素材来源：千问APP公众号、IT之家、界面新闻 | 2026-08-07

说出来你可能不信——把一个PPT扔给AI，出来的是一支视频。

不是图文，不是动画模板，是真正的视频：有运镜、有转场、有叙事。

8月6日晚间，阿里云正式宣布全新一代视频生成模型 Wan3.0 开启公测。今天起，百炼、万镜一刻、万相官网、千问创作PC端等渠道全部开放，千问APP灰度推送。

这一代最狠的变化，不在画质，在输入。

文档成了第五种模态

过去喂给视频模型的，无非四样：文本、图片、音频、视频。

Wan3.0第一次把文档也变成了输入。doc、xls、ppt、pdf、txt、md，连key、pages、numbers这些苹果办公格式都支持。单个文件或链接不超过100MB、50页。

什么意思？你的教学课件、产品演示、业务汇报，可以直接变成视频。

官方给的例子很直观：上传一个智能眼镜产品的PPT，配上一段提示词，出来就是一条完整的形象片。

办公素材到视频之间那条手工剪辑的流水线，被这个模型从中间截断了。

单次30秒，从镜头到故事

生成时长的延展是Wan3.0最直观的升级：单次原生生成30秒。

30秒意味着什么？连续运镜、一镜到底这些复杂镜头语言终于施展得开了。AI视频从"生成一个镜头"走向"讲述一段完整的故事"。

配套的还有两个小功能：智能时长——根据提示词自动推荐合适时长；视频延长——在结尾继续延展剧情走向。

镜头拍完不算完，故事讲完才算完。

图1｜Wan3.0公测核心参数与单条视频成本（数据来源：阿里云官方公告）

告别"AI油腻感"

官方这次专门提了人像：文生视频力求"千人千面"——五官、皮肤细节更敏锐，情绪表达自然克制，微表情和肢体动作联动。群像场景里，不同人物的复杂情绪也能分开呈现。

这正是目前视频生成模型最容易被一眼识破的地方。AI人物的"油腻感"、表情的"塑料感"，Wan3.0把它当作头号问题来打。

全能参考的一致性也跟上了：角色、道具、声音、空间关系、风格，细粒度维度都能稳定保持。角色换套衣服不串脸，道具换个角度不变形。

视频编辑能力同步升级——支持直接修改画面、剧情与台词，不用推翻重来。

官方也自己留了句实话：声音质感与文字准确度，仍有进步空间。

文档到视频，链路怎么走

把结构化信息变成镜头语言，靠的是模型内部的提示词工程与指令遵循能力——提示词被转化为调度输入、控制表达的中枢。

图2｜Wan3.0的"文档→视频"链路：结构化信息直接翻译成镜头语言

视频生成赛道的节奏，变成周更了

7月31日，即梦Seedance 2.5发布；同一天，MiniMax H3带着"手绘即特效"来了。

8月6日，Wan3.0跟上。一周之内三家大厂密集出手，视频生成赛道已经从"月更"卷进"周更"。

但注意阿里这次押注的方向：不是更炫的画面，而是更实用的场景。教学课件、产品演示、动态图表、业务汇报——全是办公场景。

配合定价看更明显：480P只要0.3元/秒，一条30秒的片子9块钱。这个价格瞄准的不是影视工业，是日常生产力。

换个角度说，阿里想把视频生成从"内容工具"变成"办公基建"。

几个值得注意的细节

→ 模态扩张是今年视频模型的统一主线：文本→图片→音频→视频→文档，输入边界每打开一次，使用场景就翻一倍。

→ "从镜头到故事"是时长竞赛的终点逻辑。30秒刚好跨过短视频平台的一条完整叙事线，卡位卡得很准。

→ 文档转视频真正吃掉的是"演示素材再生产"这条流水线——PPT做好了还要找人剪视频的日子，正在被模型压缩。

→ 官方主动承认声音与文字准确度仍有短板，这种自我标注在国产模型公告里不多见。

好了，最后一个问题留给你们——

文档直接变视频，是"AI视频从玩具变工具"的临门一脚，还是办公素材批量变成短视频流水线的开始？

评论区告诉我你的第一反应。