阿里云在 8 月初启动 Wan3.0 公测，并于 8 月 24 日面向国际渠道正式开放。这次更新把单次生成时长延长到 30 秒，并支持 PDF、PPT、表格和网页输入。产品团队已有的介绍材料，可以直接用来生成视频。公测公告、正式开放说明。
Wan2.7 在 4 月就已经支持文字、图像、视频和音频输入，也能用自然语言修改画面和台词，单次片长为 2 至 15 秒。Wan3.0 进一步支持直接读取文档中的产品信息，减少了创作者把资料重新写成提示词的工作。不过，哪些页面内容值得拍成镜头，仍取决于创作安排。Wan2.7 发布说明。
官方示例是一份四页的智能眼镜 PPT
阿里云的 Wan3.0 使用指南 提供了可下载的智能眼镜资料 glass.pptx，以及由文档生成视频的示例。这份文件共有四页：产品封面、多种颜色与视角、结构分解图，以及佩戴使用场景。
外观页提供镜框、镜腿与配色的参照；结构页画出镜片、摄像头、芯片和扬声器等部件；场景页展示人物佩戴眼镜，以及信息提醒、语音助手等用途。这四页资料同时交代了产品的外形、构造和使用场景。
阿里云用于演示的智能眼镜产品资料页，是生成时的输入素材，并非 Wan3.0 输出的视频画面。
这份 PPT 的四页都由整页图片构成，没有可直接抽取的 PowerPoint 文字对象。只提取可编辑文本，会得到空内容；处理这类文件时，服务还得读取页面图像中的图文关系。
开发者提交原始文件后，服务端负责读取内容并生成视频。公开接口尚未披露文档解析、页面理解与视频生成模型之间的内部衔接方式。原始 PPT、API 文档。
文档提供产品内容，提示词安排展示顺序
官方给眼镜示例写的指令，没有要求把四页幻灯片依次播放。它要求先从暗处显露产品轮廓，再拍镜片、鼻托、铰链等细节，接着展示产品旋转与部件组合，随后转入模特佩戴场景。指令还指定了色调、灯光、镜头尺度和音乐风格。官方示例提示词。
多视角外观对应产品旋转，结构分解图对应部件展开和组装，佩戴页则对应人物场景。文档提供了这些镜头的内容，镜头顺序由提示词明确给出。
产品信息与创作要求因此可以分开调整。在纯文本输入流程里，创作者往往需要重新描述镜腿形状、材质、功能和展示需求；现在文件保存产品信息，创作指令集中安排镜头顺序。品牌广告可以强调外观与佩戴感，培训视频可以强调部件和操作位置，同一份资料可以用于不同类型的视频。
但文件中的每项内容并不会自然获得同等权重。以这份眼镜资料为例，如果希望观众记住镜腿上的交互区域，就需要把近景留给该区域；如果镜头都用于产品悬浮和人物行走，结构页即使成功读入，也未必在成片里承担解释作用。文档减少了重新整理信息的工作，成片讲清什么仍取决于镜头选择。
文档能搭配音视频参考，不能与首尾帧控制混用
Wan3.0 的标准版 wan3.0-video 和加速版 wan3.0-video-prime 使用同一种任务接口，根据输入素材类型和提示词意图选择生成、参考或编辑任务。开发者提交文档时，把文件地址标为 file；提交网页时则用 link。一次请求只能选择一个文件或一个网页链接。API 参考。
文件或网页可以与参考图、参考视频和参考音频组合。例如产品资料讲清功能，另加产品实图提供外观参照，再用音频指定声音方向。文档本身不必包办全部素材。
首尾帧控制属于另一种输入模式。它要求用指定图片约束视频开头或结尾，不能与文件、网页及其他参考类型混在同一个请求里。如果要求“严格从这一页画面开始，再按整份 PPT 拍广告”，就会遇到这一限制：文档参考中的图片负责提供内容参照，首帧图片负责固定开场，两者在 API 中承担的约束不同。
文件大小上限是 100MB，PDF、Word、PowerPoint 等有分页格式的文档最多 50 页；网页只支持无需登录即可访问的页面。单次任务因而更适合围绕一个产品或讲解主题展开。跨多份文档选取内容时，应用需先整理为接口允许的输入。文件参数与组合规则。
30 秒可以多安排镜头，仍要选择信息重点
从 15 秒扩到 30 秒，创作者可以在一条视频里安排更多展示阶段，也减少了把多个短片接起来时重新交代场景的需要。但即使材料在 50 页上限以内，也未必能在 30 秒内讲清。
以一份假设的 30 秒眼镜广告分镜为例：前 6 秒建立产品外观，中间 10 秒展示一处结构和交互，接下来 10 秒表现佩戴场景，最后 4 秒收束品牌信息。这是分镜安排示意，并非生成实测。相同的 30 秒若平均分给几十页内容，留给每个重点的观看时间就很少。
阅读 PPT 时，人可以停在结构图上寻找部件，视频却会继续播放。镜头既要选准信息，也要给观众留出看清它的时间：交互区域有没有出现，部件介绍是否与原图一致，口播是否保留了适用条件，都会影响成片能否准确讲清产品。
这些检查尤其影响数据和教学材料。阿里云在 8 月 13 日的介绍中明确提到，屏幕文字准确度与声音质感仍是改进项。对结构说明片而言，标注是否正确直接影响视频能否使用；对一条情绪导向的品牌片，则可能更看重产品外形、节奏和声音。官方产品说明。
接口返回视频，分镜与资料的对应关系由应用记录
截至 9 月 2 日，产品文档除标准版外也已列出 Prime 加速版，输出覆盖 480P、720P 和 1080P，最长 30 秒。阿里云产品负责人及 TechNode 报道 均将国际渠道正式开放日期列为 8 月 24 日；API 参考页仍保留 preview 标记，具体可用状态取决于区域和模型入口。Prime 模型信息。
开发者通过异步任务生成视频，完成后取得视频地址。公开接口没有返回一份“这一镜引用 PPT 第几页”的分镜来源映射；Prime 能力页也未提供结构化输出。应用拿到成片时，也不会一并获得每个镜头所依据的资料清单。API 返回结构、能力说明。
面向培训和产品说明的应用，可以在生成前增加分镜确认：用户选定资料重点后，应用列出拟采用的镜头、口播及对应页面，确认后再调用视频生成。这项功能由应用自行实现，可让用户在生成前发现遗漏或内容改写。
Wan3.0 让现成的文件和网页成为视频素材，官方眼镜示例展示了从资料到镜头的具体过程。对产品说明和培训场景，生成速度之外的价值，在于能否核对成片是否准确使用了资料，并找到该修改的镜头或口播。
