Sampai 30 detik, satu take
4, 6, 8, 10, 15, 20, atau 30 detik. Tanpa sambungan, tanpa pergeseran antarsegmen. Model terpanjang berikutnya di sini hanya sampai lima belas; punya Google berhenti di delapan atau sepuluh.
Model · Alibaba Wan 3.0
Wan 3.0 — 30 detik video dalam sekali proses
Model video dari Alibaba, dan satu hal yang tidak bisa dilakukan model Google di sini: durasi. Sekali generasi memberi Anda 4 sampai 30 detik lengkap dengan suaranya, pada 480p, 720p, atau 1080p, horizontal maupun vertikal. Anda membayar per detik — $0.05, $0.10, atau $0.20 tergantung resolusi — jadi draf pendek berharga $0.20 dan klip terpanjang sekaligus tertajam di platform ini berharga $6.00. Kripto atau kartu, tanpa langganan.
01Apa itu
Apa itu Wan 3.0?
Wan 3.0 adalah model pembuat video milik Alibaba yang dirilis di Alibaba Cloud Model Studio pada Agustus 2026, dan model ini menghasilkan klip 4 sampai 30 detik dengan audio yang dibuat dalam proses yang sama dengan gambarnya. Di sini ia membaca sebuah prompt, frame awal dan frame akhir yang sifatnya opsional, atau sampai 10 gambar referensi, lalu mengembalikan satu klip jadi pada 480p, 720p, atau 1080p. Kami menagih persis seperti harga yang dicantumkan Alibaba untuk model ini — $0.05, $0.10, dan $0.20 per detik menurut resolusi — tanpa markup, kebijakan yang sama seperti yang kami terapkan pada model-model Google.
Siapa yang benar-benar butuh 30 detik?
Siapa pun yang sudah lelah menyambung klip. Kebanyakan model video mentok di sekitar delapan atau sepuluh detik, jadi adegan setengah menit berarti tiga atau empat generasi, mencocokkannya satu per satu, dan merelakan sambungan di tempat model berubah pikiran soal pencahayaan. Wan merender semuanya sebagai satu take. Untuk product loop, latar suasana, shot proses, dan apa pun yang kameranya terus bergerak, ini menghapus tahap editing sepenuhnya. Vertikal bekerja dengan cara yang sama — 9:16 pada ketiga resolusi, persis yang dibutuhkan Shorts dan Reels.
02Yang dikerjakannya dengan baik
Enam hal yang perlu diketahui sebelum Anda keluar uang
Suara yang tidak menambah biaya
Audio dibuat bersama gambar dan aktif secara bawaan. Mematikannya cukup satu tombol, dan harganya tetap sama — berbeda dari Veo, yang audio bawaannya adalah tambahan berbayar.
Frame awal dan akhir
Beri gambar awal untuk dianimasikan, dan kalau mau, gambar penutup sebagai titik akhirnya. Gambar yang sama di kedua slot menghasilkan loop yang rapi.
Sampai 10 gambar referensi
Referensi menjaga subjek atau gaya tetap konsisten di setiap generasi. Ini alternatif dari frame, bukan pelengkapnya — model hanya menerima salah satu.
Seed
Kunci seed-nya dan prompt yang sama akan mendarat di shot yang nyaris sama. Berguna saat Anda mengubah satu kata demi satu kata dan ingin tahu efek kata itu.
Tiga tingkat harga
480p untuk draf seharga $0.05 per detik, 720p untuk publikasi seharga $0.10, 1080p seharga $0.20. Buat draf murah, render yang benar-benar dipakai sekali saja.
03Batasan yang jujur
Yang tidak bisa dilakukan Wan 3.0
Mengedit di sini bukan percakapan. Kepada Gemini Omni Flash Anda bisa bilang "buat cahayanya lebih hangat" dan model itu menyesuaikan adegan yang diingatnya. Wan bisa merekam ulang klip yang Anda berikan — sumber hingga 15 detik, dengan sumber dan hasil bersama-sama muat dalam 30 detik — tetapi setiap permintaan mulai dari nol, dan detik sumber ditagih bersama detik hasil. Wan juga merender satu klip per proses — tidak ada kisi empat varian untuk dipilih. Tidak ada prompt negatif, jadi apa pun yang tidak Anda inginkan harus dikeluarkan dari adegan lewat tulisan, bukan dilarang. Rasio aspek hanya 16:9 dan 9:16, dan batas atasnya 1080p. Frame awal dan gambar referensi juga saling meniadakan: pilih frame atau referensi, bukan keduanya.
Alibaba terus terang soal bagian yang masih berkembang: catatan peluncurannya sendiri menyebut tekstur audio dan teks di layar belum sampai di titik yang mereka inginkan, dan itu kurang lebih cocok dengan yang kami lihat — suasananya meyakinkan dan dialognya keluar lebih baik dari dugaan kami, tetapi ini bukan trek yang bisa Anda bentuk sampai detail. Pengambilan panjang punya risikonya sendiri. Klip tembikar dua puluh detik kami di atas bertahan lebih baik dari dugaan saya, tetapi tiga puluh detik berarti banyak frame yang harus tetap konsisten, jadi siapkan anggaran untuk satu kali ulang pada apa pun di atas lima belas detik. Satu hal yang bisa dilakukan model ini di sisi hulu dan belum kami sambungkan: ia menerima dokumen (PPT, PDF, spreadsheet) sebagai input. Dan "extend" miliknya adalah adegan berikutnya dengan pemeran dan set yang sama, bukan kelanjutan yang akurat per frame. Kalau Anda ingin audio yang bisa diarahkan kalimat demi kalimat, Gemini Omni Flash alat yang lebih tepat; kalau butuh 4K, yang tidak dijangkau Wan, alternatifnya Veo 3.1.
04Catatan lapangan
Yang diajarkan produksi nyata kepada kami
Catatan ini berasal dari produksi iklan sungguhan dengan Wan 3.0 pada September 2026: klip produk, proses pembersihan pada rekaman asli, remake yang dibangun dari frame pertama. Tidak ada satu pun yang tertulis di dokumentasi, dan semuanya butuh biaya untuk diketahui.
Urutan blok menentukan hasil
Apa pun yang muncul pertama di prompt mendapat perhatian, dan deskripsi produk yang panjang menyedot semuanya. Dalam pengujian kami, instruksi pembersihan di urutan ketujuh terlewat; kata-kata yang sama, dipindah ke paling atas sebagai "TASK 1", dijalankan. Letakkan hal yang paling Anda butuhkan di depan.
Kalimat negatif bekerja seperti daftar gambar
"No ring, no watch, no ink" memberi kami cincin emas baru dan tato yang lebih tebal. Dalam pengujian kami, menyebut sesuatu justru berarti memintanya. Sebagai gantinya, gambarkan apa yang seharusnya ada: "each finger is plain skin from base to tip" berhasil melakukan apa yang tidak bisa dilakukan tiga penyangkalan.
Ia mengisi tangan yang kosong
Pada shot kami yang seharusnya tanpa produk, Wan menukar apa pun yang dipegang tangan dengan produk itu — sisir berubah jadi alat cukur. Sebutkan setiap alat dengan namanya, nyatakan terang-terangan bahwa frame tanpa produk itu boleh, dan tulis "tidak pernah lebih dari satu" alih-alih "tepat satu". Lebih aman lagi: render shot seperti itu sebagai segmen terpisah yang prompt-nya sama sekali tidak menggambarkan produk.
Frame pertama menjaga objek
Dari satu gambar awal dan tanpa referensi, Wan menjaga produk tetap utuh selama sepuluh detik: tombol di tempatnya, tidak ada benda tambahan di adegan. Dalam pengujian kami pada frame yang sama, model lain menumbuhkan kabel nyasar dan benda asing. Kalau produk yang persis itu penting, buat frame-nya dulu lalu biarkan Wan menghidupkannya dalam satu proses.
Hasil pembersihan kembali frame demi frame
Mengedit klip rekaman untuk menghapus tato, jam tangan, dan gelang mengembalikan rekaman yang cocok dengan sumbernya shot demi shot, dengan kulit yang bersih. Bagi kami, potongan hingga sekitar delapan detik adalah ukuran yang andal; sumber yang lebih panjang sebaiknya dipotong jadi beberapa bagian.
Satu proses panjang mengalahkan rantai
Extend di Wan berarti "adegan berikutnya", bukan kelanjutan yang akurat per frame. Kalau Anda butuh lima belas, dua puluh, atau tiga puluh detik, pesan sebagai satu generasi, bukan merangkai beberapa yang pendek.
Durasi adalah detik bulat
Hasil dipangkas ke jumlah detik bulat yang Anda pesan, pada 30 fps: 94 frame masuk, 90 yang kembali. Karena itu memotong tepat di batas shot tidak berhasil bagi kami — rencanakan segmen agar sambungannya jatuh di detik bulat.
Foto referensi ikut membawa pakaiannya
Dalam pengujian kami, Wan menyalin pakaian dan perhiasan dari foto seseorang walaupun prompt berkata "hanya wajah dan rambut". Potong referensi sampai tersisa bagian yang memang ingin Anda bawa.
Ruang untuk brief shot demi shot
Prompt menampung hingga 20.000 karakter, jadi ada ruang untuk tugas bernomor, kunci untuk setiap alat, dan deskripsi setiap shot. Wan menghargai struktur itu: makin tepat sebuah blok menyebut apa yang ada di frame, makin sedikit ia berimprovisasi.
Cacat yang perlu diperhitungkan. Suara biasanya ada, dan model mengucapkan dialog dengan cukup baik — bukan hanya dalam bahasa Inggris. Satu proyek berjalan sebaliknya: pada proses edit dan pada satu text-to-video dengan prompt yang rumit, suara motor alat cukur kembali pelan, sekitar −45 dB — terdengar, tetapi lemah. Pada render kami yang lain trek audionya ada di tempatnya, jadi itu satu kasus, bukan sifat modelnya; kalau suara yang pelan bikin repot, periksa levelnya dan ambil suara dari sumber Anda bila perlu. Angka kecil pada layar perangkat digambar lebih baik daripada pesaing, tetapi tidak selalu stabil — kami mendapat 89 padahal frame-nya menunjukkan 84, dan saat perangkat dipegang mendatar angkanya keluar terputar. Bentuk produk bisa melunak pada medium shot. Dan saat mengedit rekaman, model kadang menggambar detail dari bagian sumber yang lebih belakang — garis cukuran pada potongan rambut yang muncul satu shot lebih awal lalu hilang di shot berikutnya. Mengulang tidak memperbaikinya bagi kami, jadi bagian itu kami potong.
05Cara menjalankannya
Dari prompt ke klip dalam tiga langkah
Jelaskan shot-nya, bukan topiknya
Subjek, apa yang dilakukannya, kameranya, cahayanya. "Single continuous shot" layak ditulis terang-terangan. Lalu tambahkan satu baris pendek "Audio/sound:" untuk apa yang harus terdengar — Wan menangkap isyaratnya.
Buat draf di 480p dulu
Empat detik pada 480p berharga $0.20. Betulkan komposisinya di situ, lalu jalankan ulang yang terbaik pada 720p atau 1080p dengan durasi yang benar-benar Anda butuhkan.
Bayar detik yang Anda dapat
Saldo Anda dipotong saat proses dimulai, dan dikembalikan otomatis kalau gagal atau ditolak filter. Isi saldo dengan kripto atau kartu; tidak ada biaya bulanan yang menunggu Anda.
06Harga
Berapa harga Wan 3.0 dibanding Veo 3.1 dan Omni di tahun 2026?
| Model | 4 dtk | 10 dtk | 30 dtk | Suara |
|---|---|---|---|---|
| Wan 3.0 · 480p$0.05/dtk — draf dan media sosial | $0.20 | $0.50 | $1.50 | Termasuk, gratis |
| Wan 3.0 · 720p$0.10/dtk — pilihan yang biasa dipakai | $0.40 | $1.00 | $3.00 | Termasuk, gratis |
| Wan 3.0 · 1080p$0.20/dtk — yang paling tajam | $0.80 | $2.00 | $6.00 | Termasuk, gratis |
| Veo 3.1 Fast · 720pModel Google, hanya 4–8 dtk | $0.35 | — | — | Biaya tambahan |
| Gemini Omni 1.1 Flash · 720pModel Google, per detik, 3–10 dtk per proses | $0.40 | $1.00 | — | Selalu aktif |
| Gemini Omni 1.1 Flash · 1080pModel yang sama di 1080p, $0.15 per detik | $0.60 | $1.50 | — | Selalu aktif |
Harga dihitung per klip jadi dan sudah termasuk trek audio. Tanda hubung berarti model itu tidak memberikan durasi tersebut dalam satu proses: Veo berhenti di delapan detik, dan Omni baru mencapai 40 detik dengan memperpanjang klip yang sudah jadi, adegan demi adegan. Deposit $50 menambah 5% ke saldo Anda dan $100 menambah 10%; kode promo yang aktif menambah 10% lagi di atas deposit yang sama. Bonus volume +5% / +10% hanya berlaku untuk isi saldo dengan kripto.
Tabel lengkap untuk semua model ada di halaman harga.
07Baca berikutnya
Panduan yang membahas lebih dalam
Mengubah foto menjadi video
Bagaimana frame awal, frame akhir, dan loop benar-benar berperilaku, lengkap dengan prompt yang menghasilkannya.
Baca panduanMenulis prompt untuk model video
Bahasa kamera, pencahayaan, gerak. Ditulis untuk Veo, tapi strukturnya berpindah ke Wan nyaris tanpa perubahan.
Baca panduanUlasan Gemini Omni Flash
Model yang Anda pilih saat perlu mengedit klip dengan cara mengobrol, bukan menulis ulang prompt.
Baca panduan08FAQ
Pertanyaan yang benar-benar ditanyakan
Berapa lama durasi maksimal video Wan 3.0?
Sampai 30 detik dalam satu generasi. Durasi yang bisa dipilih adalah 4, 6, 8, 10, 15, 20, dan 30 detik, dan klipnya kembali sebagai satu take utuh — bukan empat klip pendek yang disambung. Model Veo dan Omni dari Google berhenti di delapan dan sepuluh detik per klip.
Berapa biaya satu klip Wan 3.0?
Anda membayar per detik: $0.05 pada 480p, $0.10 pada 720p, $0.20 pada 1080p. Jadi draf empat detik berharga $0.20, sepuluh detik pada 720p berharga $1.00, dan yang maksimal — tiga puluh detik pada 1080p — berharga $6.00. Trek audionya sudah termasuk dalam harga itu.
Baca jawaban lengkapApakah Wan 3.0 menghasilkan suara?
Ya, dan aktif secara bawaan. Suara dirender bersama gambar, bukan ditambahkan belakangan, jadi bunyi langkah jatuh tepat saat kaki menapak. Anda bisa mematikannya untuk klip tanpa suara, dan itu tidak mengubah biayanya. Tuliskan apa yang ingin Anda dengar dalam satu baris pendek "Audio/sound:" di akhir prompt. Perlu diketahui: catatan rilis Alibaba sendiri menyebut tekstur audio sebagai bagian yang masih disempurnakan. Dalam pengujian kami, treknya bisa dipakai apa adanya dan dialognya terdengar baik, tetapi untuk klip penting sebaiknya periksa levelnya.
Bisakah saya menganimasikan foto saya sendiri?
Bisa. Masukkan gambar ke slot frame awal, lalu promptnya menjelaskan apa yang harus terjadi padanya. Anda bisa menambahkan frame akhir untuk menentukan di mana shot-nya berhenti, dan memakai gambar yang sama di kedua slot akan menghasilkan loop. Satu catatan: frame dan gambar referensi tidak bisa dipakai bersamaan.
Wan 3.0 atau Veo 3.1 — mana yang sebaiknya saya pakai?
Wan 3.0 adalah yang lebih baru dan lebih mampu di antara keduanya: pengambilan hingga 30 detik berbanding delapan, suara sudah termasuk harga, klip referensi sebagai input, dan produk yang tetap menjadi dirinya saat Anda menghidupkannya dari frame pertama. Veo 3.1 adalah alternatif untuk hal yang tidak dicakup Wan — output 4K — dan untuk klip pendek dengan tampilan khas Google. Patokan saya: mulai dengan Wan, dan pindah ke Veo saat brief meminta 4K.
Bisakah saya mengedit klip setelah dibuat?
Bisa, dengan catatan. Berikan kepada Wan klip hingga 15 detik — buatannya sendiri atau rekaman Anda —, jelaskan perubahannya, dan ia mengembalikan klip baru. Sumber dan hasil bersama-sama harus muat dalam 30 detik, dan detik sumber ditagih dengan tarif per detik yang sama seperti hasil. Ini bukan percakapan: setiap edit adalah permintaan baru tanpa ingatan akan yang sebelumnya, dan "extend" memberi Anda adegan berikutnya, bukan kelanjutan yang akurat per frame. Model yang mengingat klip buatannya adalah Gemini Omni Flash.
Bolehkah video Wan 3.0 dipakai secara komersial?
Boleh. Apa yang Anda hasilkan menjadi milik Anda, termasuk untuk pekerjaan klien dan komersial, dengan tunduk pada aturan konten dalam ketentuan kami. Tidak ada watermark pada hasilnya dan tidak ada lisensi terpisah yang harus dibeli.
Tiga puluh detik, satu prompt
Akun baru dimulai dengan saldo $0.20 — cukup untuk satu draf 480p demi tahu apakah Wan memang model Anda. Klip mulai $0.20, tanpa langganan, tanpa ikatan.