Wan 3.0 — 30-Sekunden-KI-Video aus Text, Bild und Referenz30 Sekunden
Das Wanxiang-3.0-Videomodell von Alibaba Tongyi Lab. Erzeugen Sie bis zu 30 Sekunden in einem Durchgang in 480p, 720p oder 1080p — aus einem Prompt, einem ersten Bild (optional letztes Bild) oder gemischten Bild-, Video- und Audio-Referenzen — mit optionalem nativem Audio auf SeeVid.
Auf der SeeVid-Plattform verfügbar
Alibaba Tongyis Wanxiang-3.0-Videomodell
Wan 3.0 (Tongyi Wanxiang 3.0) ist die Generation 2026 der KI-Videofamilie von Alibaba Tongyi Lab. Öffentliche Materialien beschreiben bis zu 30 Sekunden in einer Generation, native audiovisuelle Ausgabe und ein Omni-Referenzsystem für Text, Bilder, Video und Audio. Auf SeeVid können Sie Text-zu-Video, Bild-zu-Video (Erstbild, optional Letztbild) und Referenz-zu-Video mit bis zu 10 Bildern, 5 Clips und 5 Audiodateien nutzen.
Bis zu 30 Sekunden, ein Durchgang
Wählen Sie 2–30 Sekunden oder Auto. Auto lässt das Modell eine zum Prompt passende Länge wählen, statt einen kurzen Beat zu strecken oder eine längere Geschichte zu kürzen. Kein Zusammenkleben vieler 5-Sekunden-Clips.
Text, Bild und gemischte Referenzen
Starten Sie mit einem Prompt, animieren Sie ein Standbild (optionales Endbild) oder mischen Sie bis zu 10 Bilder, 5 Videos (je 1–15 s, insgesamt 15 s) und 5 Audiodateien.
Natives Audio im selben Durchgang
Sprache, Gesang, Effekte und Ambiente können mit dem Bild erzeugt werden. Audio ist standardmäßig an; schalten Sie es für einen stummen Clip aus. Lippensync und mehrsprachiger Dialog sind Kernfähigkeiten der Wan-3.0-Familie.
Gesichter, Props, Raum und Stil
Referenz-zu-Video zielt auf Charakter-, Produkt-, Raum- und Stilkonsistenz über einen längeren Clip — nützlich für Ads, Erklärfilme und kurze Narrative vor dem Feinschliff im Editor.
Längere Takes, stärkere Referenzen, Audio inklusive
Wan 3.0 richtet sich an Creator, die mehr als einen 5–15-Sekunden-Beat brauchen: eine 30-Sekunden-Erzählfläche, pixelgenaue Referenzverriegelung und Sound, der mit dem Bild kommt.
Wan 3.0 auf SeeVid
Die Optionen entsprechen dem KI-Videogenerator. Credits werden pro Ausgabesekunde berechnet (Auto zählt als 20 s). Referenz-zu-Video berechnet auch Referenzvideo-Sekunden.
Text-zu-Video
Beschreiben Sie Szene, Kamera, Stil und Dialog. Dauer 2–30 s oder Auto; 480p / 720p / 1080p; Seitenverhältnis adaptive, 16:9, 9:16, 1:1, 4:3 oder 3:4.
Bild-zu-Video
Ein Bild ist das erste Frame; ein zweites kann das letzte sein. Maximal zwei Bilder. Gleiche Dauer-, Qualitäts- und Seitenverhältnisoptionen wie Text-zu-Video.
Referenz-zu-Video
Bis zu 10 Bilder (je ≤20 MB), 5 Videos (1–15 s, ≤100 MB, insgesamt 15 s) und 5 Audiodateien (1–15 s, ≤15 MB, insgesamt 15 s). Ausgabe plus Referenzvideo darf 30 Sekunden nicht überschreiten.
Intelligente Dauer
Wählen Sie eine genaue Länge oder Auto. Auto wird als 20-Sekunden-Job berechnet, damit ein kurzer Beat nicht gestreckt und eine längere Geschichte nicht mittendrin abgeschnitten wird.
480p / 720p / 1080p
Drei Qualitätsstufen. SeeVid-Credits: 3.7 / 7.5 / 15 pro Ausgabesekunde bei 480p / 720p / 1080p. Beispiel: 720p × 5 s = 37 Credits.
Nativer Audio-Schalter
Audio ist standardmäßig an (Sprache, Effekte, Ambiente). Schalten Sie Audio-Erzeugung aus für einen stummen Clip, den Sie später vertonen.
Häufige Fragen
Häufige Fragen zu Wan 3.0 (Tongyi Wanxiang 3.0) und der Nutzung auf SeeVid.
Jetzt mit Wan 3.0 loslegen
Testen Sie Wan 3.0 auf SeeVid — Text-zu-Video, Bild-zu-Video und Referenz-zu-Video, 2–30 Sekunden, optional mit nativem Audio, bis 1080p.