8月24日，阿里云视频生成大模型 Wan3.0 正式上线。据多家媒体报道，它单次可生成最长 30 秒视频，最大的变化是首次支持文档格式输入：doc、xls、ppt、pdf、md 直接当素材用，"把 PPT 变成讲解视频"这类需求，模型自己就能干了。据报道 API 价格 0.3 元/秒起，限时 7 折。距 8 月初开启公测（据报道）约两周，这次算是正式面向开发者开放。

技术本质：全能参考视频生成

Wan3.0 官方定位是"全能参考视频生成模型"，统一支持文生视频、图生视频（首帧/首尾帧）和参考生视频。和上一代万相模型相比，核心变化在输入侧：

• 多模态参考：参考图像最多 10 张，参考视频、音频各最多 5 段，还能直接传文件（100MB 以内、50 页以内）和网页链接。
• • 素材可指代：提示词里可以用"图1""视频1""音频1"指代素材，多个素材按剧本协同出场。
• • 时长升级：单次生成 2-30 秒、30 帧每秒，从"生成一个镜头"走向"讲一段完整的故事"。
    文档输入这件事值得多说两句。以前视频生成只能吃文本和图片，想根据一份 PPT 出片，得先把内容提炼成脚本，再逐段生成。现在模型直接读文件，产品参数、表格数据、页面结构这些信息不需要人来转述，理论上视频内容和原始资料的对齐程度会更高。当然"理论上"三个字很重要，实际效果取决于模型对长文档的理解能力，该验证的还得验证。

变了什么、没变什么

变的地方有三点：输入从"一句话、一张图"扩展到"一份完整资料"，文档转视频的中间环节被砍掉一大截；时长从几秒拉到 30 秒，还支持智能时长模式；价格下探，0.3 元/秒起配合 7 折活动（据报道），批量生成成为可能。

没变的地方同样关键：视频生成是"生成式"不是"事实还原"，数字、文字、流程依然可能出错；生成耗时仍是分钟级（官方文档说通常 1-5 分钟），所以 API 是异步的，流程还是"创建任务、轮询获取"。对做集成的团队来说，异步模式要提前设计好任务管理和结果回调，不能按同步接口的思路写代码。

开发者怎么接入

模型名是 wan3.0-video（标准版）和 wan3.0-video-prime（高速版，据报道能力对齐标准版、速度显著提升）。官方 API 参考（北京地域）示例如下：

curl 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis' \
  -H 'X-DashScope-Async: enable' \
    -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
      -H 'Content-Type: application/json' \
        -d '{"model":"wan3.0-video","input":{"prompt":"把这份产品文档做成30秒宣传视频","media":[{"type":"file","url":"https://example.com/product.pptx"}]}}'
        ```
返回 task_id 后轮询查询，官方建议间隔约 15 秒；任务成功后视频链接 24 小时内有效，记得及时转存。三个坑：

- 地域一致性：模型、接口地址、密钥必须同一地域，跨地域直接失败。
- - 参数互斥：首尾帧和参考素材两类输入不能混用，混用会报错。
- - 素材限制：参考视频、音频单段 1-15 秒、总时长不超 15 秒；文件不超 100MB、50 页。
## 实际怎么用

典型场景：产品宣传片初稿、文档转讲解视频、多素材混剪。建议先小批量试：

1. 先跑通异步流程再谈批量：创建任务、轮询、结果转存先封装成小工具。
2. 2. 商用必须人工审片：文字、数字、品牌元素容易错，发布前逐帧检查。
3. 3. 算清成本：按秒计费，30 秒一条、一天几十条的成本先估算。
4. 4. 素材版权自查：参考素材要确保有使用权。
另外提一句提示词：文档输入模式下，把文档里要重点突出的内容在提示词里点明，比全靠模型自己理解更稳，生成的镜头也更贴资料。

适合谁用：做内容工具、营销中台、培训材料的团队，能把"文档出片"直接接进现有流程。不适合谁用：对画面内容精确性要求极高的场景，比如带大量公式、精确数字的严肃内容，现阶段还是人工制作更稳。对普通开发者来说，这类模型把"文档到视频"的链路压成一次 API 调用，视频不再只是剪辑岗位的产出，业务团队自己就能出初稿。但能生成不等于能用：出片质量、合规审核、素材版权这些环节不会消失，只是换了个位置，接手的还是干活的人。

## 结尾

当视频生成开始"读文档"，内容生产的流水线又短了一截。如果给你一个能读 PPT 和表格的视频模型，你会拿它做什么？你怎么看，评论区聊聊。