阿里巴巴视频生成大模型 Wan 3.0 正式上线
8 月 24 日，阿里巴巴视频生成大模型 Wan 3.0 正式上线。该模型在生成时长、多模态创作、全能参考以及真实物理世界还原等维度迎来全面升级。它不仅单次可生成长达 30 秒的视频，还首次支持 doc、xls、ppt、pdf、md 等多种文档格式的直接输入，力求更准确地还原真实世界。
自公测以来，见证了 Wan 模型家族历次迭代的创作者们纷纷表示，Wan 3.0 是“最令人惊喜的一次更新”。而在企业级用户的实际体验中，反馈也高度一致，“稳定、真实、有质感”成为被反复提及的三个核心关键词。
Wan 3.0 在角色、道具、声音、空间关系及风格等细粒度维度上，均能保持极高的稳定性，这对于追求高效生产力的企业用户而言至关重要。例如，在下面这段高速追车戏中，Wan 3.0 能够精准理解参考素材，轻松应对长时序叙事。在 30 秒的视频里，人物、车辆与环境保持了高度一致性，从上车、追逐、高速特技到最终爆炸，全程连贯输出，无需用户反复“抽卡”或来回调试。
（视频来源：LibTV）
“真实感”是 Wan 3.0 告别廉价“AI 感”的分水岭。有企业用户指出，Wan 3.0 补齐了 AI 视频领域长期缺失的关键一环——稳定输出具有真人质感的画面。为了摆脱 AI 生成人物常见的“油腻感”与千篇一律，Wan 3.0 致力于呈现“千人千面”的自然效果，能够更敏锐地刻画五官与皮肤细节，使人物的情绪表达自然且克制，微表情与肢体动作实现深度联动。
例如在下面这段人物视频中，女孩的眼球反射、发丝细节、白纱飘动以及水面光泽这四种极难还原的物理属性，在同一个镜头中完美呈现。Wan 3.0 不仅全程维持了冷灰蓝的色调风格，人物皮肤也毫无“塑料感”。
（视频来源：Flova AI）
“有质感”则意味着 Wan 3.0 具备出色的镜头美学，既注重色彩的和谐搭配，也能保持叙事信息的流畅表达。有用户反馈，Wan 3.0 能够深度理解并融合风格化的参考图，快速适配预设的视觉风格。
以这支风格化短片为例，它将浓郁的红色调与蒸汽朋克机械美学完美融合。无论是层叠裙摆的厚重感、金属齿轮的冷硬质感，还是烛光的暖调漫反射，不同材质在统一的色调下依然各自保留了独特的物理特性，营造出如舞台剧般的空间纵深