阿里Wan3.0:扔个PPT就出30秒视频

做短视频这两年，我最烦的一件事是：拍和剪比写脚本还累。脚本十分钟想完，架机位、打光、录好几遍、再剪半天，一天就这么没了。

昨天阿里把视频大模型 Wan3.0 正式放出来了，它能直接"吃"你的 PPT、Word、PDF 这些文档，一次吐出最多 30 秒的视频成片。这篇就聊聊，这玩意到底能不能让普通人不用相机、不用剪辑软件，就把视频做出来。

说白了，它就是个"全自动视频工厂"

先解释一下"视频大模型"是啥。大模型你大致听过，就是那种能聊天、写字的 AI；"视频大模型"是它的一个分支，专门干一件事：把文字、图片变成"会动的视频"。你把它当成一个从没见过真人、但看过几亿条视频的剪辑师傅就行。

Wan3.0 是阿里通义那边做的视频大模型。它这次最让我意外的一点：以前这类工具基本只认"一段话描述"，你得像写剧本一样告诉它要什么画面；Wan3.0 第一次能直接读 doc、xls、ppt、pdf、md 这些办公文档。换句话说，你平时写的工作汇报、课件、方案，不用重新改写成剧本，直接拖进去它就能试着变成视频。

它还顺手把角色长相、道具、声音、运镜（就是推拉摇移跟这些拍片手法）在一整段视频里保持一致，最多吃 20 份参考素材。这正好治了之前 AI 视频一个老毛病，上一秒主角穿红衣，下一秒变蓝了。

跟你具体有啥关系

别觉得这是大厂炫技，落到普通人身上很具体：

• 做自媒体的：你有一份产品介绍 PPT，以前得背稿拍、再剪；现在丢进去，先出个 30 秒粗剪版，你再补真人出镜的部分。
• 职场人：周报、方案想汇报得生动点，把文档转成视频，开会投屏比念 PPT 有人看。
• 老师、培训岗：课件一键变讲解视频，学生能反复看。
• 小商家：几张商品图加一段文案，能凑出一条带货短片，省下请拍摄团队的钱。

钱包层面也得说清楚。它的 API 按秒计费：480P 每秒 3 毛、1080P 每秒 1 块 2，现在到 9 月 23 日打 7 折。算笔账——一条 30 秒的 1080P 视频，折后大概 25 块。跟请个拍摄团队动辄几千比，这价格对个体户太友好了。

现在能怎么上手

我按官方给的入口试了一遍，普通用户这么走就行：

1. 打开万相官网（wanxiang.aliyun.com）或千问创作（c.qianwen.com），注册登录，能领新人免费生成额度；
2. 把你的 PPT 或 PDF 传上去（注意控制在 50 页内、100MB 以下，超了会解析失败），配一句提示词，比如"30 秒产品宣传片，统一模特形象"；
3. 选 480/720/1080 分辨率，点生成，等几十秒出片，不够长还能续写二次编辑。

开发者想接自己系统，去阿里云百炼开个 API Key，模型 ID 填 wan3.0-video 就行，用量明细在后台看得清清楚楚。

但是

我落地时注意到几个实打实的边界：一次最多 30 秒，拍不了长剧情；复杂运镜和多人物对话还容易翻车；角色一致性比上个月强，但还没到"你完全不用管"的地步。文档超过 50 页、参考图一次堆太多，画面也会飘。

所以"AI 会不会抢饭碗"这个问题，我倾向于这么看：做模板化口播、种草、简单宣传片的人，单子价格会被压，因为客户发现 25 块能出个七十分的片子，就不一定花两千找人了。但真人出镜、带情绪和临场反应的视频，短时间替代不了。

给你个判断标准：如果你的视频核心价值是"信息讲清楚"，那交给 Wan3.0 省时间；如果你的价值是"这个人说话有意思、有信任感"，那就别省真人那部分。工具把门槛削平了，反而"你脑子里有没有货"变得更值钱。

你现在能试的：打开万相官网，把你积灰的一份 PPT 丢进去，看它给你变出啥。

觉得有用点个在看，转给正在纠结要不要做视频的同事。