阿里Wan3.0测评:PPT自己会动了,视频生成开始卷＂读懂文档＂

开场：一条被淹没的消息

8月6日这天，AI圈有点忙。头天夜里GPT-6的爆料刚刷完屏，大家还在争论"10万亿参数到底是不是噱头"，阿里这边不声不响地放了个公测消息：万相3.0，也就是Wan3.0，正式上线了。

说实话，我一开始也没太当回事。视频生成模型这两年见多了，快手可灵、字节Seedance、OpenAI Sora，家家都在喊"电影级效果"。上个月我刚写完Seedance2.5的测评，对"AI拍视频"这件事已经有点脱敏了——反正就是画面越来越好看，价格越来越便宜，套路我都摸清了。

直到我把Wan3.0的文档翻完，又拿真东西试了几轮，才觉得这事比表面看起来有意思。

有意思在哪？不在它多会"拍电影"，而在它学会了"读文档"。前两代视频模型都在卷"画质"，这一代忽然有人开始卷"理解力"。这是两条完全不同的路，咱们慢慢说。

01 先搞清楚：Wan3.0到底是个啥

Wan3.0是阿里万相系列的第三代视频生成模型。万相这名字听着有点玄乎，其实就是阿里的"AI画画机器"，从图片生成起家，一步步做到视频。

这代最大的变化是四个字：单次30秒。

过去主流的视频模型，一次生成五六秒，想凑一个30秒的片子，你得一段段拼，拼接处还容易穿帮。Wan3.0一次直接给你30秒，这个长度是什么概念？跟字节的Seedance2.5并列，是目前行业里单次生成时长的最高档。

长度之外，Wan3.0在输入上也做了加法。文生视频是基本功，图片、音频、视频四种模态都能作为参考输入。什么意思呢？你给它一张产品图，它能绕着产品拍一段；给它一段音乐，它能按节奏剪画面。多模态参考这事，各家都在做，不算稀奇，真正稀奇的在下一条。

02 最狠的一招：PPT、Excel自己会动

文档直接转视频：PPT、Excel、PDF扔进去，自动生成动态片子

Wan3.0支持把文档直接变成视频。输入支持doc、xls、ppt、pdf、txt，连keynote、pages、numbers这些苹果系格式都收，一个文件不超过100MB，页数不超过50页就行。

官方给的应用场景是：教学课件、产品演示、动态图表、业务汇报。

我拿到手第一个念头是：这玩意儿要是好用，做PPT的兄弟姐妹们得哭一半笑一半。你写了一个季度汇报，以前要找人配音、找素材、一帧帧做动画，现在直接把PPT扔进去，它给你出一段动态视频，图表会动，重点会划，连旁白都给你配好。

这不是噱头。我试了一个带表格和柱状图的PDF，它能把数据逐项拆出来做成动态图表，数字没写错，柱子的高度也对得上。再拿一份二十页的PPT试，逻辑顺序没乱，标题页、内容页、图表页的转场都还像那么回事。单就"读文档"这个能力，目前市面上能打的视频模型里，它是独一份。

这个功能的可怕之处在于它把门槛拆了。以前"把文档做成视频"是个专业活，要么会剪辑，要么花钱找人，要么学一整套动画工具。现在的工作流简单到让人有点恍惚：上传文件，输入一句话，等两分钟，拿到一段能用的片子。干得不完美，但能用了。

当然，离"万能"还远，这个后边细说。

03 价格：打到了Seedance的一半

价格与性价比：720P每秒0.6元，只有Seedance2.5的六成

说完了能力说钱。视频生成这行，价格一直是劝退主力，跑一分钟视频烧掉几十块钱是常事。Wan3.0的API定价是这样的：

480P，每秒0.3元，一分钟18元；

720P，每秒0.6元，一分钟36元；

1080P，每秒1.2元，一分钟72元。

单独看这个价格你可能没概念，跟字节Seedance2.5比一下就懂了。Seedance2.5的480P是每秒0.67元，720P是每秒1.51元。同样的720P，Wan3.0是0.6元，只有Seedance的六成，成本直接砍掉一半左右。

我一直觉得，AI视频这东西，技术差距能靠堆参数追上，价格差距才是真护城河。阿里的策略很清楚：功能上跟你打平，价格上砍你一刀，先用性价比把用户圈住，再慢慢迭代。

04 实测：能打的场面，和露怯的角落

30秒长叙事实测：运镜自然、微表情到位，但物理规律偶尔犯傻

说再多参数不如上手试。我综合了几家媒体和我自己的实测，把Wan3.0的表现拆成能打的和露怯的两类。

能打的三件事。

第一，长叙事没崩。30秒的短视频，起承转合能讲完，运镜自然，不像以前那种"画面很美但不知道在讲啥"。第二，人物表情到位。有一个测试场景是"笑着流泪"，这个细节很多模型做出来都是皮笑肉不笑，Wan3.0的微表情拿捏住了。第三，文字渲染靠谱。视频里出现文字是AI的老大难，要么拼错要么糊成一团，Wan3.0生成的手表广告，所有单词拼写正确，没有乱码。

露怯的也有三处。

一是产品一致性。文档转视频里，同一个产品在不同镜头之间，外观会有轻微变化，颜色、细节对不齐，做广告片的会介意。二是多视角没真同步。官方演示里有四视角物理模拟，但实测四路画面并没有严格对齐，说是"世界模拟"还差点火候。三是物理规律偶尔犯傻。常规的翻车项目一个没少，手指头、液体、复杂遮挡，该崩还是崩。

一句话总结实测：Wan3.0是个干活的好手，不是个完美的演员。

05 冷静看：阿里在赌什么

现在把镜头拉远一点。

视频生成这条赛道，2026年下半年的格局其实已经很清楚：字节有Seedance2.5，阿里有Wan3.0，快手有可灵，OpenAI的Sora还在憋大招。四家里，两家中国公司把单次时长做到了30秒，把价格打到了白菜价，这是半年前没人敢想的。

阿里这步棋，赌的不是"AI拍电影"，是"AI干活"。

你看它主推的场景就明白了：教学课件、产品演示、业务汇报、动态图表。全是打工人刚需，全是低频高价值的场景。一个季度汇报的动画视频，外包做要几百块，用Wan3.0跑，几分钟，几块钱。这才是它想抢的市场——不是短视频创作者，是每一个需要做汇报、做课件的普通人。

所以Wan3.0本质上不是Sora的对手，是剪辑师和外包团队的对手。它要替代的不是"创意"，是"执行"。这也解释了阿里为什么把公测入口铺得这么开：阿里云百炼、万镜一刻、万相官网、千问创作PC端，四个入口一起上。它不想只当个API卖模型，想让你在办公场景里顺手就用上，用顺手了，就离不开了。

还注意到一个细节：千问App也同步更新了，视频生成直接进了国民级App的聊天框。这个动作比模型本身更值得琢磨——阿里在把视频生成往"日常工具"的位置上推，而不是往"专业软件"的方向养。

06 怎么选：给三类人的建议

创作者和普通用户，我给你分三档说。

如果你是短视频创作者，追求画面质感，Wan3.0可以先观望，Seedance2.5在视觉表现上仍然更成熟，可灵在特定风格上也有一手。

如果你是上班族，需要做汇报、做课件、做产品演示，Wan3.0值得立刻上手。把PPT扔进去转成视频，这个工作流今天就能用，30秒内出活，成本忽略不计。

如果你是开发者，想接API做应用，Wan3.0的价格优势很实在，0.6元/秒的720P意味着你可以在应用里放"视频生成"功能而不用担心账单爆炸，这是以前不敢想的。

07 写在最后

Wan3.0发布这五天，网上讨论度不算高，风头都被GPT-6抢了。但我觉得，它可能比GPT-6更能代表AI这半年的变化。

GPT-6在秀肌肉，秀10万亿参数的肌肉。Wan3.0在干活，干"把PPT变成视频"这种脏活累活。肌肉秀完了，迟早要落地干活；而干活干得顺手的人，会一直有饭吃。

AI视频的免费时代已经开始倒计时，但"便宜到敢随便用"的时代，才刚刚开始。

你试过Wan3.0吗？拿它转过PPT没有？评论区聊聊你的实测感受。

觉得有用，点赞、在看、转发三连，我们下篇见。

数智手札 | 用数字视角记录AI科技