Wan 3.0 Video
wan / 3-0-video

Wan3.0 ist das All-in-One-Videogenerierungsmodell von Alibaba für die multimodale Erstellung. Es unterstützt Text-, Bild-, Video-, Audio- und strukturierte Referenzen, um konsistentere, realistischere und besser steuerbare Videoinhalte mit erweiterten Storytelling- und Bearbeitungsfunktionen zu erzeugen.

Pricing: 8 credits/s for 480P ($0.04/s), 16 credits/s for 720P ($0.08/s), and 32 credits/s for 1080P ($0.16/s), all 20% below official pricing. Note: The billing rule is (input video duration + output video duration) × unit price. High-tier top-ups (+10% bonus) provide an additional 10% reduction in effective pricing.
Input
Start Frame
End Frame

Click to upload or drag and drop images. Single side: [240, 8000] px; aspect ratio ≤ 8:1

Images: JPEG/JPG/PNG/WebP/BMP, Max 20MB

Text prompt used to describe the desired video content. Supports both Chinese and English, with a maximum length of 20,000 characters.

0/20000

Click to upload or drag and drop

Supported formats: JPEG, PNG, WEBP, BMP Maximum file size: 20MB; Maximum files: 10

Maximum 10 images. Mapped in array order to Image1, Image2, ... in the prompt. Specifications are the same as first_frame_url. Cannot be used together with first frame / last frame.

Click to upload or drag and drop

Supported formats: MP4, QUICKTIME Maximum file size: 100MB; Maximum files: 5

Maximum 5 clips. Each clip: 1–15s; total combined duration ≤ 15s. Mapped in array order to Video1, Video2, ... in the prompt. Formats: mp4, mov. Single side: [240, 4096] px; aspect ratio ≤ 8:1; file size per clip ≤ 100MB. Additionally, on the output side: total input video duration + output duration (duration parameter) must not exceed 30 seconds.

Click to upload or drag and drop

Supported formats: MPEG, WAV, X-WAV Maximum file size: 15MB; Maximum files: 5

Maximum 5 clips. Each clip: 1–15s; total combined duration ≤ 15s. Mapped in array order to Audio1, Audio2, ... in the prompt. Formats: wav, mp3; file size ≤ 15MB per clip. When not used as the sole media input, it is still recommended to pair with images or videos.

Text
0 / 1
No items yet. Click Add to start.

Maximum 1 publicly accessible webpage (no login required). Cannot be used together with reference_file_urls, nor with first frame / last frame.

Text
0 / 1
No items yet. Click Add to start.

Maximum 1 file. Cannot be used together with reference_link_urls, nor with first frame / last frame. Supported formats: docx, doc, xlsx, xls, pptx, ppt, pdf, txt, key, pages, numbers, md. File size ≤ 100MB. For file types such as pdf, docx, ppt, key, pages, etc., page count ≤ 50 pages.

Preset resolution levels for video generation.

Aspect ratio for generated video. "Adaptive" auto-recommends a ratio based on input media proportions and intent.

Duration of the generated video, in seconds. When no video input is provided, the value must be an integer in the range of [2, 30]. When a video input is provided, the total duration of the input video plus the output video must not exceed 30 seconds. Passing -1 enables smart duration mode, where the model automatically recommends an appropriate duration based on the input.

Whether the output video includes audio. true (default): Includes audio; false: No audio track.

Random seed for result reproducibility. 0 <= x <= 2147483647

A configurable parameter. Defaults to true in the Playground.

There is no guarantee that everything can be filtered out; if you are not satisfied with the results, you will need to make your own arrangements.
Output
output typevideo
Examples

Explore different use cases and parameter configurations

README

Complete guide to using wan/3-0-video

Wan3.0 API definiert multimodale Videoerstellung mit mehr Kontrolle neu

Original image

Ein Kurzfilm kann sich über mehrere Handlungen, Schauplätze, Kamerawechsel und Story-Beats hinweg entwickeln, ohne auf einen einzelnen isolierten Moment reduziert zu werden. Die Wan3.0 API eignet sich hervorragend für Sequenzen wie Verfolgungsjagden in der Stadt, Miniatur-Abenteuer, surreale Komödien oder filmreife Action-Szenen, in denen Charaktere, Requisiten, Umgebungen und die narrative Logik im Verlauf der Geschichte stimmig verbunden bleiben müssen.

Wenn mehrere Charaktere, Kostüme, Umgebungen oder visuelle Referenzen über eine gesamte Szene hinweg wiedererkennbar bleiben müssen, kann die Wan 3.0 API diese Materialien als durchgängige kreative Vorgabe nutzen. Dadurch eignet sie sich für Modefilme, Choreografie-Sequenzen, Charakter-Showcases, historische Szenen und andere Produktionen, bei denen Aussehen, Styling, räumliche Beziehungen und Bewegungskontinuität gleichermaßen zählen.

Bestehendes Videomaterial kann als Ausgangspunkt für gezielte kreative Änderungen dienen, anstatt von Grund auf neu generiert zu werden. Die Wan3.0-Video API unterstützt Aufgaben wie das Ersetzen eines Motivs, das Ändern einer Umgebung, das Entfernen eines Accessoires, das Anpassen des visuellen Stils, das Bearbeiten ausgewählter Szenenelemente oder das Verlängern einer bestehenden Sequenz, während Bewegung und Struktur, die unverändert bleiben sollen, erhalten werden.

Videos, die auf Dialogen, Musik, Umgebungsgeräuschen, rhythmischer Bewegung oder einer ausdrucksstarken Atmosphäre aufbauen, profitieren davon, wenn Audio von Anfang an als Teil der kreativen Regie behandelt wird. Die Wan 3.0 Video API unterstützt Inhalte wie Performance-Videos, filmreife Werbespots, immersive Story-Szenen und rhythmusgetriebene Bewegungsstücke, bei denen Ton, visuelles Tempo, Charakter-Performance und Szenendynamik eng synchronisiert wirken müssen.

wan/3-0-video läuft über POST /api/v1/jobs/createTask und deckt Text-zu-Video, Videos mit Start-Frame sowie Start- und End-Frame, Referenz-zu-Video sowie Videos aus einem Dokument oder einer öffentlichen Webseite ab. Die Ausgabe reicht von 480P bis 1080P und von 2 bis 30 Sekunden bei standardmäßig aktiviertem Audio; die vollständige Parameterliste finden Sie oben im Playground und in der API-Dokumentation. Die Preise für jede Auflösung sind in der Preiskarte oben aufgeführt.

Start- und End-Frames können nicht mit Referenzmedien, einem Dokument oder einer Webseite kombiniert werden, und ein End-Frame setzt einen Start-Frame voraus. Ein Dokument und eine Webseite können nicht zusammen verwendet werden. Verweisen Sie im Referenzmodus im Prompt in der übergebenen Reihenfolge mit Image1, Video1 oder Audio1 auf die Medien. Frame- und Referenzbilder dürfen keine PNG-Dateien mit Transparenz sein.

Die abgerechneten Sekunden entsprechen der Ausgabedauer zuzüglich der Gesamtdauer der Referenzvideos; bei Verwendung von Referenzvideos darf die Summe aus Eingabe- und Ausgabedauer 30 Sekunden nicht überschreiten. Bei automatischer Dauer richtet sich die Abrechnung nach der vom Modell gewählten Länge. Neue Kie.ai-Nutzer erhalten 80 kostenlose Credits zum Testen.

Wan3.0 ist das All-in-One-Videogenerierungsmodell von Alibaba, das für die Erstellung längerer Videos, multimodales Referenzverständnis, höhere Konsistenz, präzise Bearbeitung, immersive audiovisuelle Generierung und filmreife Steuerung entwickelt wurde. Es unterstützt verschiedene Erstellungsansätze, darunter textgesteuerte, bildgesteuerte, referenzbasierte Workflows sowie Workflows auf Basis bestehender Videos.

Ja. Erstellen Sie einen API-Key auf der Seite „API Keys“ (kie.ai/api-key) und senden Sie ihn als Header Authorization: Bearer YOUR_API_KEY. Rufen Sie dann POST https://api.kie.ai/api/v1/jobs/createTask mit dem auf wan/3-0-video gesetzten Modell sowie einem Input mit Ihrem Prompt und Ihren Medien auf. Die Anfrage gibt eine taskId zurück: Übergeben Sie eine callBackUrl, um benachrichtigt zu werden, wenn das Video erfolgreich erstellt wurde oder fehlgeschlagen ist, oder fragen Sie den Status über GET /api/v1/jobs/recordInfo?taskId=… ab. Jeder Parameter ist in der Wan 3.0 Video API-Dokumentation beschrieben.

Wan3.0 Video wird pro Sekunde abgerechnet: 8 Credits pro Sekunde bei 480P (0,04 $), 16 bei 720P (0,08 $) und 32 bei 1080P (0,16 $), sodass ein 5-sekündiges 1080P-Video 160 Credits (0,80 $) kostet. Die abgerechneten Sekunden ergeben sich aus der Ausgabedauer zuzüglich der Gesamtlänge aller Referenzvideos; ist die Dauer auf -1 gesetzt, richtet sich die Abrechnung nach der vom Modell gewählten Länge. Alibaba Cloud Model Studio listet Wan3.0 mit 0,05 $, 0,10 $ und 0,20 $ pro Sekunde (November 2026), sodass diese Tarife 20 % günstiger sind. Die Preise können aktualisiert werden; die Preiskarte oben auf dieser Seite zeigt immer den aktuellen Tarif.

Nein. Kie.ai bietet kein Abonnement und keinen unbegrenzten Tarif an: Credits werden nutzungsbasiert (Pay-as-you-go) abgerechnet und verfallen nie, und jedes Wan3.0-Video wird pro Sekunde zu den oben genannten Tarifen berechnet. Standardmäßig kann ein Konto alle 10 Sekunden bis zu 20 neue Generierungsanfragen senden, was in der Regel 100+ gleichzeitig laufende Aufgaben ermöglicht; Anfragen über diesem Limit geben den Code 429 zurück und werden nicht in die Warteschlange gestellt.

Die Wan 3.0 API unterstützt Text-zu-Video, Bild-zu-Video, Videogenerierung mit Start- und Endbild sowie referenzbasierte Videoerstellung. Durch ihre umfassenden multimodalen Fähigkeiten eignet sie sich zudem für Workflows, die verschiedene kreative Referenzen innerhalb desselben Generierungsprozesses kombinieren.

Im Referenzmodus akzeptiert wan/3-0-video bis zu 10 Bilder (JPEG, PNG ohne Transparenz, BMP oder WebP, jede Seite 240–8.000 px, bis zu 20MB), bis zu 5 Videos (MP4 oder MOV, jeweils 1–15 Sekunden und insgesamt 15 Sekunden, jeweils bis zu 100MB) und bis zu 5 Audioclips (WAV oder MP3, jeweils 1–15 Sekunden und insgesamt 15 Sekunden, bis zu 15MB), auf die im Prompt in der übergebenen Reihenfolge als Image1, Video1 und Audio1 verwiesen wird. Sie können auch mit einem Startbild (optional mit einem Endbild), einem Dokument (wie DOCX, XLSX, PPTX, PDF, TXT oder MD, bis zu 100MB und 50 Seiten) oder einer öffentlichen Webseite beginnen. Start- und Endbilder können nicht mit Referenzmedien, einem Dokument oder einer Webseite kombiniert werden, und ein Dokument und eine Webseite können nicht zusammen verwendet werden.

Ja. Die Wan3.0 API unterstützt die native Videogenerierung von bis zu 30 Sekunden und bietet Szenen damit mehr Raum für Handlungsentwicklung, Kamerafahrten, Charakterinteraktionen und eine vollständige Erzählstruktur, ohne vollständig auf mehrere kurze Clips angewiesen zu sein.

Die Wan 3.0 API ist darauf ausgelegt, wichtige Details aus bereitgestellten Referenzen über wechselnde Szenen und Bewegungen hinweg beizubehalten. Das Aussehen der Charaktere, Kleidung, Requisiten, Umgebungen, Audioeigenschaften und räumliche Beziehungen können im Verlauf der generierten Sequenz enger an den bereitgestellten Referenzen ausgerichtet bleiben.

Ja. Die Wan3.0-Video API unterstützt anweisungsbasierte und referenzgestützte Videobearbeitung. Bestehendes Filmmaterial kann angepasst werden, indem Motive, Umgebungen, visuelle Stile, Beleuchtung und andere ausgewählte Elemente geändert werden, während Teile des Originalvideos, die unverändert bleiben sollen, erhalten bleiben. Auch die Funktion „Video verlängern“ wird zur Fortsetzung bestehender Sequenzen unterstützt. Um einen Clip zu bearbeiten oder zu verlängern, übergeben Sie ihn in reference_video_urls und beschreiben Sie die Änderung oder Fortsetzung im Prompt. Bezeichnen Sie den Clip dabei wie in der Wan3.0 API-Referenz von Alibaba als Video1; die Länge des Referenzvideos wird zusammen mit der Ausgabe abgerechnet.

Ja. Die Wan 3.0 Video API ist für eine reichhaltigere audiovisuelle Generierung konzipiert. Dazu zählen natürlicher Klangausdruck, Spracheigenschaften, Musik und Rhythmus, Umgebungsgeräusche sowie eine engere Synchronisierung zwischen Ton und visuellem Tempo. Dadurch wirken generierte Videos als einheitliches audiovisuelles Erlebnis vollständiger und ausdrucksstärker.