扔个 PPT 进去，30 秒吐出一条视频：拆解阿里 Wan3.0

发布日期：2026-08-26 22:50:19 浏览次数： 1942

作者：DreamSource Lab

微信搜一搜，关注“DreamSource Lab”

扔个 PPT 进去，30 秒吐出一条视频：拆解阿里 Wan3.0

8 月 24 日，阿里通义万相 Wan3.0 正式上线。它的卖点非常直白：你丢一份 PPT、PDF 或 Excel 进去，它能直接给你吐出一条最长 30 秒的视频，不需要你先写脚本、再剪片子。对天天做汇报材料的打工人来说，这意味着"做视频"里最耗时的一道工序，可能正在被自动化。

▸ 万相 Wan3.0 主视觉

01 发生了什么：一个能"读文档"的视频模型

Wan3.0 是阿里通义实验室的视频生成模型，8 月 6 日开启公测，8 月 24 日正式上线。和前代 Wan2.7 相比，它最大的变化有两处：

一是时长翻倍：单次原生生成从 15 秒提升到 30 秒，而且最高支持 1080p。二是输入变"重"：除了文本、图片、音频、视频这些常见素材，它首次把 doc、xls、ppt、pdf、md 等办公文档也当成输入。一份 PPT 可以直接塞进去，模型自己读结构、找重点、生成画面和旁白。用行业里的话说，这叫"文档即视频"。

你可以把它理解为：以前的 AI 视频是"你给它一句话，它给你画一段"；Wan3.0 更像"你给它一沓资料，它读完之后给你拍一段短片"。

▸ 文档直转视频流程示意图

02 为什么特别：它戳中了两个行业痛点

AI 视频赛道现在很热闹，可灵、Sora、Runway、Veo 各家都在做。但 Wan3.0 切了两条别人没切到的线。

第一，时长。 目前主流闭源模型的单次生成普遍在 8-20 秒之间，Wan3.0 一次 30 秒，意味着它能承载更完整的一镜到底和叙事节奏，而不只是几秒钟的"氛围片段"。

第二，文档直转。 这是它真正独一份的能力。竞品目前主要接受文本、图片或参考帧，没有一个把 PPT、PDF、Excel 直接当成标准输入。对营销、培训、企业汇报这些场景，"文档即视频"能省掉大量脚本和分镜的人工。

打个比方：早期的翻译软件只能帮你翻句子，后来进化为直接翻译整份 PDF 还保留排版。Wan3.0 在视频领域做的，就是类似的事。

模型	单次最长	是否支持文档直转	价格定位
可灵 Kling	10 秒	不支持	订阅 $6.99 起
Google Veo	8 秒	不支持	AI Ultra $249.9/月
OpenAI Sora	20 秒	不支持	ChatGPT Pro $200/月
Runway Gen-4	10 秒	不支持	$12/月起

*数据整理自公开评测与厂商信息，截至 2026 年 8 月，具体以各平台实时定价为准*

▸ 万相官网入口

03 阿里为什么敢这么玩：从"开源招牌"到"闭源变现"

这里要先讲一个反转：万相系列此前已有部分模型在 GitHub 上以 Apache 2.0（一种常见的开源协议）开放权重。但 Wan3.0 的完整权重这次没有开源，只通过阿里云百炼、千问 AI 平台和 wan.video 提供 API 与体验入口。

换句话说，阿里把这块最诱人的新模型"关"在了自家云里，变成了一个商业产品。值得一提的是，同一天阿里云 PAI 团队倒是开源了三个 SearchQwen 搜索智能体小模型（8B/7B/3B）——阿里并非不做开源，只是把视频模型的王牌先留在了云端。

同一天，阿里还在香港完成了约 102 亿美元的配股融资，明确投向 AI。而 6 月季度的财报显示：阿里云和 AI 收入同比增长 45%，达到 484.4 亿元；但净利润同比下滑 75%，单季资本开支高达 676.8 亿元。阿里此前承诺三年 3800 亿元（约 530 亿美元）砸向 AI 基建，近期还有传闻要把这个数字提到 4800 亿元。

Wan3.0 的"闭源"不是偶然。当模型训练越来越烧钱、视频生成又是最吃算力的赛道之一时，把顶尖模型变成按秒计费的云服务，是阿里回收 AI 投入最自然的路线。