Trained to Imagine
Rendering
Creative Intelligence
AI Video / Image Models

Alibaba stellt Wan3.0 mit 30-Sekunden-Clips und gemischten Inputs vor

Quelle: Alibaba Cloud ·

Wan3.0, als Beta veröffentlicht, verdoppelt die maximale Cliplänge auf 30 Sekunden und verarbeitet Text, Bild, Video und Audio gemeinsam, dazu Dokumente wie PDFs und Präsentationen. Es kann außerdem eine Cliplänge aus dem Prompt vorschlagen und bestehende Videos verlängern.

TTI-Takeaway

Dreißig Sekunden sind ein ganzer Spot, kein Shot. Präsentationen oder PDFs als Input zielen direkt auf Marketingteams, die aus dem Briefing selbst generieren — damit muss das Briefing gut geschrieben sein, nicht der Prompt.

Analyse

Aufschlussreicher als die Länge ist an der Wan3.0-Ankündigung die Liste der Inputs. Alibaba beschreibt ein Modell, das Text, Bild, Video und Audio gemeinsam verarbeitet und zusätzlich Webseiten, PDFs und PowerPoint-Dateien liest. Ein solches Modell ist für den Anfang eines Marketing-Workflows gebaut, nicht für das Ende einer Shotliste – und es verrät, welche Kundschaft Alibaba als Erste für längere Generierung zahlen sieht.

Die Details laut Alibabas eigenem Beitrag: Wan3.0 läuft als öffentliche Beta, Zugang auf Bewerbung über Alibaba Clouds Model Studio und Qwen Cloud. Die native Cliplänge steigt auf 30 Sekunden, nach 15 Sekunden beim Vorgänger Wan2.7-Video. Eine Funktion namens „intelligent duration“ schlägt anhand des Prompts eine Länge vor, eine Extend-Funktion verlängert bestehende Clips. Dazu verspricht Alibaba realistische Gesichter mit synchronen Mikroexpressionen, mehrsprachige Sprachausgabe, stabile Darstellung von Software-Oberflächen und Motion Graphics sowie Referenztreue bei Figuren, Requisiten, Audio, räumlicher Anordnung und Stil – inklusive dessen, was das Unternehmen strikte Kontrolle über Figuren- und Produktdetails nennt. Als Einsatzfelder nennt Alibaba Film, Kurzdramen, Marketing, Bildung und Simulationsvideos für das Training von autonomen Fahrzeugen und Robotik.

Für eine Werbeproduktion zählt das Versprechen bei Produktdetails mehr als die Dauer. Ein 30-Sekunden-Spot, in dem Etikett, Logo oder Verpackung wegdriften, ist unbrauchbar, egal wie flüssig die Bewegung ist – und die Agentur merkt das in der Kundenabnahme, nicht im Prompt-Fenster. Hält die Referenztreue, wird Wan3.0 für Animatics und Pitchfilme interessant, die das echte Produkt zeigen müssen und kein ähnlich aussehendes. Hält sie nicht, geben die zusätzlichen fünfzehn Sekunden dem Drift nur mehr Zeit. Herausfinden lässt sich das nur unspektakulär und konkret: echte Packshots und Markenrichtlinien hineingeben und die letzte Sekunde des Clips mit der ersten vergleichen.

Dokumente als Input verändern, wer das Modell eigentlich führt. Wird ein Briefing oder eine Präsentation zum Prompt, schreibt die Person, die das Briefing verfasst, faktisch Regieanweisungen – oft ohne es zu wissen. Ein widersprüchliches Deck, dessen Moodseite warm und handgeführt sagt, während die Strategieseite kühl und statisch nahelegt, liefert widersprüchliche Ergebnisse. Wir gehen davon aus, dass Produktionsteams Briefings künftig darauf prüfen werden, wie gut sie sich generieren lassen, so wie sie heute Drehbücher aufs Budget prüfen. Diese Fähigkeit sollten Agenturen gezielt aufbauen, statt sie in einer gescheiterten Runde zu entdecken.

Einiges lässt der Beitrag offen: Ausgabeauflösung, Preise und einen Termin für die allgemeine Verfügbarkeit. Genau das entscheidet, ob es ein Delivery- oder ein Previs-Werkzeug ist. Hinzu kommt die Provenienzfrage für europäische Kampagnen. Die Kennzeichnungsregeln des EU AI Act, die am 2. August in Kraft getreten sind, verpflichten Anbieter zur Markierung; jede Agentur, die Wan-Material in Europa einsetzt, sollte klären, ob und wie die generierten Dateien markiert sind, bevor die Arbeit rausgeht. Da Black Forest Labs in derselben Woche FLUX 3 Video mit bis zu 20 Sekunden vorgestellt hat, ist das Rennen um Länge eröffnet. Der nützlichere Vergleich wird sein, welches Modell einen Produktshot am Ende des Clips noch ruhig hält.