Wan3.0 от Alibaba превращает презентации и отчёты в 30-секундные ролики

Alibaba официально запустила Wan3.0 - видеомодель, которая делает ролик длиной до 30 секунд из текста, картинок, аудио и обычных офисных файлов. Презентацию, отчёт или веб-страницу можно отдать модели целиком и получить готовое видео. Запуск состоялся 24 августа.

Wan - линейка видеомоделей Alibaba , которую компания развивает с 2025 года и держит в своём облаке. Третье поколение подаётся под лозунгом «видео из чего угодно», потому что кроме текстового запроса модель принимает готовые рабочие файлы. В открытом предварительном доступе Wan3.0 провёл чуть больше двух недель, с 6 августа. Работать с ним можно через Alibaba Cloud Model Studio и Qwen Cloud по идентификатору wan3.0-video, а потребительский сайт wan.video пока открыт только для участников программы.

Презентация на входе, ролик на выходе

От привычных text-to-video генераторов Wan3.0 отличает приём документов. Модель читает DOC, XLS, PPT, PDF, TXT и Markdown, понимает форматы Apple Keynote, Pages и Numbers, принимает ссылку на веб-страницу и собирает по ним видеоряд. Квартальный отчёт становится видеосводкой, обучающий модуль - мини-курсом, рекламная презентация - роликом для соцсетей.

Аппетит у Wan3.0 при этом умеренный. За один запрос принимается один файл или одна ссылка, до 100 МБ и до 50 страниц. Годовой отчёт на две сотни страниц целиком не зайдёт.

Такой вход переводит Wan3.0 из разряда «красивая пятисекундная заставка» в разряд производственного инструмента. Материал для ролика у компании обычно уже лежит в файловом хранилище и до сих пор требовал монтажёра.

Тридцать секунд и десять картинок

Предельная длина ролика у Wan3.0 - 30 секунд за одну генерацию, без склейки из кусков. Это вдвое больше, чем у прошлого поколения Wan2.7. Разрешение на выбор - 480p, 720p или 1080p. За один запрос модель принимает сразу несколько источников:

текстовый промпт;
до 10 изображений;
до 5 видеофрагментов;
до 5 аудиодорожек;
документ или ссылку на веб-страницу.

Платформа подсказывает оптимальную длительность под сюжет и умеет продолжать готовый ролик.

Лицо героя не плывёт между сценами

Главный акцент Alibaba делает на согласованности. Wan3.0 удерживает внешность персонажа, вид товара, планировку пространства, единый стиль и голос от сцены к сцене - то самое место, где генеративное видео обычно рассыпается. Отдельно компания заявляет о разнообразии лиц и более живой мимике, независимых замеров пока нет.

Звук Wan3.0 выдаёт синхронно с картинкой, вместе с речью, музыкой и эффектами, озвучка мультиязычная. Второй практичный момент - точечные правки. Поменять изображение, реплику или поворот сюжета можно без полной перегенерации, что для тридцатисекундного ролика экономит и время, и деньги.

Вчетверо дешевле Veo 3.1

Стоимость доступа к Wan3.0 через API считается посекундно. В базовом тарифе выходит так:

480p - $0,05 за секунду, $1,50 за тридцатисекундный ролик;
720p - $0,10 и $3 соответственно;
1080p - $0,20 и $6.

Есть и тариф Prime с более быстрой генерацией, где те же секунды идут по $0,068, $0,14 и $0,28. С 24 августа по 23 сентября Alibaba держит на базовом тарифе скидку 30%.

Google Veo 3.1 в базовой версии просит около $0,40 за секунду, вчетверо больше, чем Wan3.0 в максимальном качестве. Ценовая агрессия объяснима. Релиз вышел следом за размещением акций почти на $10 млрд, и эти деньги идут в ИИ-инфраструктуру.

Текст в кадре пока хромает

Слабые места Alibaba называет сама. Качество надписей внутри кадра и качество звука в Wan3.0 компания признаёт требующими доработки. Для модели, которую продают как конвертер презентаций в видео, признание неудобное, потому что в презентации текст и есть основное содержание.

Пока надёжнее готовить титры и озвучку отдельно, а Wan3.0 отдавать только видеоряд.

Три двери в Wan3.0

Попробовать Wan3.0 без корпоративного контракта можно тремя путями. Первый - сайт wan.video и его генератор, вход через Google или GitHub. Доступ там пока по членству, с очередью и лимитами, но несколько роликов новичку обычно дают.

Дальше идут Alibaba Cloud Model Studio и Qwen Cloud. Новым аккаунтам дают стартовую бесплатную квоту, заметнее всего в сингапурском регионе. Взамен нужен аккаунт Alibaba Cloud с верификацией, а консоль рассчитана на разработчика.

Самый короткий путь - сторонние онлайн-генераторы видео, которые уже подключили Wan3.0. Там она идёт по кредитам, часть сервисов раздаёт стартовый пакет бесплатно. Приём документов появляется у них не сразу, так что PDF и презентации стоит проверить до оплаты.

Статья превращается в короткий ролик

Владельцам сайтов и авторам Wan3.0 интересен как дешёвый способ получить видеоверсию текста. Материал отдаётся модели ссылкой, на выходе вертикальный ролик под соцсети. Первые пробы дешевле гонять по 5–10 секунд в 480p. Десять роликов по 15 секунд в 720p - это 150 секунд генерации, около $15.

Открытые веса остались в Wan2.2

Репутацию линейке Wan сделали открытые версии. Wan2.1 и Wan2.2 выходили под лицензией Apache 2.0, их можно было скачать и запустить на своём железе, и именно это собрало вокруг модели сообщество энтузиастов. Начиная с Wan2.5 линейка закрылась, и за год смены версий наружу больше ничего не вышло.

Судить об успехе релиза стоит по тому, появится ли открытая сборка третьего поколения ближе к зиме. Если её не будет, Wan окончательно переезжает в разряд обычных облачных сервисов, где спорят ценой за секунду. По этой цене Wan3.0 пока спорит убедительно.