До 30 секунд одним дублем
4, 6, 8, 10, 15, 20 або 30 секунд. Ні склейок, ні розбіжностей між шматками. Наступна за тривалістю модель тут дотягує до пʼятнадцяти, у моделей Google стеля — вісім або десять.
Модель · Alibaba Wan 3.0
Wan 3.0 — 30 секунд відео за один прогін
Відеомодель Alibaba і те єдине, чого тутешні моделі Google не вміють: тривалість. Одна генерація дає від 4 до 30 секунд, уже зі звуком усередині, у 480p, 720p чи 1080p, горизонтально або вертикально. Ви платите посекундно — $0.05, $0.10 або $0.20 залежно від роздільної здатності, — тож короткий чернетковий кліп коштує $0.20, а найдовший і найчіткіший кліп на платформі — $6.00. Крипта або картка, без передплати.
01Що це
Що таке Wan 3.0?
Wan 3.0 — відеомодель Alibaba, що вийшла в Alibaba Cloud Model Studio у серпні 2026 року; вона рендерить кліпи від 4 до 30 секунд, причому звук генерується в тому самому проході, що й картинка. Тут вона приймає промпт, необовʼязкові стартовий і фінальний кадр або до 10 референсних зображень і повертає один готовий кліп у 480p, 720p чи 1080p. Ми беремо рівно стільки, скільки Alibaba просить за модель, — $0.05, $0.10 і $0.20 за секунду за роздільними здатностями, — а не накручуємо зверху: та сама політика, що й з моделями Google.
Кому взагалі потрібні 30 секунд?
Усім, хто втомився клеїти. Більшість відеомоделей упирається у вісім-десять секунд, тож півхвилинна сцена — це три-чотири генерації, ручне стикування і шви там, де модель передумала щодо світла. Wan рендерить усе одним дублем. Для продуктових лупів, фонових сцен, зйомки процесу і всього, де камера просто їде далі, монтаж відпадає як етап. З вертикаллю так само — 9:16 у будь-якій із трьох роздільних здатностей, саме те, що потрібно Shorts і Reels.
02Що вона вміє
Шість речей, які варто знати до першої витрати
Звук, який нічого не коштує
Звук генерується разом із картинкою і ввімкнений за замовчуванням. Вимикається перемикачем, і ціна від цього не змінюється — на відміну від Veo, де нативний звук іде за доплату.
Стартовий і фінальний кадр
Дайте зображення, яке треба оживити, і за бажання фінальне, на якому кліп зупиниться. Та сама картинка в обох слотах дає чистий луп.
До 10 референсних зображень
Референси тримають персонажа чи стиль однаковими від прогону до прогону. Це альтернатива кадрам, а не доповнення до них: модель бере або одне, або інше.
Seed
Зафіксуйте seed — і той самий промпт приземлиться приблизно в той самий кадр. Зручно, коли крутите по одному слову за раз і хочете побачити, що саме це слово зробило.
Три цінові рівні
480p для чернеток по $0.05 за секунду, 720p для публікації по $0.10, 1080p по $0.20. Чернетки — дешево, фінальний дубль — один раз.
03Чесні обмеження
Чого Wan 3.0 не зробить
Редагування тут — не діалог. Gemini Omni Flash можна сказати «зроби світло теплішим», і модель підправить сцену, яку пам'ятає. Wan уміє перезняти ролик, який ви йому дали, — до 15 секунд вихідника, причому вихідник і результат разом мають вкластися в 30 секунд, — але кожен запит починається з нуля, а секунди вихідника оплачуються разом із секундами результату. Ще він рендерить один кліп за запуск — сітки з чотирьох варіантів на вибір не буде. Негативного промпту немає, тож усе зайве доводиться прибирати з опису сцени, а не забороняти. Співвідношення сторін — лише 16:9 і 9:16, стеля — 1080p. І стартові кадри з референсами взаємовиключні: або кадри, або референси.
Alibaba чесно каже, де модель ще росте: у її власних нотатках до релізу написано, що фактура звуку й текст у кадрі поки не на тому рівні, якого вони хочуть, і загалом ми бачимо те саме — тло звучить переконливо, мова вийшла краще, ніж ми очікували, але тонко налаштувати доріжку не вдасться. У довгих дублів свій ризик. Двадцятисекундний ролик із гончарним кругом вище тримається краще, ніж я очікував, але тридцять секунд — це дуже багато кадрів, які треба втримати узгодженими, тож на все довше за п'ятнадцять закладайте повтор. Одну можливість моделі ми поки не підключили: на вході вона приймає документи (PPT, PDF, таблиці). А її «продовження» — це наступна сцена з тими самими героями й декораціями, а не покадрове продовження. Якщо потрібен звук, яким можна керувати фраза за фразою, краще підійде Gemini Omni Flash; якщо потрібне 4K, до якого Wan не дотягується, альтернатива — Veo 3.1.
04Нотатки з практики
Чого нас навчила робота в продакшені
Ці нотатки — з реального рекламного продакшену на Wan 3.0 у вересні 2026 року: ролики з товаром, зачистка відзнятого матеріалу, ремейки від першого кадру. У документації цього немає, і за кожне таке знання заплачено грошима.
Порядок блоків вирішує результат
Увага дістається тому, що стоїть у промпті першим, а довгий опис товару перетягує її повністю. У наших прогонах інструкцію із зачистки на сьомому місці модель пропустила; ті самі слова, підняті нагору як «TASK 1», виконала. Найважливіше ставте першим.
Заперечення працюють як список для малювання
Промпт «no ring, no watch, no ink» дав нам нову золоту каблучку й жирніше татуювання. У нас назвати предмет означало попросити його. Описуйте те, що має бути в кадрі: «each finger is plain skin from base to tip» зробило те, чого не змогли три заперечення.
Порожні руки він заповнює сам
У наших кадрах, де товару бути не мало, Wan підміняв ним будь-який предмет у руці — гребінець перетворився на тример. Назвіть кожен інструмент поіменно, прямо дозвольте кадр без товару й пишіть «ніколи не більше одного» замість «рівно один». Ще надійніше — віддавати такі плани окремим сегментом, у промпті якого товар не описано взагалі.
Перший кадр утримує предмет
Від одного стартового зображення, без референсів, Wan тримав товар цілим усі десять секунд: кнопки на місці, у сцені нічого зайвого. У наших тестах на тому самому кадрі інші моделі домальовували шнур і сторонні предмети. Якщо важливий точний товар, спершу зробіть кадр, а потім дайте Wan оживити його одним прогоном.
Зачистка повертається кадр у кадр
Редагування відзнятого ролика — прибрати татуювання, годинник і браслети — повернуло матеріал, що збігається з вихідником план у план, із чистою шкірою. Надійним розміром шматка в нас були приблизно вісім секунд; довші вихідники краще різати на частини.
Один довгий прогін кращий за ланцюжок
Продовження у Wan — це «наступна сцена», а не покадрове продовження. Коли потрібні п'ятнадцять, двадцять чи тридцять секунд, замовляйте їх однією генерацією, а не ланцюжком коротких.
Тривалість — лише цілі секунди
Результат обрізається до замовленого цілого числа секунд при 30 кадрах за секунду: 94 кадри на вході повернулися як 90. Різати рівно по межі плану в нас тому не виходило — плануйте сегменти так, щоб стики припадали на цілі секунди.
Фото-референс приносить свій гардероб
У наших прогонах Wan копіював одяг і прикраси з фотографії людини, навіть якщо в промпті було сказано «лише обличчя й волосся». Обріжте референс до того, що справді хочете перенести.
Місця вистачить на покадровий бриф
Промпт уміщує до 20 000 знаків — вистачить на нумеровані завдання, замок на кожен інструмент і опис кожного плану. Wan винагороджує таку структуру: що точніше блок каже, що в кадрі, то менше модель імпровізує.
Дефекти, які варто закладати. Звук зазвичай на місці, і мову модель вимовляє непогано — причому не лише англійську. Один проєкт вийшов інакше: у проходах редагування й у text-to-video зі складним промптом звук мотора тримера повернувся тихим, близько −45 дБ: чути, але слабко. В інших наших прогонах доріжка була на місці, тож це окремий випадок, а не властивість моделі; якщо тихий звук критичний, перевірте рівень і за потреби візьміть доріжку з вихідника. Дрібні цифри на дисплеї приладу Wan малює краще за конкурентів, але нестабільно: ми отримали 89 там, де в кадрі було 84, а за горизонтального хвату цифри вийшли повернутими. Форма товару на середніх планах може попливти. А під час редагування матеріалу модель інколи домальовує деталь із пізнішого місця вихідника — вибрита лінія в стрижці з'являється на план раніше й зникає в наступному. Повтором цей дефект у нас виправити не вдалося, тож ми вирізали шматок.
05Як запустити
Від промпта до кліпа за три кроки
Описуйте кадр, а не тему
Субʼєкт, що він робить, камера, світло. «Один безперервний кадр» варто проговорити вголос. Потім додайте короткий рядок «Audio/sound:» з тим, що має бути чути, — Wan розуміє натяк.
Спершу чернетка у 480p
Чотири секунди у 480p коштують $0.20. Зберіть композицію там, а потім перезапустіть переможця у 720p або 1080p на ту тривалість, яка вам справді потрібна.
Платіть за ті секунди, що отримали
Баланс списується на старті завдання і повертається автоматично, якщо воно впало або його відхилив фільтр. Поповнення криптою чи карткою; жодної щомісячної плати на вас не чекає.
06Ціни
Скільки коштує Wan 3.0 порівняно з Veo 3.1 та Omni у 2026 році?
| Модель | 4 с | 10 с | 30 с | Звук |
|---|---|---|---|---|
| Wan 3.0 · 480p$0.05/с — чернетки і соцмережі | $0.20 | $0.50 | $1.50 | Входить, безкоштовно |
| Wan 3.0 · 720p$0.10/с — звичайний вибір | $0.40 | $1.00 | $3.00 | Входить, безкоштовно |
| Wan 3.0 · 1080p$0.20/с — найчіткіший | $0.80 | $2.00 | $6.00 | Входить, безкоштовно |
| Veo 3.1 Fast · 720pМодель Google, лише 4–8 с | $0.35 | — | — | За доплату |
| Gemini Omni 1.1 Flash · 720pмодель Google, посекундно, 3–10 с за прогін | $0.40 | $1.00 | — | Завжди ввімкнений |
| Gemini Omni 1.1 Flash · 1080pта сама модель у 1080p, $0.15 за секунду | $0.60 | $1.50 | — | Завжди ввімкнений |
Ціни вказані за готовий кліп і включають звукову доріжку. Прочерк означає, що за один прогін такої тривалості модель не віддає: Veo зупиняється на восьми секундах, а Omni дістається до 40 секунд лише розширенням готового ролика сцена за сценою. Депозит $50 додає 5% до балансу, $100 — 10%; активний промокод дає ще 10% зверху до того самого депозиту. Бонус за обсяг +5% / +10% діє лише при поповненні криптовалютою.
Повна таблиця по всіх моделях живе на сторінці цін.
07Читати далі
Гайди глибше
Як перетворити фото на відео
Як насправді поводяться стартові кадри, фінальні кадри й лупи — разом із промптами, якими це зроблено.
Читати гайдЯк писати промпти для відеомоделей
Мова камери, світло, рух. Написано для Veo, але структура переноситься на Wan майже без змін.
Читати гайдОгляд Gemini Omni Flash
Модель, по яку варто йти, коли кліп треба правити розмовою, а не новим промптом.
Читати гайд08FAQ
Питання, які ставлять насправді
Якої тривалості може бути відео Wan 3.0?
До 30 секунд за одну генерацію. На вибір є 4, 6, 8, 10, 15, 20 і 30 секунд, і кліп приходить одним безперервним дублем — це не чотири короткі ролики, склеєні разом. Моделі Google Veo та Omni зупиняються на восьми і десяти секундах на кліп.
Скільки коштує кліп Wan 3.0?
Оплата посекундна: $0.05 у 480p, $0.10 у 720p, $0.20 у 1080p. Тобто чотири секунди чернетки — це $0.20, десять секунд у 720p — $1.00, а максимум, тридцять секунд у 1080p, — $6.00. Звукова доріжка входить у цю ціну.
Читати повну відповідьЧи генерує Wan 3.0 звук?
Так, і за замовчуванням він увімкнений. Звук рендериться разом із картинкою, а не додається потім, тому крок чути саме тоді, коли нога торкається підлоги. Його можна вимкнути і отримати німий кліп — на ціні це не позначиться. Що має бути чути, опишіть коротким рядком «Audio/sound:» у кінці промпта. Варто знати: у власних нотатках до запуску Alibaba називає фактуру звуку тим, що ще допрацьовується. У наших прогонах доріжку можна було брати як є, мова звучала непогано, але на важливому ролику рівень варто перевірити.
Чи можна оживити власне фото?
Так. Покладіть зображення в слот стартового кадру, а промпт опише, що з ним має статися. Можна додати фінальний кадр, щоб задати, чим завершиться план, а та сама картинка в обох слотах дає луп. Один нюанс: кадри і референсні зображення разом використовувати не можна.
Wan 3.0 чи Veo 3.1 — що обрати?
Wan 3.0 — новіша й сильніша модель із двох: дублі до 30 секунд проти восьми, звук включено в ціну, відео-референси на вході й товар, який лишається собою, коли ви оживляєте його від першого кадру. Veo 3.1 — альтернатива для того, чого Wan не закриває: 4K і короткі кліпи в картинці Google. Моє правило: починати з Wan і переходити на Veo, коли в брифі стоїть 4K.
Чи можна відредагувати кліп після генерації?
Так, із застереженням. Дайте Wan ролик до 15 секунд — зроблений ним або знятий вами, — опишіть зміну, і він поверне новий кліп. Вихідник і результат разом мають вкластися в 30 секунд, а секунди вихідника оплачуються за тією самою посекундною ставкою, що й результат. Це не діалог: кожна правка — новий запит без пам'яті про попередній, а «продовження» дає наступну сцену, а не покадрове продовження. Модель, яка пам'ятає зроблений кліп, — Gemini Omni Flash.
Чи можна використовувати відео Wan 3.0 комерційно?
Так. Усе, що ви згенерували, ваше — зокрема для клієнтських і комерційних робіт, з урахуванням правил щодо контенту в наших умовах. На результаті немає водяного знака, і окрему ліцензію купувати не треба.
Тридцять секунд, один промпт
Новим акаунтам на баланс падає $0.20 — вистачить на чернетку у 480p, щоб зрозуміти, чи ваша це модель. Кліпи від $0.20, без передплати і зобовʼязань.