Wan 3.0

Was Wan 3.0 gut kann — und was nicht

Wan 3.0 beantwortet die Frage, um die sich jedes Videomodell herumdrückt: Was passiert, wenn die Einstellung länger als ein paar Sekunden dauern muss? Die meisten Flaggschiffe deckeln eine einzelne Generierung bei fünf bis fünfzehn Sekunden. Alles, was einer Szene ähnelt, wird also im Schnittprogramm zusammengesetzt — aus Clips, die nie ganz zusammenpassen: Das Gesicht driftet, das Licht springt, der Raum ändert am Schnitt seine Form. Wan 3.0 rendert bis zu dreißig Sekunden in einem Durchgang, und diese eine Änderung ordnet die Planung einer Einstellung neu. Eine durchgehende Kamerafahrt durch einen Raum, ein kompletter Dreißig-Sekunden-Werbetext, ein Produkt-Walkthrough in einer Einstellung: Das sind keine Schnittprobleme mehr, sondern Prompt-Probleme.

Das zweite Alleinstellungsmerkmal ist die All-in-one-Referenz. Referenzsysteme nehmen üblicherweise nur eine Art Eingabe an — manche Bilder, wenige einen Clip, ganz selten eine Stimme. Wan 3.0 nimmt alle drei in derselben Anfrage: bis zu zehn Referenzbilder, fünf Referenzclips und fünf Referenz-Audiospuren, begrenzt auf fünfzehn Sekunden Referenzvideo und fünfzehn Sekunden Referenz-Audio. In der Praxis heißt das: Ein ganzes Marken-Kit oder ein ganzes Charakterblatt geht auf einmal hinein, und die Identität hält über die Länge des Clips statt nur über die ersten Sekunden. Auf ZOOOP läuft das Routing automatisch — hängen Sie eine Referenz an, geht die Anfrage in die Referenz-Pipeline; lassen Sie sie leer, läuft dasselbe Modell als reines Text-to-Video.

Zwei weitere Fähigkeiten zählen im Alltag. Die Start- und Endframe-Steuerung fixiert beide Enden eines Clips und lässt Wan die Bewegung dazwischen erzeugen — so landen Sie ein exaktes Schlussbild, das sauber in die nächste Einstellung schneidet. Und der native synchrone Ton — Dialog, Atmo, Musik — entsteht im selben Durchgang wie das Bild und liegt der Datei als Stereospur bei, wobei der Ton-Schalter in beide Richtungen nichts kostet.

Wo es schwächer ist: Es ist nicht quelloffen. Wan 2.7 erschien unter Apache 2.0 mit veröffentlichten Gewichten, Wan 3.0 nicht — keine Gewichte, nur API. Für eine Pipeline, die Self-Hosting oder offene Herkunft braucht, ist das ein hartes Ausschlusskriterium, und die Antwort bleibt 2.7. Die 1440p-Stufe ist ein verstärktes Upscaling, kein natives Rendering — eine echte 2560×1440-Datei, gut für große Bildschirme, aber ein Modell mit nativem Hochauflösungspfad hält Details besser. Es gibt keinen negativen Prompt, Ausschlüsse müssen also über die Beschreibung des Gewünschten laufen. Und bei Image-to-Video folgt die Ausgabe dem Seitenverhältnis des Eingangsbildes — auf diesem Pfad gibt es keine Verhältnissteuerung, schneiden Sie die Quelle also vor der Generierung zu.

Eine brauchbare Faustregel: Greifen Sie zu Wan 3.0, wenn die Einstellung lang ist oder wenn die Übereinstimmung mit echtem Referenzmaterial darüber entscheidet, ob der Take brauchbar ist. Für offene Gewichte und anweisungsbasierte Edits: Wan 2.7. Für höchste Bildqualität in einer Einstellung: Veo 3.1. Für schnelle Wegwerf-Entwürfe derselben Familie: Wan 2.6 Flash. Und solange die Einstellung noch nicht feststeht, laufen Sie auf der Prime-Stufe und wechseln für das finale Rendering zurück.