8月6日阿里公测了Wan3.0，有一个功能我盯了很久——直接上传PPT、Word、Excel，AI自动生成视频。
我平时做内容经常需要把PPT转成短视频发抖音、小红书。以前的操作流程是：打开PPT→截每一页→导入剪映→加转场→配音→调节奏，一份20页的PPT搞下来至少两小时。现在说是传个文件就出片？我不太信。
所以我花了一天时间，用6组不同类型的测试把Wan3.0从里到外试了一遍。30秒长叙事、人物演技、PPT转视频、产品广告、物理一致性、风格渲染，每个维度都跑了真实案例。好不好用、贵不贵、哪些坑要避，下面全写清楚了。
简单说：阿里通义万相系列的第三代视频生成模型。跟上一代比，这次升级的核心就两个——单次最长30秒（之前AI视频普遍只有5-10秒），以及首次支持文档格式输入（PPT/Word/Excel/PDF直接传）。
6个入口可以用，我推荐直接去万相官网（wanxiang.aliyun.com），功能最全，C端有每日免费额度。如果你常用千问，在千问创作PC端（c.qianwen.com）也能用。阿里云百炼是给开发者调API的，普通用户不需要。
公测第一天人特别多，我测的时候网站崩了好几次，排队等了挺久。如果你要试，建议错开高峰时段。
1打开万相官网，用淘宝或支付宝账号登录。页面中间就是视频生成入口。2选"文档输入"模式。支持doc、xls、ppt、pdf、txt、md，甚至网页链接。限制：单次1个文件，不超过100MB，不超过50页。超过50页的PPT要先拆分。3写一句提示词。这步不能省。虽然文档会被自动解析，但你不告诉AI要什么风格，它就按默认来，效果可能跟你想的差十万八千里。比如："基于这份PPT生成25秒产品介绍视频，科技感商务风格，快节奏剪辑，重点突出45g轻量化和12小时续航，结尾品牌Logo定格"。4设置参数。选分辨率（480P/720P/1080P）、画面比例（16:9横屏、9:16竖屏、1:1方形等）。还有一个"全能参考"功能，可以上传产品实物图或Logo，帮AI锁定外观一致性。做产品视频的话，这步很重要。5点生成，等几分钟。生成完成后视频URL有效期24小时，一定要马上下载。如果某个镜头不满意，可以局部重绘，不用全部重来。整个流程就是：传文件→写一句风格描述→选参数→等结果→下载。比手动写prompt描述每个画面省事太多。
这是整篇文章最值钱的部分。我跑了6组不同类型的测试，每组都有具体结果和判断。
测试1·能打30秒长叙事：《大鱼海棠》一镜到底
我写了一段30秒一镜到底的镜头脚本：神之围楼天井缓缓升起→红裙少女接住海棠花→纵身跃入夜空化作红色大鱼→穿过海棠花云层→海天相接→潜入深蓝海面。
结果：30秒全程给足，故事起承转合完整。围楼、海棠花、黄昏氛围的还原度很高，运镜升降自然，少女变身前形象一致。小瑕疵在变身那一瞬间——红绸聚形成鱼的过渡少了帧因果衔接，偏"化形特效"。但整体讲，30秒讲完一个东方奇幻故事，这个头号卖点立住了。
我的判断：30秒叙事能力是真的。以前AI视频只能生成一个"镜头"，现在能讲一段"故事"。做品牌故事、产品叙事类视频，够用了。测试2·意外惊喜人物演技：从隐忍到崩溃
AI视频最常见的毛病是"木偶式表演"——眼神空洞、表情僵硬。我用一张真人参考图，让Wan3.0演一段情绪递进：瞳孔放大失焦→眼眶泛红→咬唇→半弧苦笑→一滴泪滑落。
结果让我有点意外："笑着流泪"那段处理得相当高级。从垂眸看手机、眼神失焦，到抬眼时眶内水光凝聚，再到闭眼落泪时嘴角还挂着半弧苦笑——全程没有哭崩、没有五官扭曲、人物从头到尾同一张脸。智能时长也准，没指定总时长，它自动给了约9秒。
不足：攥衣角、喉结滚动这类身体微指令，最后只兑现了交握的双手。但就"AI不再是木偶"这个命题来说，已经很能打了。
我的判断：如果你做的是需要人物情绪表达的短视频（比如剧情向内容），Wan3.0的演技够用。但别指望它做精细的身体动作。测试3·核心卖点PPT转视频：链路跑通了，但有漂移
这是我最关心的测试。我先用Kimi K3生成了一份8页的"虚拟产品"PPT——一个虚构的AR智能眼镜品牌"NOVA智见"，包含45g轻量化、12小时续航、55°大视场角等卖点。然后上传给Wan3.0，让它做30秒产品介绍视频。
链路确实跑通了。Wan3.0从PPT里读懂了核心卖点，45g、12小时、55°这些数据逐条出现在视频中，结尾的"NOVA智见，目光所及，皆有答案，2026年9月"一字不差。中文文字渲染零乱码——这点比我预想的好很多。
但问题也很明显：产品外观在不同镜头间有明显漂移。开头是厚重的银框，中段变成无框细腿，结尾又是另一副造型。跑步场景的人物还有轻微残影分身。它把"产品介绍视频"理解成了电影感广告片，而不是PPT页面切换——如果你期待的是PPT那种一页一页翻的效果，会跟预期不一样。
我的判断：PPT转视频这条链路具备真实可用性，卖点不会瞎编、数据对得上、文字全正确。但产品外观一致性是短板，做实物产品视频要特别注意。建议上传产品实物图作为"全能参考"来锁定外观。测试4·喜忧参半智能手表广告：文字反超，锁形略输
这组我复用了之前测其他AI视频工具时的同题案例：一张智能手表产品图，要求从顶光微距特写转到360度旋转，右侧浮现卖点文字，最后定格品牌Slogan。
有意思的是，官方自己承认的短板在这组反而没掉链子——视频中的文字全部拼写正确，零乱码，顶光到柔光的广告级灯光调度也有苹果官方片的质感。
失分在道具一致性：表壳在玫瑰金和银白之间漂移，米兰尼斯表带时粗时细，旋转到侧面时表冠出现红圈又消失，表盘刻度数字细看有涂抹感。
我的判断：文字渲染能力超出预期。如果你做的视频需要画面中出现文字（产品名、数据、标语），Wan3.0目前是几家里最稳的。但产品外观锁定不行，做实物广告要心里有数。测试5·别指望四视角机器人：物理一致性还是中间态
这组是"世界模型"级任务：模拟装在机器人头部、胸前、左右手腕的四个摄像头视角，四宫格同时记录机器人抓取桌面上的红色立方体。
结果：只给了三视角而不是四视角，中途还塌陷成单画面全屏再切回分屏。各格子里的机械臂数量和方块位置对不上，红方块一度悬浮上墙，抓取瞬间还出现分身。
亮点是中央主视角里"抓取→翻转→放入托盘"的任务链完整走完，夹爪与方块接触基本符合物理，没有出现电线穿模。但整体来说，多机位物理同步还做不到。
我的判断：这个功能跟普通人关系不大。如果你不是做机器人训练或工业仿真，可以忽略。但它说明Wan3.0在"物理世界模拟"这个维度还不是第一梯队。测试6·能打风格渲染：浮世绘和赛博朋克都没串
我刻意避开了媒体已经测过的日式赛璐璐和仙山水墨，用了两组原创案例：日式浮世绘版画和欧美赛博朋克。
浮世绘那条几乎是冲着《神奈川冲浪里》去的——鹰爪浪尖、飞沫、浪谷渔船、富士雪顶，全要素在线，蓝白配色抓得很准。赛博朋克那条，雨夜霓虹、湿地倒影、透明雨衣加武士刀的主角，有《银翼杀手》的调性，全程风格没漂移。
挑刺的话：浮世绘更像"动漫插画仿浮世绘"，缺少木版画的套色边界和纸质感。赛博朋克的招牌文字依旧是假字乱码。但作为风格还原，一东一西一个传统一个科幻都立住了。
我的判断：如果你做的是风格化短视频内容（艺术向、创意向），Wan3.0的风格还原能力够用。但画面中的文字别指望，后期自己加。Wan3.0按秒计费，不包月，用多少算多少：
480P：0.3元/秒 — 出草稿用，看构图和叙事
720P：0.6元/秒 — 日常发抖音小红书够用
1080P：1.2元/秒 — 正式成品用这个
算几笔账：
30秒720P = 18元（一条产品视频）
30秒1080P = 36元（一条高清成品）
15秒720P = 9元（一条短视频）
10秒480P = 3元（一条草稿试错）
免费额度：C端每日有免费生成额度，先用免费额度试效果，满意了再付费出高清版。具体数量登录后在账户里看。我的省钱策略：先用480P出3-5版草稿（每版3元），选定最佳版本后再出1080P成品（36元）。总成本约45-54元出一条满意的高清视频。比请剪辑师便宜太多了——外面做一条30秒产品视频，市场价少说500起步。
三款是国内AI视频的主流选择，我根据实测和公开数据整理了核心差异：
万相3.0 优势
文档转视频——独家。可灵和即梦都不支持上传PPT直接生成。这是万相最大的差异化。
30秒单段时长——行业第一梯队。可灵原生只有10秒（延长可达2分钟但是分段拼接），即梦约10秒。万相30秒一镜到底，连贯性更好。
按条付费——偶尔用最划算。不包月，3元起试。可灵66元/月、即梦88元/月，你不常做视频的话包月反而浪费。
中文文字渲染——最稳。6组测试里文字几乎没乱码，这点超出预期。万相3.0 劣势
产品外观一致性——弱项。眼镜会换造型、表壳会变色。可灵在道具锁定上更稳。
声音质感——短板。官方自己承认还在进步空间。如果视频要正式发布，建议后期补配音。
复杂动作——容易翻车。打斗、剧烈运动存在手指畸形、动作僵硬的问题。可灵的动作连贯性目前最好。
风格偏商业调性。做文艺、风格化内容不如即梦灵活。按场景选
有PPT/Word要转视频 → 万相3.0（独家功能，没替代品）
做写实感强的实拍类 → 可灵AI（动作最稳、物理模拟强）
做抖音/小红书创意视频 → 即梦AI（创意路线+剪映联动+抖音生态）三个工具不冲突，按场景选。我的用法是：PPT转视频用万相，写实类内容用可灵，创意短视频用即梦。如果你只选一个，看你最常做什么类型的内容。
坑1：提示词不能省。虽然文档会被自动解析，但只写"做个产品视频"这种笼统的话，出来的东西可能完全不是你要的。至少写清楚：视频风格、重点内容、节奏、结尾画面。解决：写具体。比如"25秒科技感商务风格，快节奏剪辑，重点突出45g轻量化和12小时续航，结尾Logo定格"。坑2：50页限制。我的测试PPT只有8页，跑得很顺。但如果你拿一份50页的年终总结传上去，会被拒绝。解决：提前拆分。删掉过渡页和纯文字页，保留数据图表页和产品图片页。8-15页的精简PPT效果最好。坑3：视频URL只有24小时有效期。生成完别想着"明天再存"，链接过期就得重新生成重新付费。解决：生成后立刻下载到本地。坑4：产品外观会漂移。同一个产品在不同镜头里造型不一样，这是目前最大的硬伤。解决：上传产品实物图作为"全能参考"，帮AI锁定外观。这步对产品视频来说一定要做。坑5：30秒可能不够用。如果你的PPT内容多，30秒讲不完。万相支持"视频延长"续写，但分段拼接后连贯性会下降。解决：一份PPT只提取1-2个核心信息点，别贪多。做两条30秒比做一条60秒效果好。适合用的人：
• 经常做产品介绍视频的电商/市场人员——把产品PPT传上去，30秒出片，18元一条720P
• 做课程内容的教育工作者——课件转教学短视频，学生更爱看
• 需要把报告/方案做成视频汇报的职场人——Excel/PDF也能转
• 想批量测试短视频效果的内容创作者——480P草稿3元一条，试错成本低
• 做品牌故事/叙事类短视频的——30秒一镜到底的能力是独家不适合用的人：
• 需要精确控制每个画面细节的专业剪辑师——编辑控制力还不够精细
• 做动作戏/特效大片的——复杂动作容易翻车，去用可灵
• 需要高质量配音和字幕同步的——声音是短板，要后期处理
• 做实物产品广告且要求外观高度一致的——产品外观会漂移，目前锁不住
• 每天大量做视频的——按条付费不如可灵/即梦的包月划算最后说一句实在话。Wan3.0的文档转视频功能，目前在国内没有竞品。可灵和即梦还在拼"谁的画面更好看"，万相直接解决了"怎么从文档出发做视频"这个实际问题。对需要把PPT转视频的人来说，它就是目前唯一的选择——而且这个选择，够用。
如果你手头有现成的PPT想转视频，今天就可以去万相官网试试。先用免费额度出一条480P草稿，看看效果再决定要不要花18元出720P成品。
10个月宝宝每天需要喝多少奶粉？
