Wan 3.0 est le modèle de génération et de retouche vidéo du laboratoire Tongyi d'Alibaba, conçu comme un tout-en-un où texte, images, audio, vidéos et même documents bureautiques servent de matière de départ. Sa bêta publique s'est ouverte le 6 août 2026 sur les services du groupe. Une seule passe produit jusqu'à 30 secondes de film, là où Wan 2.7 plafonnait entre 2 et 15 secondes. L'API, elle, se facture à la seconde générée, en yuans.
Wan 3.0 regroupe dans un même modèle ce que Wan 2.7 répartissait entre quatre spécialistes: texte vers vidéo, image vers vidéo, génération par référence et montage. Le plan de 30 secondes sort d'une traite, sans coller des bouts de clips, ce qui rend possible un mouvement de caméra continu façon plan-séquence.
Deux assistants complètent l'ensemble. Le premier propose une durée de clip adaptée à votre consigne (vous ne choisissez plus la longueur à l'aveugle), le second prolonge une vidéo déjà rendue. Alibaba met aussi en avant la stabilité des personnages, des accessoires et des décors du premier au dernier plan.
Wan 3.0 accepte les fichiers doc, xls, ppt, pdf et md, ainsi que des pages web, comme références de création. Vous déposez le rapport trimestriel, vous décrivez le ton attendu, et le modèle en tire un clip sans passer par la case résumé puis storyboard. Rares sont les générateurs de vidéo par IA à dépasser le duo texte et image en entrée.
| Entrée acceptée | Ce que Wan 3.0 en fait |
|---|---|
| Texte | Décrit la scène, le ton et les mouvements de caméra |
| Image | Sert de point de départ ou de référence de style |
| Audio et vidéo | Guident le rythme et le mouvement du rendu |
| Document (doc, xls, ppt, pdf, md) | Devient le scénario du clip |
| Page web | Fournit le contenu à mettre en images |
La bêta publique de Wan 3.0 est déployée sur plusieurs services d'Alibaba plutôt que dans une application dédiée, et l'accès passe le plus souvent par un compte de la région Chine. L'API, en cours d'ouverture aux développeurs, se facture à la seconde produite: 0,3 ¥ en 480p, 0,6 ¥ en 720p et 1,2 ¥ en 1080p, soit environ 0,04 à 0,17 $ la seconde. Un clip de 30 secondes en 1080p revient ainsi autour de 36 ¥, à peu près 5 $. Ces montants datent de la bêta, seule la grille affichée par Alibaba fait référence.
Côté poids ouverts, la maison s'est engagée sur une publication sous licence Apache 2.0, mais rien n'est en ligne à ce jour: les derniers poids publiés de la série remontent à Wan 2.2, et la communauté attend des preuves après l'épisode Wan 2.5, annoncé ouvert puis jamais livré. Alibaba reconnaît par ailleurs deux points faibles à corriger, la qualité de l'audio et la fidélité des textes affichés à l'écran.
Wan 3.0 n'a pas de tarif d'abonnement classique: la bêta publique passe par les services d'Alibaba et l'API se facture à la seconde de vidéo générée, à un prix variable selon la résolution. Aucun poids ouvert n'étant disponible pour le moment, il n'existe pas encore de version à faire tourner gratuitement sur votre propre machine.
Alibaba a évoqué une publication sous licence Apache 2.0, mais aucun poids de Wan 3.0 n'est en ligne. Les derniers poids ouverts de la série datent de Wan 2.2, et le précédent Wan 2.5, présenté comme ouvert puis jamais mis à disposition, incite la communauté à attendre un dépôt Hugging Face vérifiable avant d'y croire.
Sur la longueur d'un plan, Wan 3.0 prend l'ascendant avec ses 30 secondes générées d'un bloc. Il ne figurait toutefois pas encore dans les arènes de classement au moment de l'ouverture de sa bêta, et son audio reste un chantier admis par Alibaba. Son entrée par documents, en revanche, n'a pas d'équivalent direct chez ses rivaux.
L'accès à la bêta suppose généralement un compte de la région Chine, avec une facturation en yuans, car les canaux d'essai sont les services chinois d'Alibaba. L'ouverture de l'API aux développeurs se déploie progressivement, et des plateformes tierces hébergeant déjà la série Wan ont indiqué vouloir l'ajouter à leur catalogue.
Verdict : Les équipes pub et social media qui déclinent des campagnes à la chaîne tiennent un modèle capable d'encaisser un brief complet, PDF compris, et d'en sortir un plan continu; pour une bande-son léchée, un outil audio dédié complétera le rendu en attendant les correctifs annoncés.
