Wan 3.0 Video
wan / 3-0-video

Wan3.0 adalah model generasi video serbaguna dari Alibaba yang dibangun untuk kreasi multimodal. Model ini mendukung teks, gambar, video, audio, dan referensi terstruktur untuk menghasilkan konten video yang lebih konsisten, realistis, dan dapat dikendalikan dengan kemampuan penceritaan serta penyuntingan yang ditingkatkan.

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 Mendefinisikan Ulang Pembuatan Video Multimodal dengan Kendali Lebih Besar

Original image

Film pendek dapat berkembang melalui berbagai aksi, lokasi, perubahan kamera, dan momen-momen penting dalam cerita tanpa tereduksi menjadi satu momen terisolasi saja. Wan3.0 API sangat cocok untuk rangkaian adegan seperti kejar-kejaran di perkotaan, petualangan miniatur, komedi surealis, atau adegan aksi sinematik di mana karakter, properti, lingkungan, dan logika narasi harus tetap terhubung seiring berjalannya cerita.

Ketika beberapa karakter, kostum, lingkungan, atau referensi visual harus tetap dapat dikenali di sepanjang adegan, Wan 3.0 API dapat menggunakan materi tersebut sebagai panduan kreatif yang persisten. Hal ini membuatnya berguna untuk film mode, rangkaian koreografi, perkenalan karakter, adegan sejarah, dan produksi lainnya di mana penampilan, penataan gaya, hubungan spasial, dan kontinuitas gerakan sangat penting.

Video yang sudah ada dapat menjadi titik awal untuk perubahan kreatif yang terkontrol alih-alih dibuat ulang dari awal. Wan3.0-Video API dapat mendukung tugas-tugas seperti mengganti subjek, mengubah lingkungan, menghapus aksesori, mengubah gaya visual, menyesuaikan elemen adegan tertentu, atau memperpanjang rangkaian adegan yang ada sambil mempertahankan gerakan dan struktur yang tidak boleh berubah.

Video yang dibangun seputar dialog, musik, suara lingkungan, gerakan berirama, atau atmosfer ekspresif dapat memanfaatkan audio sebagai bagian dari arahan kreatif sejak awal. Wan 3.0 Video API dapat mendukung konten seperti video pertunjukan, iklan sinematik, adegan cerita imersif, dan karya visual berbasis ritme di mana suara, tempo visual, penampilan karakter, dan dinamika adegan harus terasa sangat sinkron.

wan/3-0-video berjalan di POST /api/v1/jobs/createTask dan mencakup text-to-video, video frame pertama serta frame pertama dan terakhir, reference-to-video, serta video dari dokumen atau halaman web publik. Output berkisar dari 480P hingga 1080P dan dari 2 hingga 30 detik dengan audio aktif secara default; daftar parameter lengkap tersedia di playground dan dokumentasi API di atas. Harga untuk setiap resolusi ditampilkan pada kartu harga di atas.

Frame pertama dan terakhir tidak dapat digabungkan dengan media referensi, dokumen, atau halaman web, dan frame terakhir memerlukan frame pertama. Dokumen dan halaman web tidak dapat digunakan bersamaan. Dalam mode referensi, rujuk media sebagai Image1, Video1, atau Audio1 di dalam prompt, sesuai urutan pengirimannya. Gambar frame dan referensi tidak boleh berupa PNG dengan transparansi.

Detik yang ditagihkan sama dengan durasi output ditambah total durasi video referensi, dan dengan video referensi, durasi input ditambah output harus tetap dalam 30 detik. Dengan durasi otomatis, penagihan mengikuti durasi yang dipilih model. Pengguna baru Kie.ai menerima 80 kredit uji coba gratis.

Wan3.0 adalah model pembuatan video all-in-one dari Alibaba yang dirancang untuk pembuatan video yang lebih panjang, pemahaman referensi multimodal, konsistensi yang lebih kuat, pengeditan presisi, pembuatan audiovisual yang imersif, dan kontrol sinematik. Model ini mendukung berbagai pendekatan pembuatan, termasuk alur kerja berbasis teks, berbasis gambar, berbasis referensi, dan video yang sudah ada.

Ya. Buat API key di halaman API Keys (kie.ai/api-key) dan kirimkan sebagai header Authorization: Bearer YOUR_API_KEY, lalu panggil POST https://api.kie.ai/api/v1/jobs/createTask dengan model disetel ke wan/3-0-video serta input yang berisi prompt dan media Anda. Permintaan tersebut mengembalikan taskId: teruskan callBackUrl untuk mendapatkan pemberitahuan saat video berhasil atau gagal, atau lakukan polling GET /api/v1/jobs/recordInfo?taskId=…. Setiap parameter dijelaskan dalam dokumentasi Wan 3.0 Video API.

Wan3.0 Video ditagih per detik: 8 kredit per detik pada 480P ($0,04), 16 pada 720P ($0,08), dan 32 pada 1080P ($0,16), sehingga video 1080P berdurasi 5 detik berbiaya 160 kredit ($0,80). Detik yang ditagih adalah durasi keluaran ditambah total panjang video referensi apa pun, dan dengan durasi yang disetel ke -1, penagihan mengikuti panjang yang dipilih oleh model. Alibaba Cloud Model Studio mencantumkan Wan3.0 seharga $0,05, $0,10, dan $0,20 per detik (November 2026), sehingga tarif ini 20% lebih rendah. Harga dapat diperbarui; kartu harga di bagian atas halaman ini selalu menampilkan tarif saat ini.

Tidak. Kie.ai tidak memiliki langganan atau paket tanpa batas: kredit bersifat bayar per penggunaan (pay-as-you-go) dan tidak pernah kedaluwarsa, serta setiap video Wan3.0 ditagih per detik berdasarkan tarif di atas. Secara default, sebuah akun dapat mengirimkan hingga 20 permintaan generasi baru setiap 10 detik, yang biasanya memungkinkan 100+ tugas berjalan secara bersamaan; permintaan yang melebihi batas tersebut mengembalikan kode 429 dan tidak dimasukkan ke antrean.

Wan 3.0 API mendukung konversi teks ke video, image to video, generasi video berdasarkan bingkai pertama dan terakhir, serta pembuatan video berbasis referensi. Kapasitas multimodal yang lebih luas juga membuatnya cocok untuk alur kerja yang menggabungkan berbagai referensi kreatif dalam proses generasi yang sama.

Dalam mode referensi, wan/3-0-video mengambil hingga 10 gambar (JPEG, PNG tanpa transparansi, BMP, atau WebP, masing-masing sisi 240–8.000 px, hingga 20MB), hingga 5 video (MP4 atau MOV, masing-masing 1–15 detik dan total 15 detik, masing-masing hingga 100MB), dan hingga 5 klip audio (WAV atau MP3, masing-masing 1–15 detik dan total 15 detik, hingga 15MB), yang dirujuk dalam prompt sebagai Image1, Video1, dan Audio1 sesuai urutan Anda memasukkannya. Anda juga dapat mulai dari bingkai pertama (secara opsional dengan bingkai terakhir), satu dokumen (seperti DOCX, XLSX, PPTX, PDF, TXT, atau MD, hingga 100MB dan 50 halaman), atau satu halaman web publik. Bingkai pertama dan terakhir tidak dapat digabungkan dengan media referensi, dokumen, atau halaman web, dan dokumen serta halaman web tidak dapat digunakan secara bersamaan.

Ya. Wan3.0 API mendukung pembuatan video berdurasi hingga 30 detik secara langsung, memberikan ruang yang lebih luas bagi adegan untuk pengembangan aksi, progres kamera, interaksi karakter, dan struktur narasi yang lengkap tanpa sepenuhnya bergantung pada beberapa klip pendek.

Wan 3.0 API dirancang untuk mempertahankan detail penting dari referensi yang diberikan meskipun adegan dan gerakan berubah. Tampilan karakter, pakaian, properti, lingkungan, karakteristik audio, dan hubungan spasial dapat tetap lebih konsisten dengan referensi seiring berkembangnya sekuens yang dihasilkan.

Ya. Wan3.0-Video API mendukung penyuntingan video berbasis instruksi dan panduan referensi. Rekaman yang sudah ada dapat dimodifikasi dengan mengubah subjek, lingkungan, gaya visual, pencahayaan, dan elemen pilihan lainnya sambil tetap mempertahankan bagian dari video asli yang harus dibiarkan tidak berubah. Perpanjangan video juga didukung untuk melanjutkan sekuens yang sudah ada. Untuk mengedit atau memperpanjang klip, teruskan di reference_video_urls dan jelaskan perubahan atau kelanjutan dalam prompt, merujuknya sebagai Video1, seperti dalam dokumentasi referensi Wan3.0 API dari Alibaba; durasi video referensi ditagih bersamaan dengan keluaran.

Ya. Wan 3.0 Video API dirancang untuk generasi audiovisual yang lebih kaya, termasuk ekspresi suara alami, karakteristik ucapan, musik dan ritme, audio lingkungan, dan sinkronisasi yang lebih erat antara suara dan tempo visual. Hal ini membantu video yang dihasilkan terasa lebih lengkap dan ekspresif sebagai pengalaman audiovisual yang utuh.