Ван видео нейросеть: что Wan 3.0 делает на входе и на выходе
Wan 3.0 открыли в общем доступе 24 августа 2026 года в международных каналах Alibaba Cloud. Одна модель закрывает три сценария: текст в видео, картинку в видео по первому кадру или по паре первый и последний кадр, и ролик по референсам.
Разрешений три: 480p, 720p, 1080p. За одну генерацию выходит до 30 секунд. У Wan 2.7 потолок был 15 секунд, а нижняя граница 2 секунды, так что шаг вперёд здесь вдвое. Отдельно есть подсказка длительности, когда модель сама подгоняет сцену под нужный хронометраж, и продление готового клипа.
Для монтажа это меняет привычку. Раньше сцена на 30 секунд собиралась из двух или трёх кусков, и на каждом стыке терялась непрерывность движения. Теперь кусок целый, а продление позволяет дотянуть готовый клип. Когда в кадре идёт долгий проезд или человек идёт через весь кадр, такой кусок выглядит гораздо спокойнее.
Китайская нейросеть для создания видео: документ на входе
На вход модель принимает текст, картинки, аудио и видео. Дальше начинается интересное: в ход идут документы и веб-страницы, форматы DOC, XLS, PPT, PDF, TXT, KEY, Pages, Numbers и Markdown. Alibaba приводит пример из практики: презентация продукта превращается в ролик к запуску.
Китайская нейросеть для создания видео с таким входом экономит самый скучный этап. Бриф, смета в таблице или готовая презентация уходят в модель как есть, и переводить задачу в промт приходится меньше. Я считаю это главным в релизе, важнее тридцати секунд. Пересказ задачи словами, которые модель поймёт, отнимает заметную часть работы над роликом, и документ на входе эту часть сокращает.
Звук и правка: что уже работает
Звук генерируется вместе с картинкой, отдельная озвучка в пайплайне не нужна. Оговорку Alibaba пишет сама в документации: текстура звука и точность текста в кадре ещё дорабатываются. Значит финальные титры и реплики для эфира придётся проверять вручную, и на это стоит закладывать время.
Редактирование, которое появилось в Wan 2.7, никуда не делось. Картинку, сюжет и реплики можно менять без полной перегенерации. Экономия тут не столько в деньгах, сколько в удачных дублях, которые не приходится выбрасывать из-за одной фразы.
Сколько стоит секунда в 480p, 720p и 1080p
Цена международного API считается за секунду готового видео. В пересчёте на рубли выходит так:
Лимит 300 запросов в минуту, для пакетных прогонов его хватает. Логика цены простая и, на мой взгляд, честная: черновик в 480p стоит копейки, финал в 1080p дороже ровно в четыре раза. Поэтому я бы сначала гонял версии в низком разрешении и смотрел на движение и композицию, а высокое включал для отобранных сцен. Одна перегенерация финала стоит как четыре черновика, и на длинной серии эта разница заметна в счёте за месяц.
| Разрешение | Секунда | 30 секунд |
|---|---|---|
| 480p | 4,2 руб. | около 126 руб. |
| 720p | 8,4 руб. | около 252 руб. |
| 1080p | 16,8 руб. | около 504 руб. |
Открытых весов нет, только API
Последняя открытая версия семейства это Wan 2.2. Wan 3.0 живёт в Model Studio и отдаётся через API, скачать веса и запустить локально не выйдет. Для студии с собственным железом это ограничение, для проекта без GPU разницы почти нет.
В Шедевруме по подписке Про доступен именно Wan 2.2: первые 7 дней бесплатно, дальше 100 руб. в месяц при Яндекс Плюс. Это дешёвый способ посмотреть на семейство, если про 3.0 хочется составить впечатление без интеграции и без затрат на прогоны.
Лидерборд: первое место в категории «текст в видео»
В лидерборде Artificial Analysis на 2 ноября Wan 3.0 стоит первым в категории «текст в видео» с рейтингом 1175. Рейтинг строится на слепых сравнениях роликов по одному и тому же запросу, так что это оценка зрителей. Скорость и цена в него не входят.
Практический смысл в том, что дорогая модель здесь одновременно и самая сильная по оценке зрителей. При этом надписи в кадре Alibaba сама называет слабым местом, поэтому титры и логотипы надёжнее класть поверх при монтаже.
Мой вывод: черновик в 480p, финал в 1080p
Я бы строил работу в три шага. Сначала документ: бриф или презентация уходят в модель, из них рождается сценарий и раскадровка. Потом черновик в 480p за 4,2 руб. за секунду, где проверяются движение, композиция и попадание в задачу. И только после отбора финал в 1080p.
Сомнения остаются в двух местах. Звук и текст в кадре Alibaba сама называет недоработанными, поэтому в проектах с озвучкой я бы оставлял запас на ручную правку. И весов нет, вся работа идёт через API, так что цена и доступность зависят от чужого облака.
Если роликов много и они короткие, схема с черновиками окупается быстро. Когда нужны длинные видео нейросетью, продление внутри Wan снимает часть монтажа. Мы делаем видео нейросетями для запусков и рекламы, а там, где в кадре нужен живой человек, честнее работает съёмка: промо-ролик с актёром Wan не заменит.
