阿里巴巴最新模型：1080p，单镜头最长 30 秒，带声音，最多 10 张参考图
| 时长 | 3s4s5s6s8s10s12s15s20s30s |
|---|---|
| 最长单镜头 | 一个不间断镜头，最长 30 秒 |
| 分辨率 | 1080p720p480p |
| 宽高比 | 9:1616:91:14:33:4 |
| 声音 | 原生音频（可按次生成关闭） |
| 模式 | 文生视频、图生视频、参考图生视频 |
| 参考图 | Hermoso 中每次生成最多 10 个（我们的保真上限，依据付费生成测得；模型本身支持更多），在提示词中以 @Image1、@Image2… 的形式引用 |
| 参考视频 | 最多 5 张 |
| 参考音频 | 最多 5 张 |
| 编辑已有视频 | 否 |
| 模型 ID | wan-3-prime |
Wan 3.0 Prime 生成的每种宽高比都对应一个投放位置：
| 模型 | 时长 | 最高分辨率 | 声音 | 参考图 |
|---|---|---|---|---|
| Wan 3.0 Prime | 3–30s | 1080p | 原生 | 最多 10 张 |
| HappyHorse 1.1 | 5–15s | 1080p | 原生 | 最多 1 张 |
| Wan 3.0 | 3–30s | 1080p | 原生 | 最多 10 张 |
| Wan 2.7 | 5–15s | 1080p | 原生 | 最多 1 张 |
| Seedance 2.0 Mini | 4–15s | 720p | 原生 | 最多 5 张 |
| Marey | 5–10s | n/a | 无声 | n/a |
| Seedance 2.0 Fast | 5–15s | 720p | 原生 | 最多 5 张 |
查看 全部 39 个视频模型并排对比。
在 Claude、ChatGPT、Cursor 或任何已连接 Hermoso 的助手中，用大白话说出模型名。也可以在应用的模型菜单中选择。
Wan 3.0 Prime 可生成 3 到 30 秒的片段，并支持单个不间断镜头最长 30 秒。更长的广告由多个片段组成。
有。Wan 3.0 Prime 会随画面生成原生音频，因此真人创作者或旁白就在同一个镜头里。
有。最多附上 10 张产品参考图，Hermoso 会在生成中保留真实产品。
每次生成前，应用中都会显示确切的积分价格，并按实际成本结算。积分的价值请见定价页。
先列出其他 Alibaba 模型，再列出目录中与 Wan 3.0 Prime 最接近的视频模型。
HappyHorse 1.1
Video Arena 排名第一 · 原生音频 + 多语言口型同步 · 最长 15 秒
5–15 秒 · 720p / 1080p · 原生声音
Wan 3.0
阿里巴巴的 Wan 3.0：单镜头最长 30 秒，带声音，1080p，最多 10 张参考图，价格低于 Prime
3–30 秒 · 1080p / 720p / 480p · 原生声音
Wan 2.7
15 秒，1080p，单个片段多个镜头，包含声音
5–15 秒 · 720p / 1080p · 原生声音
Seedance 2.0 Mini
最便宜的带声音 Seedance · 480p/720p · 最长 15 秒 · 人物看起来明显是 AI 生成的：适合物体、食物、空镜或风格化片段；真实感人物请用 Seedance 2.5
4–15 秒 · 720p / 480p · 原生声音
Marey
商用安全：仅使用完全授权的数据训练 · 电影级画质
5–10 秒 · 无声
Seedance 2.0 Fast
更便宜、更快的 Seedance · 包含声音 · 最长 15 秒
5–15 秒 · 720p / 480p · 原生声音
Veo 3.1 Lite
最便宜的 Veo：电影感，带声音；一张参考图
4–8 秒 · 原生声音
Grok Imagine 1.5 Lite
低成本的 Grok Imagine：根据提示词或起始图像生成，带声音
6–15 秒 · 720p / 480p / 1080p · 原生声音
查看 全部 39 个视频模型，或 Hermoso 提供的全部模型。