PDF直接变成片，还自动省积分，Wan3.0把AI视频拉进了生产线

来源：市场资讯

（来源：懒人 AI新榜）

编辑 | 张洁

又一个中国视频模型登顶了。

在Artificial Analysis（海外第三方AI模型评测机构）的视频编辑榜上，Wan3.0以Elo（竞技场评分系统）1190分独居第一，领先第二名62分；文生视频榜（含音频）以1240分居首，与Google Gemini并列。

Wan3.0于8月6日开启公测，24日正式上线。这段时间，AIGC创作者圈子里已经用它做出了不少作品。参与过Wan历次大版本内测的AI创作者“Simon_阿文”与“海辛Hyacinth”认为，Wan3.0是“最大的一次惊喜”；小红书创作者“薇九”的《神女异梦》全片用Wan3.0制作，“质感细腻，720P几乎没有出现任何模糊面部”；创作者“玖月AI”用Wan3.0做了一场东方神话里的破执大梦，笔记发布一天就获得1.2万赞。筷子科技CTO陈龙则说，成片“接近真实广告拍摄水平”。

榜单排名和创作者反馈的双重叠加，似乎让我们看到AI视频新的“两强”格局，但不急着下判断。

因为竞技场回答的是“能力有多强”，创作者回答的是“实际怎么用”，而决定一个视频模型能不能进入生产线的，还有一套更重要的标准：能不能稳定出片，能不能经得起商业验收，能不能把细节和画面质感做到足够可靠。

带着这三个问题，“AI新榜”也从影视制作、商业广告、音乐娱乐、企业办公等几个方面对Wan3.0进行了实测。

30秒武侠短剧稳定直出，

还有智能时长主动省积分

我们先试了一条30秒武侠短片，完整叙事直出，含多个镜头切换：雨夜荒野客栈，老刀客独坐堂中，手按一只旧木箱，黑衣人破门劈桌，刀客拔刀迎击、反手一剑；最后特写，木箱里没有秘籍镖银，只有一把刻着孩子名字的小木剑和一捆用红绳扎好的信。

成片里有几个细节超出了我们的预期。开场，提示词里只是写着角色手按旧木箱，但成片里，人物的手在木箱上摩挲，这一个小动作的处理和最后的开箱形成了呼应。还有，听到门被撞开的声音，人物也是眼神先动了一下，然后转身接招。这些提示词里没有明确写的细节，让整段故事显得更立体。

音效也没有全部糊成一团：刀剑声、攻击声、雨从破门灌进来的声音，层次分得开。到了结尾特写，人物手部浸血，表情不木讷，几乎没有明显AI感。当然，问题也有，和提示词的表达也有关系。比如，打斗戏里人物手里突然多出一把剑，武打动作不够连贯。

但这一条片子跑完，我们发现，只要提示词里的人物设定和剧情信息量给足，30秒的叙事短片已经具备可用性。这也是为什么井英科技CTO王健把Wan3.0称为“短剧规模化生产的关键引擎”。

但生产线真正头疼的，往往还不是第一次出片。而是那句“这里需要改一下”。

我们继续用刚才那条武侠片，看看Wan3.0的视频编辑能不能满足实际生产中的返工需求。我们在提示词里要求把原结局的“打开木箱”改为“抱起木箱走向客栈大门”，把原来的台词“丫头，爹做完最后一单就回家”变成新的旁白“树欲静而风不止，是时候做个了断了”。

操作也很简单，在原视频的基础上选择“视频编辑”，选中要修改的片段，再输入修改要求即可。

这是修改后的片段：

只有指定的结局发生了变化。人物、位置、背景全部保持原版一致，连地上躺着的刺客都还在原来的位置；原有台词被去掉，新旁白按要求生成。

通宵返工改过片子的人，大概能立刻理解这一刻的“救赎感”。如果每次修改一个细节，都必须整条视频重新抽，那么模型再强，也很难真正进入商业生产。能够只改指定片段，还能稳定地输出修改结果，节省的不只是时间，还有反复抽卡和重新制作的成本。

还有一个让我们很惊喜的功能：智能时长。Wan3.0会根据提示词的长短自动判断生成时长，多出的部分返还积分。

别看这个功能小，放到生产线上，同样能省下不少积分。我们之前测其他视频模型时，打斗提示词写得简单，但设置了30秒时长。结果，天台上两个人愣是抱着滚了十几秒。如果放实际生产中，这段还得后期剪掉，积分也白花了。有了智能时长，这一部分浪费直接被系统拦掉。

实测制作商品广告和音乐MV，

人物与产品细节都经得起看

广告行业看AI短片的眼光更挑剔：人物不能飘，Logo不能变，产品细节必须和实物对得上。

我们又试着做了一条30秒的商品广告片。

一张人物参考图，设定半写实漫画风格的女性角色；一张白底产品照，黄色易拉罐气泡水，罐身带白色大字标签和银色拉环。三个镜头硬切：人物走进便利店从冰柜取出饮料、罐身特写水珠顺罐壁流下、拉开拉环喝一口。要求冷灰蓝色调，真实广告拍摄感，皮肤毛孔可见。

成片相当惊喜。

逐镜核对下来，人物的服装、发型、配饰全程一致性较好，皮肤和动作细节也保持了真人感。放大看手部，动作、指甲、掌心纹路都很自然。

产品细节上，lemon soda的英文正确，“0糖0卡0脂”等中文字准确，瓶身的气泡设计也没有被忽略。场景也没有偷懒，便利店的货架上合理摆放了指定饮料之外的其他商品，环境真实感一下就有了。

这其实是广告视频真正需要的“真实”：不是单项能力特别惊艳，而是人物、商品、文字和环境同时不出大问题。

当然，也有两个小问题。一个是水珠，我们的本意是饮料从冰柜取出到常温、自然凝结的水珠，但提示词没写清楚，模型理解成了外部来源，加了一个凭空往瓶身滴水的镜头。另一个是镜头切换：人物转身走向冰柜那一下，冰柜有点像凭空出现在转角。这说明物理细节和空间逻辑，仍然需要在提示词里主动写清楚。

但整体而言，筷子科技CTO陈龙说Wan3.0的成片“接近真实广告拍摄水平，帮客户更快出爆款”，从我们这条片子看，这个说法并不算夸张。

广告之外，音乐行业也能用它。我们复刻了一个门槛极低的玩法：一张人物图加一段音乐，生成对口型MV。

输入的是一张练习生人物图和一段13秒的音频，要求以图中人物为主唱，全程对口型演唱。

这是出来的成片：

人物动作适配音乐节奏，口形和歌词完美匹配，服装、发型、配饰也与参考图一致。这也和专业音乐人的实际体验比较接近，小旭音乐CEO卢小旭体验后的评价是，“成品直接可用，非常适合做MV”。

一份PDF直接生成视频，

企业文档秒变生产资料

AI视频真正进入企业场景后，“好看”和“人物逼真”反而没那么重要了。课件、产品演示、业务汇报，这些内容没有炫技空间，拼的是信息准不准、画面经不经得起放大。

Wan3.0这次首次支持文档格式输入，doc、xls、ppt、pdf、md等都能直接上传当视频素材。

我们做了一个更接近企业实际需求的测试，虚拟了一个智能戒指的品牌。直接扔一份产品说明PDF、一张产品图，要求制作30秒产品宣传片，展示戒指功能。没有给其他东西，也没有另外去整理产品的使用场景。

成片在这里：

模型自动从产品说明PDF里获取了运动、办公、睡觉等场景，解说词讲清了产品和场景的匹配关系，画面配了人物敲电脑、睡觉的手部佩戴特写。放大看，汗毛和指关节纹路都清晰可见。

更重要的是信息全都准确，重量、续航、蓝牙、产品名称，所有出现在视频里的产品参数，都来自上传的文档，没有编造；字幕文字无错误，戒指全程没变形，logo没有移位、错误或消失。

这意味着，企业手里的PDF、PPT、产品手册，以后能直接变成视频生产资料。过去需要人工阅读、拆解、提炼，再重新制作的视频，现在可以直接把原始资料交给模型处理。

我们还试了几个场景，给它奥本海默的百科链接，直接帮我们做知识类的短视频：

给它阿勒泰地区的百科链接，帮我们做文旅宣传短视频：

当然，我们喂的东西比较粗。可以看看这个杭州的文旅视频，每一处地标都重新“活”了过来。

画面流畅生动，质感太好了。所谓“质感”，不是简单追求一张漂亮的截图。

它意味着两件事：信息经得起核对，画面经得起放大。当视频开始承载企业产品、业务信息和品牌表达，这两件事的重要性甚至超过了某一个镜头够不够惊艳。

当AI视频工具成为基础设施

最后说一个所有企业都会关心的现实问题：价格。

目前Wan3.0 API刊例价480P/720P/1080P分别对应0.3元、0.6元、1.2元一秒，7折活动持续到9月23日，一条30秒的1080P成片，折后25元左右。

回头看这次实测，其实我们在对应三种生产能力。稳定，对应出片率和返工成本，短剧团队不再只关心“能不能生成”，而开始关心“多少次能出片、改一次会不会全片重来”。真实，对应商业验收，广告客户需要的不是一段看起来很像真人的视频，而是人物、产品、Logo、文字和空间关系都能经得起检查的成片。有质感，对应的是信息承载能力，当PDF、PPT、产品手册都可以成为视频的输入，视频就不再只是视觉内容，而开始成为企业信息的一种新载体。

我们并不是要追问哪个模型可以替代别人。相反，模型能力整体往上走，企业和平台就又多了一个选择，可以按自己的生产需要选最适配的模型。而我们发现，当一个AI视频模型能够被企业接进生产线，拿来批量生产、控制成本和实际交付，它就从工具变成了基础设施。

而榜单上的那个名字，真的坐到了工位上。