阿里Wan 3.0上线DeepInfra平台，支持音视频一体化多模态生成

阿里云于2026年8月28日宣布视频生成模型Wan 3.0正式上线第三方推理平台DeepInfra，推进了音视频联合生成能力在国际开发者生态中的部署应用。

• 原生音视频生成能力：阿里云官方发布信息显示，Wan 3.0在单模型内部同时实现视频画面与对应音频的联合生成，支持输出最长30秒的1080P视频片段。
• 多模态参考机制：该模型集成了Omni Reference机制，支持将图像、文本文件乃至网页内容作为生成参考输入，用以保障多镜头切换时的角色与风格一致性。
• 平台接入与计费标准：在DeepInfra平台的调用价格为每秒视频0.20美元，同时开发者亦可通过阿里云百炼（Model Studio）与Qwen Cloud调用该模型的官方API。
• 影响/看点：将原生音视频一体化模型接入第三方低延迟推理服务，可能降低海外开发者搭建视频生成应用的对接门槛，其推广速度将取决于开发者对0.20美元/秒调用单价与画质稳定性的综合评估。
• 资料依据：
• 1. 阿里云官方X公告（2026年8月28日）：https://x.com/alibaba_cloud/status/2093272820453371985
• 2. DeepInfra服务平台（2026年8月28日）：https://deepinfra.com

本内容由 AI 生成，仅供参考，请注意甄别