1
Text oder Bild wählen
Wähle „Text to Video“, um mit einem Prompt zu starten, oder „Image to Video“, um ein Startbild, Start- und Endbild oder Referenzbilder hochzuladen.
Grok ImagineGrok ImagineEine durchgehende Einstellung bis zu 30 Sekunden – mit Ton aus demselben Durchlauf
Wan 3.0 ist das neueste Videomodell des Tongyi-Wan-Teams von Alibaba. Starte mit einem Text-Prompt, einem Startbild (optional plus Endbild) oder bis zu neun Referenzbildern und wähle dann 2–30 Sekunden in 480p, 720p oder 1080p. Der Ton entsteht zusammen mit dem Bild, und die Credit-Kosten siehst du vor dem Absenden.
Ein Wan 3.0 Video in 4 Schritten
Wähle „Text to Video“, um mit einem Prompt zu starten, oder „Image to Video“, um ein Startbild, Start- und Endbild oder Referenzbilder hochzuladen.
Beschreibe Motiv, Handlung, Kamerabewegung, Umgebung, Stimmung sowie Dialoge oder Geräusche, die zu hören sein sollen.
Wähle 2–30 Sekunden, 480p/720p/1080p und ein Seitenverhältnis. Die Credit-Schätzung aktualisiert sich bei jeder Änderung.
Sende ab, warte ein paar Minuten, während Wan 3.0 rendert, und sieh dir den ganzen Clip an, bevor du ihn herunterlädst oder den Prompt verfeinerst.
Längere Einstellungen, nativer Ton und drei Wege zum Start
Wan 3.0 rendert einen einzigen durchgehenden Clip von 2 bis 30 Sekunden – doppelt so lang wie die 15-Sekunden-Grenze von Wan 2.7. So kann sich eine Szene aufbauen, wenden und auflösen, ohne dass du kurze Fragmente zusammenschneiden musst.
Dialoge, Atmo und Soundeffekte entstehen zusammen mit dem Bild – deine Clips kommen also vertont statt stumm zurück. Audio ist standardmäßig aktiviert, und das Ausschalten ändert nichts an den Credit-Kosten.
Schreib einen Prompt von Grund auf, animiere ein einzelnes Bild als Startbild oder lade zwei Bilder hoch, um Start- und Endbild festzulegen – Wan 3.0 ergänzt die Bewegung dazwischen.
Stelle „Image Use“ auf „Reference Images“, um Figuren, Produkte, Outfits und Orte mit bis zu neun Bildern vorzugeben, und verweise im Prompt mit @image1, @image2 usw. darauf.
Alibaba hat Wan 3.0 konsequent auf Realismus ausgelegt: ausdrucksstärkere Gesichter und Mikromimik, stabilere Motive über die gesamte Einstellung und saubererer Text im Bild als bei früheren Wan-Versionen.
Rendere in 480p für schnelle Entwürfe, in 720p für alltägliche Inhalte oder in 1080p für die finale Auslieferung – in 16:9, 9:16, 1:1, 4:3, 3:4 oder Adaptive (automatische Bildgestaltung). Ausgegeben wird ein MP4 mit 30 fps.
So erstellst du ein Wan 3.0 Video online
Der Wan 3.0 Generator auf dieser Seite nutzt Alibabas Modell wan3.0-video direkt in deinem Browser – keine Installation, kein API-Schlüssel, keine Cloud-Konsole. Mit diesen Schritten wird aus einer Idee oder einem Standbild ein fertiger Clip.
Nutze den Playground oben auf dieser Seite – Wan 3.0 ist bereits ausgewählt. Melde dich an, sobald du generieren möchtest: Wan 3.0 läuft mit einem bezahlten Tarif oder gekauften Credits.
Bleib bei „Text to Video“, wenn du nur mit einem Prompt generieren willst. Bei „Image to Video“ stellst du „Image Use“ auf „First / Last Frame“ (Bild 1 eröffnet den Clip, ein optionales Bild 2 schließt ihn ab) oder auf „Reference Images“ (bis zu neun).
Schreib die Szene wie eine kurze Shotlist: Wer ist im Bild, was passiert, wie bewegt sich die Kamera und was hören wir? Benenne Referenzbilder als @image1, @image2, damit das Modell weiß, welches welches ist.
Wähle 2–30 Sekunden, dann 480p, 720p oder 1080p. Nutze 9:16 für Reels und TikTok, 16:9 für YouTube, 1:1 für Feeds oder Adaptive, damit das Modell den Bildausschnitt selbst wählt.
Sende ab und lass Wan 3.0 rendern – längere Clips und höhere Auflösungen brauchen mehr Zeit. Prüfe Gesichter, Hände, Text und Audio-Synchronität, lade dann herunter oder ändere jeweils nur eine Vorgabe.
480p kostet pro Sekunde etwa ein Viertel von 1080p. Feile mit einem kurzen 480p-Entwurf an Bewegung und Timing und rendere den besten Prompt dann in voller Auflösung.
Ein 30-Sekunden-Clip braucht mehr als einen Moment. Beschreibe die Szene der Reihe nach – Anfang, Handlung, Wendung, Ende –, damit das Modell die volle Länge sinnvoll füllen kann.
Wenn es auf die finale Pose oder den Produkt-Shot ankommt, lade ihn als Endbild hoch. Wan 3.0 plant die Bewegung so, dass der Clip genau auf diesem Bild endet.
Da das Audio zusammen mit dem Bild entsteht, benenne es: eine Dialogzeile in Anführungszeichen, Regen am Fenster, eine jubelnde Menge. Konkrete Hinweise ergeben überzeugenderen Ton.
KI-Videos mit langen Einstellungen für alle Creator
Inszeniere einen vollständigen 30-Sekunden-Moment mit konsistenten Figuren, Dialogen und Ton – ideal für Kurzdramen, Story-Teaser und Charaktertests.
Verwandle Produktfotos in bewegte Showcases, lege den Hero-Shot als Endbild fest und prüfe Etiketten und Formen, bevor der Clip live geht.
Produziere vertikale 9:16-Clips für TikTok, Reels und Shorts mit fertigem Ton und iteriere schnell in 480p, bevor du final renderst.
Visualisiere ein Konzept, einen Ablauf oder einen Ort als vertonten Clip für Unterricht, Onboarding und Präsentationen.
Alles über den Wan 3.0 Videogenerator
Wan 3.0 (wan3.0-video) ist das neueste Videomodell von Alibaba Tongyi Lab und seit dem 6. August 2026 als öffentliche Beta verfügbar. Es ist ein All-in-one-Modell: Eine Engine übernimmt Text-zu-Video, Bild-zu-Video mit Start-/Endbild und referenzgesteuerte Generierung – mit Clips bis zu 30 Sekunden und Audio aus demselben Durchlauf.
Du kannst aus einem Text-Prompt generieren, ein Startbild animieren, Start- und Endbild festlegen oder das Video mit bis zu neun Referenzbildern steuern. Über Alibabas API kann Wan 3.0 außerdem Referenzvideos, Audio, Dokumente und Webseiten verarbeiten; diese Eingaben sind auf dieser Seite noch nicht verfügbar.
Jede ganze Sekundenzahl von 2 bis 30, in 480p, 720p oder 1080p, ausgeliefert als MP4 mit 30 fps. Wan 3.0 hat keine 4K-Stufe – Behauptungen über eine 4K-Ausgabe stimmen nicht.
Wan 3.0 wird pro Sekunde Output abgerechnet: etwa 2,74 Credits pro Sekunde in 480p, 5,48 in 720p und 10,96 in 1080p, pro Video aufgerundet. Ein 5-Sekunden-Clip kostet 14 Credits in 480p, 28 in 720p oder 55 in 1080p; ein 30-Sekunden-Clip in 1080p kostet 329 Credits. Audio an oder aus ändert den Preis nicht, und die genauen Kosten siehst du vor dem Generieren.
„First / Last Frame“ behandelt deine Bilder als exakte Frames: Bild 1 eröffnet den Clip, ein optionales Bild 2 schließt ihn ab. „Reference Images“ nutzt bis zu neun Bilder als Vorgabe für Figuren, Objekte und Orte, die an beliebiger Stelle im Video auftauchen können. Beides lässt sich nicht in einer Generierung kombinieren.
Ja. Jeder bezahlte Tarif enthält eine kommerzielle Lizenz, sodass du deine Wan-3.0-Videos für Werbung, Kundenprojekte, Social Media und Produkte, die du verkaufst, nutzen kannst. Der kostenlose Tarif ist nur für die private Nutzung gedacht. Für die Inhalte deiner Prompts und Referenzbilder bleibst du verantwortlich: Kläre Personen, Marken, Musik und Quellmaterial, bevor du veröffentlichst.
Ja. Audio entsteht zusammen mit dem Bild und ist standardmäßig aktiviert, sodass Dialoge, Atmo und Effekte synchron ankommen. Für einen stummen Clip kannst du es ausschalten – die Credit-Kosten bleiben in beiden Fällen gleich.
Nein. Anders als die Open-Weight-Releases Wan 2.1 und 2.2 ist Wan 3.0 ein geschlossenes Modell, das nur über Cloud-APIs verfügbar ist – offizielle Gewichte zum Download gibt es also nicht. Jeden „kostenlosen Wan 3.0 Download“ solltest du als inoffiziell betrachten.
Du kannst die Einstellungen ausprobieren und die genauen Credit-Kosten sehen, ohne zu bezahlen. Zum Generieren mit Wan 3.0 brauchst du einen bezahlten Tarif oder gekaufte Credits; Credits werden beim Absenden abgebucht und automatisch erstattet, wenn eine Generierung fehlschlägt.
Die meisten Clips sind in etwa ein bis fünf Minuten fertig. Längere Clips und 1080p dauern länger – starte daher mit einem kurzen 480p-Entwurf, um die Bewegung zu prüfen, bevor du die finale Version renderst.
