阿里｜Wan 3.0视频大模型开启公测，支持文档与PPT入视频

AI视频正从「生成一个镜头」走向「讲完一段故事」——阿里把文档与PPT也接进了生成链路。

阿里巴巴视频生成大模型万相（Wan）是其多模态产品线中的视频底座，面向营销、教育、演示与内容生产等场景。Wan 3.0是该系列最新一代公开公测版本：叙事重点不再只是「文生视频/图生视频」，而是把办公文档当作一等输入，让结构化材料直接驱动成片。

8月6日，Wan 3.0开启公测。公开材料称，模型在生成时长、万能创作、全能参考与真实世界还原等维度升级。单次可生成约30秒视频，并提供智能时长，可按提示词推荐合适长度——连续运镜、一镜到底等镜头语言因此更有空间。在文本、图片、音频、视频四种基础模态之外，首次支持doc、xls、ppt、pdf、md等文档格式输入，单个文件或链接不超过约100MB、约50页。

产品与商业侧可核对要点：

1. 文档入视频：上传产品PPT并配提示词，可生成形象片或演示向视频；教学课件、业务汇报亦可由结构化材料驱动。
2. 真实感：人像强调「千人千面」、五官与皮肤细节、更克制的情绪与微表情—肢体联动。
3. 全能参考：角色、道具、声音、空间关系、风格等细粒度维度要求稳定保持。
4. 编辑：支持修改画面、剧情与台词；公司同时承认声音质感与文字准确度仍有进步空间。
5. 入口：阿里云百炼、万镜一刻、万相官网、千问创作PC端、IF STUDIO、堆友等；千问APP灰度开放。
6. 价格：API报价口径为480P/720P/1080P分别约0.3/0.6/1.2元/秒；接口将于近期全量开放。

所谓「文档驱动视频」，白话就是别再从一张海报或一句提示词硬编故事，而是让已有的PPT大纲、表格与说明文自己长成镜头。对市场与培训团队，这意味着视频生成开始嵌进既有内容生产流水线，而不是另开一条「提示词作坊」。

把边界读清楚。公测不等于全渠道稳定商用；文档理解在真实企业模板（复杂母版、大量图表、密密麻麻脚注）上的表现，仍要以实测为准。声音与字幕被公司主动点名「仍有空间」，对买家反而有用——验收时应把口型、旁白与屏幕文字单独列入检查项。

下一观察点是文档理解在企业模板上的稳定性，以及声音与字幕准确度何时追上画面叙事——当PPT能直接变形象片，竞争焦点就会从「像不像电影」转向「像不像你司品牌规范」。