Jusqu’à 30 secondes, en un plan
4, 6, 8, 10, 15, 20 ou 30 secondes. Aucun raccord, aucune dérive entre les segments. Le modèle le plus long après lui ici atteint quinze secondes ; ceux de Google s’arrêtent à huit ou dix.
Modèle · Alibaba Wan 3.0
Wan 3.0 — 30 secondes de vidéo en une seule génération
Le modèle vidéo d’Alibaba, et la seule chose qu’il fait ici et que les modèles de Google ne font pas : la durée. Une génération vous donne de 4 à 30 secondes avec le son déjà dedans, en 480p, 720p ou 1080p, à l’horizontale comme à la verticale. Vous payez à la seconde — $0.05, $0.10 ou $0.20 selon la résolution —, donc un brouillon court coûte $0.20 et le clip le plus long et le plus net de la plateforme coûte $6.00. Crypto ou carte, sans abonnement.
01Ce que c’est
Qu’est-ce que Wan 3.0 ?
Wan 3.0 est le modèle de génération vidéo d’Alibaba, sorti sur Alibaba Cloud Model Studio en août 2026, et il produit des clips de 4 à 30 secondes avec l’audio généré dans la même passe que l’image. Ici, il lit un prompt, une image de départ et une image de fin facultatives, ou jusqu’à 10 images de référence, et renvoie un clip fini en 480p, 720p ou 1080p. Nous facturons exactement ce qu’Alibaba affiche pour le modèle — $0.05, $0.10 et $0.20 la seconde selon la résolution — plutôt que d’y ajouter une marge, la même règle que celle appliquée aux modèles de Google.
Qui a vraiment besoin de 30 secondes ?
Toute personne fatiguée de recoller des bouts. La plupart des modèles vidéo plafonnent vers huit ou dix secondes : une séquence d’une demi-minute, c’est donc trois ou quatre générations, un raccord à la main et des coutures là où le modèle a changé d’avis sur la lumière. Wan rend l’ensemble en un seul plan. Pour les boucles produit, les fonds d’ambiance, les plans de process et tout ce où la caméra continue simplement d’avancer, cela supprime purement et simplement l’étape de montage. La verticale marche pareil — du 9:16 dans n’importe laquelle des trois résolutions, exactement ce que demandent Shorts et Reels.
02Ses points forts
Six choses à savoir avant de dépenser
Un son qui ne coûte rien
L’audio est généré avec l’image et activé par défaut. Le couper tient à un interrupteur, et le prix reste le même dans les deux cas — contrairement à Veo, où l’audio natif est une option payante.
Première et dernière image
Donnez-lui une image de départ à animer et, si vous voulez, une image de fin sur laquelle atterrir. La même image dans les deux emplacements vous donne une boucle propre.
Jusqu’à 10 images de référence
Les références gardent un sujet ou un style cohérents d’une génération à l’autre. Elles remplacent les images de début et de fin, elles ne s’y ajoutent pas : le modèle prend l’un ou l’autre.
Seeds
Fixez le seed et le même prompt retombe très près du même plan. Pratique quand vous réglez un mot à la fois et voulez voir ce que ce mot a fait.
Trois paliers de prix
Le 480p pour les brouillons à $0.05 la seconde, le 720p pour la publication à $0.10, le 1080p à $0.20. Brouillonnez pour pas cher, ne rendez qu’une fois celui que vous gardez.
03Limites assumées
Ce que Wan 3.0 ne fera pas
Ici, retoucher n’est pas une conversation. À Gemini Omni Flash, vous pouvez dire « rends la lumière plus chaude » et le modèle ajuste la scène dont il se souvient. Wan peut retourner un clip que vous lui confiez — jusqu’à 15 secondes de source, source et résultat tenant ensemble dans 30 secondes — mais chaque demande repart de zéro, et les secondes de la source sont facturées avec celles du résultat. Il produit aussi un seul clip par génération : pas de grille de quatre variantes où choisir. Il n’y a pas de prompt négatif, donc ce que vous ne voulez pas doit être écarté de la scène par l’écriture plutôt qu’interdit. Les formats sont 16:9 et 9:16 uniquement, et le plafond est 1080p. Enfin, images de départ et images de référence s’excluent : soit les unes, soit les autres, pas les deux.
Alibaba est franc sur les points où le modèle progresse encore : ses propres notes de lancement disent que la texture audio et le rendu du texte à l’écran ne sont pas encore au niveau voulu, et cela correspond en gros à ce que nous constatons — l’ambiance fonctionne et les répliques sont sorties mieux que prévu, mais ce n’est pas une piste que l’on règle dans le détail. Les longues prises ont leur propre risque. Notre clip de poterie de vingt secondes a mieux tenu que je ne l’attendais, mais trente secondes, cela fait beaucoup d’images à garder cohérentes : prévoyez le budget d’une relance au-delà de quinze. Une chose que le modèle sait faire en amont et que nous n’avons pas branchée : il accepte des documents (PPT, PDF, tableurs) en entrée. Et son « extend » est une scène suivante avec les mêmes personnages et le même décor, pas une continuation à l’image près. Si vous voulez un son que l’on dirige phrase par phrase, Gemini Omni Flash est le meilleur outil ; s’il vous faut de la 4K, que Wan n’atteint pas, l’alternative est Veo 3.1.
04Notes de terrain
Ce que la production nous a appris
Ces notes viennent d’une vraie production publicitaire sur Wan 3.0 en septembre 2026 : clips produit, passes de nettoyage sur des images tournées, remakes construits à partir d’une première image. Rien de tout cela n’est dans la documentation, et tout a coûté de l’argent à découvrir.
L’ordre des blocs décide du résultat
Ce qui vient en premier dans le prompt capte l’attention, et une longue description du produit l’accapare entièrement. Dans nos essais, une consigne de nettoyage placée en septième position est passée à la trappe ; les mêmes mots, remontés en tête sous « TASK 1 », ont été exécutés. Mettez d’abord ce dont vous avez le plus besoin.
Les négations servent de liste à dessiner
« No ring, no watch, no ink » nous a valu une nouvelle bague en or et un tatouage plus marqué. Chez nous, nommer une chose revenait à la demander. Décrivez plutôt ce qui doit être là : « each finger is plain skin from base to tip » a réussi là où trois négations avaient échoué.
Il remplit les mains vides
Dans nos plans où le produit ne devait pas apparaître, Wan l’a substitué à ce que la main tenait — un peigne est devenu une tondeuse. Nommez chaque outil, dites explicitement qu’un plan sans le produit convient, et écrivez « jamais plus d’un » au lieu de « exactement un ». Plus sûr encore : générez ces plans dans un segment séparé dont le prompt ne décrit jamais le produit.
Une première image tient l’objet
À partir d’une seule image de départ et sans références, Wan a gardé un produit intact pendant dix secondes : boutons en place, rien de trop dans la scène. Dans nos tests sur la même image, d’autres modèles ont fait pousser un câble égaré et des objets étrangers. Si le produit exact compte, faites d’abord l’image et laissez Wan l’animer en une seule génération.
Le nettoyage revient image pour image
La retouche d’un clip tourné pour retirer tatouages, montre et bracelets a rendu des images calées sur la source plan pour plan, avec une peau nette. Chez nous, les morceaux d’environ huit secondes au plus ont été la taille fiable ; mieux vaut découper les sources plus longues.
Une longue génération vaut mieux qu’une chaîne
Sur Wan, extend signifie « la scène suivante », pas une continuation à l’image près. Quand il vous faut quinze, vingt ou trente secondes, commandez-les en une génération au lieu d’enchaîner des courtes.
Les durées sont des secondes entières
Le résultat est coupé au nombre entier de secondes commandé, à 30 i/s : 94 images en entrée sont revenues à 90. Couper pile sur un changement de plan n’a donc pas marché chez nous — prévoyez vos segments pour que les raccords tombent sur des secondes entières.
Une photo de référence apporte sa garde-robe
Dans nos essais, Wan a copié les vêtements et les bijoux d’une photo de personne même quand le prompt disait « visage et cheveux uniquement ». Recadrez la référence sur ce que vous voulez vraiment reprendre.
De la place pour un brief plan par plan
Le prompt accepte jusqu’à 20 000 caractères : il y a donc de la place pour des tâches numérotées, un verrou sur chaque outil et une description de chaque plan. Wan récompense cette structure : plus un bloc dit précisément ce qui est dans le cadre, moins il improvise.
Les défauts à anticiper. Le son est normalement là, et le modèle dit les répliques plutôt bien — et pas seulement en anglais. Un projet a fait exception : dans les passes de retouche et sur un text-to-video au prompt complexe, le moteur d’une tondeuse est revenu faible, autour de −45 dB — audible, mais ténu. Dans nos autres rendus, la piste était bien là : c’est donc un cas particulier, pas une propriété du modèle. Si un son trop faible vous gêne, vérifiez le niveau et reprenez au besoin la bande-son de votre source. Les petits chiffres d’un écran d’appareil sont mieux dessinés que chez la concurrence, mais pas de façon fiable — nous avons eu 89 là où l’image disait 84, et avec une prise horizontale les chiffres sont sortis pivotés. La forme d’un produit peut se ramollir en plan moyen. Et en retouchant des images tournées, le modèle peint parfois un détail venu de plus tard dans la source — sur un montage, une ligne rasée dans une coupe de cheveux est apparue un plan trop tôt et a disparu au suivant. Relancer ne l’a pas corrigée chez nous, nous avons donc coupé le passage.
05Comment s’en servir
Du prompt au clip en trois étapes
Décrivez le plan, pas le sujet
Le sujet, ce qu’il fait, la caméra, la lumière. « Plan continu » mérite d’être dit à voix haute. Ajoutez ensuite une courte ligne « Audio/sound: » avec ce qu’on doit entendre — Wan saisit l’indication.
Brouillonnez d’abord en 480p
Quatre secondes en 480p coûtent $0.20. Calez la composition là, puis relancez le gagnant en 720p ou 1080p à la durée dont vous avez réellement besoin.
Payez les secondes obtenues
Votre solde est débité au démarrage du job et remboursé automatiquement s’il échoue ou si le filtre le refuse. Rechargez en crypto ou par carte ; aucun abonnement mensuel ne vous attend.
06Tarifs
Combien coûte Wan 3.0 face à Veo 3.1 et Omni en 2026 ?
| Modèle | 4 s | 10 s | 30 s | Son |
|---|---|---|---|---|
| Wan 3.0 · 480p$0.05/s — brouillons et réseaux | $0.20 | $0.50 | $1.50 | Inclus, gratuit |
| Wan 3.0 · 720p$0.10/s — le choix habituel | $0.40 | $1.00 | $3.00 | Inclus, gratuit |
| Wan 3.0 · 1080p$0.20/s — le plus net | $0.80 | $2.00 | $6.00 | Inclus, gratuit |
| Veo 3.1 Fast · 720pModèle Google, 4–8 s seulement | $0.35 | — | — | En supplément |
| Gemini Omni 1.1 Flash · 720pModèle de Google, à la seconde, 3–10 s par génération | $0.40 | $1.00 | — | Toujours actif |
| Gemini Omni 1.1 Flash · 1080pLe même modèle en 1080p, $0.15 la seconde | $0.60 | $1.50 | — | Toujours actif |
Les prix s’entendent par clip fini et incluent la piste audio. Un tiret signifie que le modèle ne rend pas cette durée en une seule génération : Veo s’arrête à huit secondes et Omni n’atteint 40 secondes qu’en prolongeant un clip fini, scène après scène. Un dépôt de $50 ajoute 5% à votre solde et $100 en ajoute 10% ; un code promo actif ajoute encore 10% sur le même dépôt. Le bonus de volume de +5 % / +10 % ne s'applique qu'aux rechargements en crypto.
Le tableau complet, modèle par modèle, se trouve sur la page des tarifs.
07À lire ensuite
Des guides plus poussés
Transformer une photo en vidéo
Comment se comportent vraiment les images de départ, les images de fin et les boucles, avec les prompts qui les ont produites.
Lire le guideÉcrire des prompts pour les modèles vidéo
Langage de caméra, lumière, mouvement. Écrit pour Veo, mais la structure se transpose à Wan presque telle quelle.
Lire le guideGemini Omni Flash, à l’essai
Le modèle vers lequel se tourner quand il faut retoucher un clip en lui parlant plutôt qu’en réécrivant le prompt.
Lire le guide08FAQ
Les questions qu’on nous pose vraiment
Quelle durée peut faire une vidéo Wan 3.0 ?
Jusqu’à 30 secondes en une seule génération. Les durées disponibles sont 4, 6, 8, 10, 15, 20 et 30 secondes, et le clip revient en un plan continu — ce ne sont pas quatre petits clips mis bout à bout. Les modèles Veo et Omni de Google s’arrêtent à huit et dix secondes par clip.
Combien coûte un clip Wan 3.0 ?
Vous payez à la seconde : $0.05 en 480p, $0.10 en 720p, $0.20 en 1080p. Quatre secondes de brouillon reviennent donc à $0.20, dix secondes en 720p à $1.00, et le maximum — trente secondes en 1080p — à $6.00. La piste audio est comprise dans ce prix.
Lire la réponse complèteWan 3.0 génère-t-il du son ?
Oui, et il est actif par défaut. Le son est rendu en même temps que l’image plutôt qu’ajouté après coup, donc les pas tombent pile sur le pied qui se pose. Vous pouvez le couper pour un clip muet, sans que cela change ce que vous payez. Décrivez ce que vous voulez entendre dans une courte ligne « Audio/sound: » à la fin du prompt. Bon à savoir : les notes de lancement d’Alibaba citent elles-mêmes la texture audio parmi les points encore en cours d’affinage. Dans nos essais, la piste était utilisable telle quelle et les répliques sonnaient bien, mais sur un clip qui compte, vérifiez le niveau.
Puis-je animer ma propre photo ?
Oui. Déposez une image dans l’emplacement de l’image de départ et laissez le prompt décrire ce qui doit lui arriver. Vous pouvez ajouter une image de fin pour contrôler où le plan atterrit, et mettre la même image dans les deux emplacements vous donne une boucle. Un détail : images de début/fin et images de référence ne s’utilisent pas ensemble.
Wan 3.0 ou Veo 3.1, lequel choisir ?
Wan 3.0 est le plus récent et le plus capable des deux : des prises jusqu’à 30 secondes contre huit, le son compris dans le prix, des clips de référence en entrée, et un produit qui reste lui-même quand on l’anime depuis une première image. Veo 3.1 est l’alternative pour ce que Wan ne couvre pas — la sortie 4K — et pour des clips courts au rendu Google. Ma règle : commencer par Wan, et passer à Veo quand le brief dit 4K.
Puis-je retoucher un clip après génération ?
Oui, avec une réserve. Confiez à Wan un clip de 15 secondes au plus — généré par lui ou tourné par vous —, décrivez le changement, et il renvoie un nouveau clip. Source et résultat doivent tenir ensemble dans 30 secondes, et les secondes de la source sont facturées au même tarif à la seconde que le résultat. Ce n’est pas une conversation : chaque retouche est une nouvelle demande sans mémoire de la précédente, et « extend » vous donne la scène suivante plutôt qu’une continuation à l’image près. Le modèle qui se souvient du clip qu’il a fait, c’est Gemini Omni Flash.
Puis-je utiliser les vidéos Wan 3.0 commercialement ?
Oui. Ce que vous générez vous appartient, y compris pour des travaux clients et commerciaux, dans le respect des règles de contenu de nos conditions. Il n’y a pas de filigrane sur le résultat ni de licence séparée à acheter.
Trente secondes, un seul prompt
Les nouveaux comptes démarrent avec $0.20 de solde — de quoi faire un brouillon en 480p et voir si Wan est votre modèle. Des clips dès $0.20, sans abonnement ni engagement.