2 đến 30s, hoặc -1 cho smart duration | 480P, 720P, 1080P | Frame đầu, với frame cuối tùy chọn | √ (bật mặc định) | $0.05 |
| Seedance 2.5 Reference-to-Video | 4 đến 30s, hoặc -1 cho automatic length | 480p, 720p, 1080p native, các tier cao hơn qua enhancement | Tối đa 30 ảnh, 10 video, 10 audio clips, không có document input | √ (bật mặc định) | $0.134 |
| Kling V3.0 Turbo Image-to-Video | 3 đến 15s, mặc định 5s | 720p, 1080p | Một source image, không có multi reference mode | √ (tùy chọn, tắt mặc định) | $0.112 |
| Veo3.1 Reference-to-video | 8s cố định | 720p, 1080p, 4K | 1 đến 3 reference images | √ (tùy chọn, tắt mặc định) | $0.2 |
| MiniMax H3 Reference-to-Video | 4 đến 15s | 768P, 2K | Reference hỗn hợp ảnh, video và audio, cần ít nhất một visual reference | - | $0.1 |
Bắt đầu trong vài phút — làm theo các bước đơn giản sau để tích hợp và triển khai mô hình qua nền tảng Atlas Cloud.
Đăng ký tại atlascloud.ai và hoàn tất xác minh. Người dùng mới nhận được tín dụng miễn phí để khám phá nền tảng và thử nghiệm mô hình.
Sự kết hợp của các mô hình tiên tiến của Wan 3.0 với nền tảng được tăng tốc GPU của Atlas Cloud mang lại hiệu suất, khả năng mở rộng và trải nghiệm nhà phát triển độc đáo.
Độ Trễ Thấp:
Suy luận được tối ưu hóa GPU cho suy luận thời gian thực.
API Thống nhất:
Chạy Wan 3.0, GPT, Gemini và DeepSeek với một tích hợp duy nhất.
Giá cả Minh bạch:
Thanh toán dựa trên token có thể dự đoán với tùy chọn serverless.
Trải nghiệm Nhà phát triển:
SDK, phân tích, công cụ tinh chỉnh và mẫu.
Độ tin cậy:
99,99% khả dụng, RBAC và ghi nhật ký sẵn sàng cho tuân thủ.
Bảo mật và Tuân thủ:
SOC 2 Type II, tuân thủ HIPAA, chủ quyền dữ liệu tại Hoa Kỳ.
Wan 3.0 là mô hình video tất-cả-trong-một thế hệ tiếp theo của Alibaba, hiện đang trong giai đoạn thử nghiệm công khai. Một yêu cầu duy nhất có thể chuyển đổi văn bản, hình ảnh, video, âm thanh, tài liệu hoặc trang web thành video dài tối đa 30 giây và mô hình này kết hợp dữ liệu đầu vào rộng lớn đó với tính nhất quán ở cấp độ điểm ảnh, khả năng chỉnh sửa chính xác và âm thanh được tạo ra theo cách gốc.
Wan 3.0 là phiên bản phát hành toàn diện nhất trong dòng sản phẩm này. Nó nâng thời lượng gốc lên 30 giây, chấp nhận tới 20 tài liệu tham khảo hỗn hợp cùng với các tài liệu và trang web trong chế độ tham chiếu toàn diện (omni-reference), bổ sung chế độ khung hình đầu và cuối, đồng thời hướng tới tính nhất quán ở cấp độ điểm ảnh với âm thanh gốc. Các phiên bản Wan trước đó trên Atlas Cloud vẫn là những lựa chọn mạnh mẽ cho các công việc chuyển đổi văn bản thành video và hình ảnh thành video ngắn hơn và tập trung hơn.
Wan 3.0 xử lý nhiều hơn một prompt dưới dạng tài liệu nguồn. Một yêu cầu duy nhất có thể trích xuất từ tối đa 20 tài liệu tham khảo hỗn hợp, 10 hình ảnh, 5 video clip với tổng thời lượng 15 giây và 5 đoạn âm thanh với tổng thời lượng 15 giây, cùng với một tài liệu duy nhất (doc, xls, ppt, pdf hoặc md) hoặc trang web, trong khi bản thân prompt văn bản có thể dài tới 20.000 ký tự.
Các clip chạy nguyên bản lên đến 30 giây. Yêu cầu bằng văn bản hoặc hình ảnh có thể kéo dài từ 2 đến 30 giây, trong khi yêu cầu bao gồm video giữ cả đầu vào và đầu ra trong tổng thời gian 30 giây và tính năng thời lượng thông minh có thể tự động đặt độ dài cho bạn. Độ phân giải bao gồm 480p, 720p và 1080p, với các tỷ lệ 16:9, 9:16, 4:3, 3:4, 1:1 và tỷ lệ thông minh có sẵn.
Tính nhất quán được xử lý ở cấp độ pixel, do đó khuôn mặt, trang phục, sản phẩm hoặc chi tiết tham chiếu tinh tế sẽ giữ nguyên được vẻ ngoài khi cảnh quay chuyển đổi và chủ thể di chuyển. Đối với các chu kỳ sản xuất tái sử dụng cùng một nhân vật hoặc một tài sản thương hiệu chính xác, sự ổn định đó chính là yếu tố làm cho mỗi lần bàn giao đều có thể dự đoán được.
Có, thông qua cả hướng dẫn và tham chiếu. Một đoạn ghi chú bằng văn bản hoặc một clip mẫu có thể định hình lại phong cách của chủ thể, thay đổi ánh sáng hoặc thay thế một phân đoạn duy nhất, và các yếu tố bạn muốn giữ nguyên sẽ không bị ảnh hưởng trong suốt quá trình chỉnh sửa.
Có. Atlas Cloud đã cung cấp Wan 2.7, 2.6 và 2.5 dưới một khóa thống nhất và Wan 3.0 chạy trên cùng khóa đó mà không cần tài khoản mới, không cần cấu hình lại endpoint và không cần thiết lập riêng. Các nhóm đang gọi dòng Wan có thể truy cập Wan 3.0 chỉ bằng cách hoán đổi tên mô hình.
Hướng dẫn, bài hướng dẫn và cập nhật sản phẩm giúp bạn khai thác tối đa Atlas Cloud.