Wan 3.0 огляд: AI-відео зі звуком до 30 секунд

Wan 3.0 — нове покоління відеомоделей Wan від Alibaba. Модель створює ролики зі звуком одразу, має режим «міркування» над промптом, оживлює фото і дозволяє задати тривалість від 3 до 30 секунд з кроком в одну секунду. У цьому огляді Wan 3.0 розбираємо, як користуватися моделлю онлайн у WebTerra AI, скільки коштує генерація, як писати промпти зі звуком і чим нова версія відрізняється від сусідів по каталогу.

Лінійка Wan відома як відкрита і доступна за ціною: попередні версії полюбили за хороше співвідношення якості та вартості. Wan 3.0 робить помітний крок уперед — це вже не просто «німий» генератор картинки, а модель, яка видає готовий ролик зі звуковою доріжкою. Для соцмереж і швидкого контенту це означає менше етапів: не треба окремо шукати шуми чи накладати атмосферу.

Ще одна важлива відмінність — гнучка тривалість. Більшість відеомоделей пропонують два-три фіксовані варіанти, а тут можна вибрати будь-яку тривалість від 3 до 30 секунд. Wan 3.0 доступна в розділі генерації відео WebTerra AI.

Що вміє Wan 3.0

• Звук одразу. За замовчуванням модель генерує ролик разом зі звуковою доріжкою.
• Режим «міркування». Модель окремо осмислює промпт перед генерацією, що корисно для складних описів сцени.
• Текст у відео. Ролик з нуля за описом.
• Оживлення фото. Завантажене зображення стає основою відео.
• Перший і останній кадр. Можна задати початок і фінал сцени.
• Тривалість 3–30 секунд. Будь-яке ціле значення в цьому діапазоні.
• Три роздільні здатності. 480p, 720p і 1080p.
• П’ять форматів кадру. 16:9, 9:16, 1:1, 4:3 і 3:4.

Пресети в кабінеті охоплюють типові задачі: кінематографічний кадр, відео продукту для маркетплейсу чи соцмереж, природа і таймлапс, оживлення фото, репліка героя зі звуком, сцена з атмосферним звуком, вертикальний ролик для рілс, влог від першої особи, їжа великим планом і фантастична сцена. Два пресети спеціально розраховані на звук — це підказка, що в промпті Wan 3.0 варто описувати не лише картинку, а й те, що глядач почує.

Демонстраційний ролик моделі — паперовий кораблик, що пливе дощовим струмком уздовж вулиці, з відблисками ліхтарів у воді. Сцена невелика, але добре показує, як модель працює з дрібною фізикою води, світлом і атмосферою.

Характеристики

Як користуватися Wan 3.0 у WebTerra AI

1. Зареєструйтеся у WebTerra AI — на рахунок надійде 60 подарункових кредитів.
2. Відкрийте генератор відео в кабінеті і виберіть Wan 3.0.
3. Виберіть режим: текст у відео або оживлення фото. Для анімації завантажте зображення; за потреби задайте й останній кадр.
4. Встановіть тривалість (3–30 секунд), роздільну здатність і формат кадру.
5. Напишіть промпт, описавши і картинку, і звук, або виберіть пресет, наприклад «Сцена з атмосферним звуком».
6. Перевірте вартість у кабінеті і запустіть генерацію.

Ціни на Wan 3.0

Базова ціна в каталозі розрахована для ролика тривалістю 3 секунди в 720p. Ось вартість на кожному тарифі:

Вартість залежить від тривалості та роздільної здатності. Базові ставки: 480p — близько 8,3 кредиту за секунду, 720p — 17, 1080p — 34. На тарифах Pro і Ultra діє знижка, тому фактичне списання трохи нижче.

Приємна новина: 60 подарункових кредитів вистачає на 3-секундний ролик у 720p або на 5-секундний у 480p. Цього достатньо, щоб оцінити звук і якість руху до покупки тарифу. Детальніше — на сторінці тарифів WebTerra AI.

Приклади промптів

Промпти краще писати англійською. Оскільки Wan 3.0 генерує звук, описуйте і те, що чути. Наприкінці додавайте «no text, no captions, no watermark».

1. Демо-промпт моделі. Паперовий кораблик під дощем.

A paper boat floating down a rainy street gutter, raindrops hitting the water, reflections of streetlights, shallow depth of field, no text, no captions, no watermark

2. Сцена з атмосферним звуком. Звук описано разом із картинкою.

A cozy mountain cabin at night during a snowstorm, fire crackling in the fireplace, wind howling outside, warm orange light, slow push-in, no text, no watermark

3. Репліка героя. Персонаж говорить коротку фразу.

Close-up of a young barista behind a cafe counter, smiling at the camera and saying "Your coffee is ready", espresso machine hissing in the background, natural light, no captions, no watermark

4. Вертикальний ролик для рілс. Динамічне відео 9:16.

Vertical video, a skateboarder doing a kickflip in an urban skatepark at sunset, wheels rolling on concrete, crowd cheering, energetic handheld camera, no text, no watermark

5. Відео продукту. Реклама для маркетплейсу.

Wireless headphones slowly rotating on a white pedestal, soft studio light, subtle electronic hum, clean premium look, no text, no watermark

6. Влог від першої особи. POV-кадр, ніби знятий на телефон.

POV smartphone footage walking through a busy night market, sizzling street food, vendors calling out, colorful lanterns overhead, slight camera shake, no text, no watermark

Поради: як писати промпти для Wan 3.0

Описуйте звук окремим реченням

Звук генерується разом із відео, тому дайте моделі підказку: що звучить на передньому плані, а що фоном. «Fire crackling, wind howling outside» працює краще, ніж надія, що модель здогадається сама.

Репліки беріть у лапки

Якщо персонаж має щось сказати, наведіть фразу дослівно в лапках і тримайте її короткою. Довгі монологи гірше вкладаються в короткий ролик.

Використовуйте гнучку тривалість

Не потрібно підганяти задачу під 5 чи 10 секунд. Для лупа в сторіз достатньо 3–4 секунд, для атмосферної заставки — 8–12, для розгорнутої сцени — до 30. Чим точніше тривалість відповідає задачі, тим менше переплата.

Складні сцени — на користь режиму «міркування»

Режим осмислення промпту корисний, коли в описі кілька подій, персонажів або умов. Але й тут допомагає чітка структура: спочатку місце дії, потім дія, потім камера і звук.

Чернетки — у 480p

Шукайте композицію і рух у найнижчій роздільній здатності, а 1080p вмикайте для фінальної версії. На довгих роликах різниця у вартості дуже відчутна.

Для кого Wan 3.0

• SMM і блогерам. Готові вертикальні ролики зі звуком для рілс і шортсів.
• Маркетплейсам і e-commerce. Відео товарів без окремого озвучення.
• Рекламі. Короткі ролики з репліками персонажів.
• Тревел і фуд-контенту. POV-кадри з атмосферою вулиць і кухні.
• Сторітелінгу. Розгорнуті сцени до 30 секунд без склейки кількох генерацій.
• Тим, хто рахує бюджет. Тестування ідей у 480p за мінімальну ціну.

Сценарій: рілс зі звуком за один прохід

Виберіть формат 9:16 і тривалість 6–8 секунд — цього вистачає для одного яскравого моменту, який утримає глядача. Опишіть дію, рух камери і звук: шум міста, музику з вуличного кафе, кроки. Спершу згенеруйте чернетку в 480p, переконайтеся, що рух і звук працюють, і лише потім запускайте фінальну версію в 720p чи 1080p. Готовий ролик можна публікувати одразу, без окремого озвучення.

Сценарій: оживлене фото товару

Завантажте студійне фото товару як перший кадр і попросіть повільний оберт або наїзд камери з легким фоновим звуком. Якщо ролик має закінчуватися конкретною композицією, наприклад товаром на тлі упаковки, задайте її як останній кадр. Так ви отримаєте коротку рекламу для картки товару чи сторіз без зйомки.

Порівняння Wan 3.0 з іншими відеомоделями

Якщо бюджет на першому місці, а звук не потрібен, попередня версія Wan 2.7 залишається недорогим варіантом. Для 4K зі звуком варто подивитися на Veo 3.1. Альтернативою для роликів зі звуком є Kling 2.6 Pro, а коли потрібно кілька сцен в одному відео — Seedance 2.0. Wan 3.0 виграє гнучкою тривалістю до 30 секунд і поєднанням звуку з режимом «міркування».

У каталозі є й інші відеомоделі. Kling 3.0 вирізняється якістю руху і підійде для складної динаміки людей, а Hailuo 02 — для швидкого оживлення фото. Якщо ж потрібен ролик довше 10 секунд за одну генерацію і зі звуком, Wan 3.0 — зручний і практичний варіант.

Обмеження і що важливо знати

• Максимум 1080p. Для 4K потрібна інша модель або апскейл.
• Довгі ролики дорожчі. 30 секунд у 1080p коштують у десять разів більше за 3 секунди в тій самій якості.
• Немає формату 21:9. Доступні 16:9, 9:16, 1:1, 4:3 і 3:4.
• Звук генерується автоматично. Для точного саунд-дизайну чи музики може знадобитися доопрацювання в монтажі.
• Репліки — короткі. Довгі фрази персонажів краще розбивати на кілька роликів.

Часті питання

Скільки коштує ролик у Wan 3.0?

3-секундний ролик у 720p — 44–49 кредитів залежно від тарифу, приблизно 21–25 ₴. Довші ролики й вища роздільна здатність коштують пропорційно більше.

Чи генерує Wan 3.0 звук?

Так, звук увімкнено за замовчуванням: модель створює відео разом зі звуковою доріжкою.

Яка максимальна тривалість?

30 секунд. Мінімальна — 3 секунди, вибрати можна будь-яке ціле значення між ними.

Що таке режим «міркування»?

Це режим, у якому модель осмислює промпт перед генерацією. Він корисний для складних описів з кількома подіями чи персонажами.

Чи можна оживити фото?

Так, у режимі «фото у відео». Також можна задати перший і останній кадр.

Чи вистачить подарункових кредитів на тест?

Так, 60 кредитів вистачає на 3-секундний ролик у 720p або на 5-секундний у 480p.

Wan 3.0 — зручний спосіб отримати готовий ролик зі звуком потрібної тривалості без зайвих етапів. Зареєструйтеся, отримайте 60 подарункових кредитів і створіть своє перше відео в кабінеті WebTerra AI.