wan3.0-video · Standard

Wan3.0-Video 是万相3.0系列的旗舰全能视频生成模型，采用 All-in-One 设计，无需切换模型即可覆盖文生视频、图生视频（首帧/首尾帧）和参考生视频等全部任务类型。其核心突破在于多模态素材理解能力：单次支持最多20个多模态素材参考，涵盖图片、视频、音频、PDF/PPT/DOCX文档及公开网页链接，模型可自动解析文档和网页内容并生成风格一致的新视频。生成时长大幅提升至最长30秒，帧率30fps，原生输出台词、BGM和音效，支持480P、720P、1080P分辨率输出。底层采用时空联合注意力扩散架构（Spatio-Temporal DiT），在隐空间内同步计算画面几何特征与帧间运动流，提升了长时序视频的稳定性。