1
Choisissez texte ou image
Choisissez Text to Video pour partir d'un prompt, ou Image to Video pour importer une première image, une première et une dernière image, ou des images de référence.
Grok ImagineGrok ImagineUn seul plan continu jusqu'à 30 secondes, avec le son généré dans la même passe
Wan 3.0 est le dernier modèle vidéo de l'équipe Tongyi Wan d'Alibaba. Partez d'un prompt texte, d'une première image (avec une dernière image facultative) ou d'un maximum de neuf images de référence, puis choisissez une durée de 2 à 30 secondes en 480p, 720p ou 1080p. L'audio est généré avec l'image, et le coût en crédits s'affiche avant l'envoi.
Créez une vidéo Wan 3.0 en 4 étapes
Choisissez Text to Video pour partir d'un prompt, ou Image to Video pour importer une première image, une première et une dernière image, ou des images de référence.
Décrivez le sujet, l'action, le mouvement de caméra, le décor, l'ambiance et les dialogues ou les sons que vous voulez entendre.
Choisissez de 2 à 30 secondes, 480p/720p/1080p et un format d'image. L'estimation en crédits se met à jour à chaque réglage modifié.
Lancez la génération, patientez quelques minutes pendant le rendu de Wan 3.0, puis regardez le clip en entier avant de le télécharger ou d'affiner le prompt.
Des plans plus longs, un son natif et trois façons de commencer
Wan 3.0 génère un clip continu unique de 2 à 30 secondes — deux fois le plafond de 15 secondes de Wan 2.7 — pour qu'une scène puisse s'installer, basculer et se conclure sans assembler de courts fragments.
Dialogues, ambiances et effets sonores sont générés en même temps que l'image : vos clips arrivent sonorisés plutôt que muets. L'audio est activé par défaut et le désactiver ne change pas le coût en crédits.
Écrivez un prompt de zéro, animez une seule image comme plan d'ouverture, ou importez deux images pour fixer à la fois la première et la dernière image et laissez Wan 3.0 créer le mouvement entre les deux.
Réglez Image Use sur Reference Images pour guider personnages, produits, tenues et lieux avec jusqu'à neuf images, et désignez-les dans le prompt par @image1, @image2, etc.
Alibaba a conçu Wan 3.0 autour du réalisme : des visages plus expressifs et des micro-expressions, des sujets plus stables tout au long du plan et un texte à l'écran plus net que dans les versions précédentes de Wan.
Générez en 480p pour des brouillons rapides, en 720p pour le contenu du quotidien ou en 1080p pour la livraison finale, en cadrage 16:9, 9:16, 1:1, 4:3, 3:4 ou Adaptive. La sortie est un MP4 à 30 fps.
Comment créer une vidéo Wan 3.0 en ligne
Le générateur Wan 3.0 de cette page exécute le modèle wan3.0-video d'Alibaba dans votre navigateur : rien à installer, ni clé API ni console cloud nécessaire. Suivez ces étapes pour passer d'une idée ou d'une image fixe à un clip terminé.
Utilisez le playground en haut de cette page ; Wan 3.0 est déjà sélectionné. Connectez-vous quand vous êtes prêt à générer : Wan 3.0 fonctionne avec une offre payante ou des crédits achetés.
Restez sur Text to Video pour une génération à partir du prompt seul. Pour Image to Video, réglez Image Use sur First / Last Frame (l'image 1 ouvre le clip, une image 2 facultative le clôt) ou sur Reference Images (jusqu'à neuf).
Rédigez la scène comme une courte liste de plans : qui est dans le cadre, ce qui s'y passe, comment bouge la caméra et ce qu'on entend. Avec des images de référence, nommez-les @image1, @image2 pour que le modèle sache laquelle est laquelle.
Choisissez de 2 à 30 secondes, puis 480p, 720p ou 1080p. Utilisez le 9:16 pour Reels et TikTok, le 16:9 pour YouTube, le 1:1 pour les fils d'actualité, ou Adaptive pour laisser le modèle cadrer le plan.
Lancez la génération et laissez Wan 3.0 travailler : les clips plus longs et en plus haute résolution prennent plus de temps. Vérifiez les visages, les mains, le texte et la synchronisation audio, puis téléchargez ou ajustez une seule consigne à la fois.
À la seconde, le 480p coûte environ un quart du prix du 1080p. Calez le mouvement et le rythme avec un court brouillon en 480p, puis relancez le prompt gagnant en pleine résolution.
Un clip de 30 secondes demande plus d'un temps fort. Décrivez la scène dans l'ordre — ouverture, action, rebondissement, fin — pour que le modèle ait de quoi occuper toute la durée.
Quand la pose finale ou le plan produit compte, importez-le comme dernière image. Wan 3.0 planifie le mouvement pour que le clip aboutisse sur cette image.
Comme l'audio est généré avec l'image, décrivez-le : une réplique entre guillemets, la pluie sur une vitre, une foule qui acclame. Des indications précises donnent un son plus convaincant.
La vidéo IA en plan long pour tous les créateurs
Mettez en scène un moment complet de 30 secondes avec des personnages cohérents, des dialogues et du son — idéal pour les mini-séries, les teasers et les tests de personnages.
Transformez vos photos produit en démonstrations animées, fixez le plan héros comme dernière image et vérifiez étiquettes et géométrie avant la mise en ligne du clip.
Produisez des clips verticaux 9:16 pour TikTok, Reels et Shorts avec le son déjà intégré, puis itérez rapidement en 480p avant les rendus finaux.
Illustrez un concept, un processus ou un lieu dans un clip narré pour vos cours, l'onboarding et vos présentations.
Tout savoir sur le générateur vidéo Wan 3.0
Wan 3.0 (wan3.0-video) est le tout dernier modèle vidéo du Tongyi Lab d'Alibaba, lancé en bêta publique le 6 août 2026. C'est un modèle tout-en-un : un seul moteur gère le texte-vers-vidéo, l'image-vers-vidéo avec première/dernière image et la génération guidée par références, avec des clips jusqu'à 30 secondes et un audio généré dans la même passe.
Vous pouvez générer à partir d'un prompt texte, animer une première image, fixer une première et une dernière image, ou guider la vidéo avec jusqu'à neuf images de référence. Via l'API d'Alibaba, Wan 3.0 peut aussi exploiter des vidéos, de l'audio, des documents et des pages web de référence ; ces entrées ne sont pas encore disponibles sur cette page.
N'importe quel nombre entier de secondes de 2 à 30, en 480p, 720p ou 1080p, livré en MP4 à 30 fps. Wan 3.0 n'a pas de niveau 4K : les promesses de sortie en 4K sont inexactes.
Wan 3.0 est facturé à la seconde de vidéo générée : environ 2,74 crédits par seconde en 480p, 5,48 en 720p et 10,96 en 1080p, arrondi au supérieur par vidéo. Un clip de 5 secondes coûte 14 crédits en 480p, 28 en 720p ou 55 en 1080p ; un clip de 30 secondes en 1080p coûte 329 crédits. Activer ou désactiver l'audio ne change pas le prix, et le coût exact s'affiche avant la génération.
First / Last Frame utilise vos images comme images exactes du clip : l'image 1 ouvre le clip et une image 2 facultative le clôt. Reference Images utilise jusqu'à neuf images comme guides pour des personnages, objets et lieux qui peuvent apparaître n'importe où dans la vidéo. Les deux modes ne peuvent pas être combinés dans une même génération.
Oui. Chaque offre payante inclut une licence commerciale : vous pouvez utiliser vos vidéos Wan 3.0 dans des publicités, des projets clients, sur les réseaux sociaux et dans les produits que vous vendez. L'offre gratuite est réservée à un usage personnel. Vous restez responsable de ce que vous fournissez : obtenez les droits sur les personnes, marques, musiques et éléments sources de vos prompts et images de référence avant de publier.
Oui. L'audio est généré en même temps que l'image et activé par défaut : dialogues, ambiances et effets arrivent synchronisés. Vous pouvez le désactiver pour obtenir un clip muet ; le coût en crédits reste le même dans les deux cas.
Non. Contrairement aux versions à poids ouverts Wan 2.1 et 2.2, Wan 3.0 est un modèle fermé disponible uniquement via des API cloud : il n'existe donc aucun poids officiel à télécharger. Considérez tout « téléchargement gratuit de Wan 3.0 » comme non officiel.
Vous pouvez explorer les réglages et voir le coût exact en crédits sans payer. Générer avec Wan 3.0 nécessite une offre payante ou des crédits achetés ; les crédits sont débités à l'envoi et remboursés automatiquement si une génération échoue.
La plupart des clips sont prêts en une à cinq minutes environ. Les durées plus longues et le 1080p prennent plus de temps : commencez donc par un court brouillon en 480p pour vérifier le mouvement avant de lancer le rendu de la version finale.
