الدليل الكامل لفيديو Wan 3.0: المدخلات والصوت والأسعار وواجهة API

يمثل Wan 3.0 في PixMind مسارًا متعدد الوسائط لإنشاء مقاطع فيديو مدتها من 2 إلى 30 ثانية انطلاقًا من نص أو صور أو إطار أول وأخير أو وسائط مرجعية أو ملفات أو صفحات ويب. معرّف النموذج المستقر حاليًا هو wan3.0-video، وتشمل إعدادات الإخراج المتاحة 480p و720p و1080p مع صوت متزامن.

القرار الأهم ليس كتابة مطالبة أطول، بل اختيار وضع الإدخال الذي يمنح النموذج نوع التحكم المناسب. يثبت الإطار الأول نقطة بداية اللقطة، ويحدد الإطاران الطرفيان بدايتها ونهايتها، وتنقل المراجع الهوية أو الأسلوب، بينما يزوّد الملف أو صفحة الويب النموذج بمادة مصدر ليفسرها. ولكل وضع قواعد توافق مختلفة.

خضع هذا الدليل للتحقق من الحقائق في 5 سبتمبر 2026 بالرجوع إلى مولّد Wan 3.0 وصفحة API المتاحين فعليًا، وتنفيذ PixMind، ومرجع Alibaba لواجهة API، والمستودع الرسمي، وقائمة إصدارات النماذج الحالية من Alibaba Cloud. وهو يتحقق من الواجهات والحدود، لا من السرعة أو الجودة أو الموثوقية من خلال اختبار معياري مدفوع.

حول هذا الدليل: يوثّق فريق تحرير PixMind سلوك المنتج الحالي من خلال فحص الصفحات الفعلية ومراجعة التنفيذ والمصادر الأولية للنموذج. لم يُطلب إجراء اختبار معياري مدفوع للمخرجات من أجل هذا المقال.

أهم النقاط

• استخدم معرّف نموذج PixMind الحالي wan3.0-video، ولا تستبدله بمعرّف من إصدار سابق أو من نسخة أخرى لدى المزوّد الأصلي.
• اختر استراتيجية تحكم واحدة قبل إضافة الوسائط: الإطاران الطرفيان لبداية ونهاية محددتين بدقة، والمراجع لهوية أو أسلوب قابلين لإعادة الاستخدام، والملف أو الرابط للتخطيط انطلاقًا من مصدر.
• يدعم المسار الحالي إخراجًا من 2 إلى 30 ثانية بدقة 480p أو 720p أو 1080p، مع نسب أبعاد تلقائية أو ثابتة وصوت متزامن.
• الحدود هي 10 صور مرجعية و5 مقاطع فيديو مرجعية و5 ملفات صوتية مرجعية. كما يحدد مرجع Alibaba الأصلي إجمالي مدة الفيديو المرجعي وإجمالي مدة الصوت المرجعي في 15 ثانية لكل منهما.
• عندما يحتوي الطلب على فيديو مُدخل، تشترط قاعدة Alibaba الأصلية ألا يتجاوز مجموع مدة فيديو الإدخال ومدة الإخراج المطلوبة 30 ثانية.
• فوترة API منفصلة عن أرصدة Studio. في مهمة API، يكون السعر المعاد عند قبول المهمة هو لقطة السعر النهائية الخاصة بها.

محتويات هذا الدليل

• ما هو Wan 3.0 المتاح في PixMind حاليًا
• مواصفات Wan 3.0 في لمحة
• كيفية اختيار وضع الإدخال
• حدود المراجع والتركيبات الصالحة
• دور الصوت المتزامن في سير العمل
• المدة والدقة ونسبة الأبعاد وسعر API
• قوالب مطالبات مرتبة حسب هدف التحكم
• مقارنة Wan 3.0 وWan 2.7
• سير العمل في Studio مقارنة بواجهة API
• القيود والحقوق وفحوص النشر
• الأسئلة الشائعة

ما هو Wan 3.0 المتاح في PixMind حاليًا

Wan 3.0 هو مسار عائلة نماذج فيديو Wan المتصل حاليًا بـPixMind للتوليد متعدد الوسائط. تعرّف واجهة المنتج الفعلية المسار المستقر باسم wan3.0-video وتتيح إدخالات النص والصورة والإطارين الطرفيين والمراجع والملفات والويب ضمن مولّد واحد.

هذا الوصف مهم لأن عائلة النماذج لدى المزوّد الأصلي قد تضم منتجات لا تتيحها المنصة المتصلة. تسرد وثائق Alibaba كلًا من wan3.0-video وwan3.0-video-prime، لكن صفحة API الحالية في PixMind لا تسرد سوى wan3.0-video. قد تشرح وثائق المزوّد الأصلي آلية عمل التقنية، لكنها لا تثبت أن كل نسخة لديه متاحة عبر PixMind.

يمكن فهم النموذج باعتباره مجموعة من أوضاع التحكم:

• تحويل النص إلى فيديو يبدأ بوصف مشهد من دون اشتراط مادة مرئية مصدرية.
• تحويل صورة الإطار الأول إلى فيديو يبدأ بصورة مقدمة ويطلب من النموذج تحريكها إلى الأمام.
• التوليد بالإطار الأول والأخير يثبت طرفي اللقطة.
• التوليد القائم على المراجع يستخدم الصور أو الفيديو أو الصوت أو مزيجًا متوافقًا منها لتوجيه النتيجة.
• إدخال ملف أو صفحة ويب يقدّم مادة مصدر يمكن أن تستند إليها المطالبة.

يمكن الرجوع إلى مركز عائلة نماذج Wan للاطلاع على مسارات Wan ذات الصلة، بينما يظل المولّد الفعلي هو المصدر المعتمد لعناصر التحكم المتاحة لمهمة معينة.

مواصفات Wan 3.0 في لمحة

يجمع مسار PixMind الحالي بين مدة طويلة للمقاطع وأنواع متعددة من المراجع وثلاث درجات للدقة. ومع ذلك، ينبغي التعامل مع كل صف أدناه بوصفه حقيقة خاصة بالواجهة في تاريخ محدد، لا وعدًا دائمًا للخدمة.

قد يصف مصدران الحد نفسه على مستويين مختلفين. تقول صفحة منتج PixMind إن مدة الفيديو المرجعي الواحد قد تصل إلى 15 ثانية، بينما يحدد مرجع API الأصلي من Alibaba إجمالي مدة الفيديوهات المرجعية في 15 ثانية. عند تقديم عدة مقاطع، تكون قاعدة التخطيط الأكثر أمانًا هي إبقاء مجموعها في حدود 15 ثانية. طبّق حد المجموع نفسه على عدة ملفات صوتية مرجعية. وهناك سقف أصلي آخر للطلب الذي يتضمن فيديو مُدخلًا: يجب ألا يتجاوز مجموع مدة فيديو الإدخال ومدة الإخراج المطلوبة 30 ثانية.

كيفية اختيار وضع الإدخال

اختر الوضع الذي يطابق القيد الذي لا يمكنك التفريط فيه. لا تعني المدخلات الأكثر تحكمًا أكبر بصورة تلقائية، وقد يؤدي الجمع بين أوضاع غير متوافقة إلى طلب غير صالح.

استخدم تحويل النص إلى فيديو للتركيب المفتوح

يناسب التوليد بالنص وحده اللقطة الجديدة عندما لا يلزم الحفاظ على صورة موجودة أو إطار طرفي. حدّد الموضوع والحركة والمكان والكاميرا والإضاءة والتوقيت والصوت حول حدث رئيسي واحد.

استخدم الإطار الأول عندما تهم صورة البداية

يبدأ تحويل صورة الإطار الأول إلى فيديو من تركيب معتمد. وضّح ما يتحرك وما يبقى ثابتًا وكيف تتحرك الكاميرا.

استخدم الإطار الأول والأخير للتحكم في الطرفين

يناسب الإطاران الطرفيان الانتقالات التي تكون بدايتها ونهايتها محددتين مسبقًا. تعامل Alibaba هذا الخيار بوصفه وضعًا مستقلًا: لا تجمعه مع وسائط مرجعية أو ملفات أو روابط أو إدخال صوتي.

استخدم المراجع عندما تكون الاستمرارية أو الصوت أولوية

يوجّه وضع المراجع اللقطة بمواد مرتبطة بها. يمكن للصور أن تحدد المظهر، وللفيديو أن ينقل الحركة، وللصوت أن يحدد التوقيت أو الاتجاه السمعي. ويمكن الجمع بين هذه الأنواع ضمن حدودها.

إذا كان اختيار النموذج والوضع هو العقبة الأساسية، يقدّم AI Video Agent مسارًا موجهًا من موجز المشهد إلى خيارات النماذج الحالية. أما التوليد المباشر باستخدام Wan 3.0 فهو أنسب للمستخدم الذي يعرف بالفعل وضع الإدخال والإعدادات التي يريد التحكم بها.

حدود المراجع والتركيبات الصالحة

يدعم Wan 3.0 عدة أنواع من المراجع معًا، لكن لأوضاع الإطارين الطرفيين والملف والرابط حدودًا واضحة. أنشئ الطلب حول تركيب صالح واحد قبل البدء في اختصار المطالبات.

يمكن تلخيص قواعد Alibaba الأصلية كما يلي:

أعطِ كل مادة دورًا واحدًا، مثل تحديد المنتج أو الخلفية أو حركة الكاميرا. وعند استخدام ملف أو صفحة، بيّن ما ينبغي استخراجه. لا تفترض أن كل جملة أو سعر أو إخلاء مسؤولية سيظهر بدقة.

دور الصوت المتزامن في سير العمل

الصوت المتزامن جزء من المسار الحالي، لذلك خطّط للأجواء والمؤثرات ومقصد الحوار وتوقيته مع الحركة المرئية.

في المشهد البسيط، افصل تعليمات الصوت عن التعليمات المرئية:

Visual: A barista places a ceramic cup on a walnut counter as the camera makes a slow 20-degree arc.
Timing: The cup lands at 00:03 and steam becomes visible immediately after.
Audio: Quiet cafe room tone, one soft ceramic tap at 00:03, no music, no spoken dialogue.

لا يضمن هذا التنظيم تزامنًا دقيقًا على مستوى كل إطار. راجع توقيت الحوار والكلام غير المقصود والموسيقى وتشابه الصوت قبل النشر.

لا يقبل وضع الإطارين الطرفيين الأصلي لدى Alibaba إدخالًا صوتيًا. إذا كان لا بد أن يوجّه الصوت عملية التوليد، فاستخدم صورة مرجعية مع صوت مرجعي. وإذا كان تثبيت الطرفين أهم، فأضف صوتًا مرخصًا بصورة صحيحة في مرحلة لاحقة.

تتطلب حقوق الصوت عناية خاصة. لا ترفع مرجعًا صوتيًا ولا تنشر محاكاة لصوت يمكن التعرف إليه من دون الإذن اللازم والالتزام بالشروط المطبقة.

المدة والدقة ونسبة الأبعاد وسعر API

حدّد صيغة التسليم قبل التوليد، لأن المدة والدقة تغيّران تكلفة API مباشرة، بينما تؤثر نسبة الأبعاد في ملاءمة التركيب للقناة النهائية. لقطة سعر API الفعلية التي جرى التحقق منها في 5 سبتمبر 2026 هي $0.050 لكل ثانية بدقة 480p، و$0.090 لكل ثانية بدقة 720p، و$0.18 لكل ثانية بدقة 1080p.

التقديرات التالية ناتجة ببساطة عن ضرب المدة في سعر الثانية المثبت لذلك التاريخ:

هذه تقديرات للتخطيط وليست عرض سعر لطلب مستقبلي. قد تتغير الأسعار وقواعد الحساب. صفحة API الفعلية لـWan 3.0 هي المرجع العام الحالي، والاستجابة عند قبول المهمة هي لقطة السعر النهائية الخاصة بها.

لا يتاح صف 30 ثانية لكل طلب مشروط بفيديو. وفق قاعدة Alibaba الأصلية الموثقة، اطرح إجمالي مدة فيديو الإدخال من 30 ثانية لمعرفة أقصى مدة إخراج يمكن طلبها في مهمة تتضمن فيديو مُدخلًا، ثم تحقّق من عناصر تحكم PixMind الفعلية قبل الإرسال.

فوترة API منفصلة عن أرصدة Studio. لا تحوّل معاينة أرصدة Studio إلى سعر بالدولار في API، ولا تفترض أن رصيد API يتضمن استحقاق Studio. راجع صفحة الأسعار الحالية لفهم سياق الخطة، ثم تحقّق من الواجهة التي تنوي استخدامها فعلًا.

في تخطيط قنوات النشر، تناسب 16:9 العرض الأفقي، وتناسب 9:16 الفيديو الرأسي، وتناسب 1:1 المساحات المربعة. يمكن للنسبة التلقائية اتباع مادة المصدر، لكن تحديد نسبة الوجهة يقلل الحاجة إلى القص لاحقًا. استخدم 480p لاختبارات البنية منخفضة التكلفة، ثم ارفع الدقة بعد استقرار الوضع والتوقيت والتركيب.

قوالب مطالبات مرتبة حسب هدف التحكم

تحدد المطالبة الجيدة ما يبقى ثابتًا، وما يمكن أن يتغير، وكيف يحدث التغير. ولا تضمن هذه الهياكل نتيجة بعينها.

القالب 1: إنشاء لقطة واحدة مضبوطة انطلاقًا من نص

Create a [duration]-second [aspect ratio] shot.
Subject and action: [one subject performing one clear action].
Setting: [location, time, background activity].
Camera and light: [framing, movement, light direction, palette].
Timing: [start], [midpoint], [final state].
Audio: [ambience, effects, dialogue, music].
Preserve or avoid: [essential constraints].

القالب 2: تحريك إطار أول معتمد

Use the image as the opening composition.
Keep stable: [identity, product, logo, or geometry].
Animate: [motion and final action by time].
Camera: [locked, pan, dolly, or orbit].
Audio: [sound tied to visible events].
Do not introduce: [unwanted additions].

القالب 3: توزيع الأدوار على المراجع متعددة الوسائط

Image 1 defines [subject]. Image 2 defines [setting or palette].
Video 1 defines [camera or action], not identity.
Audio 1 defines [tempo, timing, ambience, or dialogue cue].
Create a [duration]-second [ratio] scene with [one narrative beat].
Prioritize: [two constraints]. Allow variation in: [nonessential details].

القالب 4: تحويل ملف أو صفحة ويب إلى موجز فيديو مركز

Use the [file or web page] as source material.
Extract only: [approved facts or section].
Audience and goal: [viewer], [explain, introduce, or summarize].
Structure: [opening], [two beats], [final message].
Do not invent: [prices, claims, quotations, or features].
Audio: [narration, ambience, effects, music].

نفّذ أقل اختبار مفيد تكلفة قبل إخراج نسخة نهائية طويلة. إذا كان التركيب غير صحيح، فاختصر المطالبة بدل إضافة الصفات. وإذا كانت الاستمرارية غير صحيحة، فقلل المراجع وسمِّ دور كل منها. وإذا كان التوقيت غير صحيح، فصف أحداثًا أقل مع نقاط زمنية أوضح.

مقارنة Wan 3.0 وWan 2.7

Wan 3.0 هدف تكامل جديد، وليس اسمًا جديدًا لطلب Wan 2.7. يستخدم المسار الحالي wan3.0-video، ويمد مدة الإخراج الموثقة إلى 30 ثانية، ويوسّع تخطيط المدخلات ليشمل الإطارين الطرفيين والمراجع والملفات وصفحات الويب. أعد التحقق من أسماء المعلمات والتركيبات الصالحة والنسبة والمدة والصوت ومعالجة الاستجابة والأسعار قبل الانتقال.

هذا ملخص للانتقال بين الواجهات، وليس ادعاء بأن 3.0 يتفوق في كل مقارنة للجودة. لم يُجرَ لهذا الدليل توليد متوازٍ مضبوط. وقد يعتمد تفضيل المخرجات على الموضوع والمراجع وتصميم اللقطة ومعايير المراجعة.

حافظ على وضوح المقالات الخاصة بكل إصدار بدل تغيير اسم الدليل الكامل لـWan 2.7 بصمت. وما زالت المقارنة المضبوطة مطلوبة قبل استخلاص نتائج بشأن الحركة أو الاتساق أو الالتزام بالمطالبة أو الصوت أو القيمة.

سير العمل في Studio مقارنة بواجهة API

يلبّي الوصول عبر Studio وAPI احتياجات تشغيل مختلفة ويستخدم نظامي فوترة منفصلين. يناسب Studio الإعداد التفاعلي والتكرار المرئي، بينما تناسب API التطبيقات التي تحتاج إلى إرسال متكرر وتتبع للمهام ومعالجة برمجية للنتائج.

سير العمل في Studio

افتح مولّد Wan 3.0، واختر الوضع، وأرفق المصادر المتوافقة فقط، ثم تأكد من المدة والدقة والنسبة ومعاينة الأرصدة الفعلية. ابدأ التوليد بعد مراجعة الإعدادات، ثم افحص الفيديو والصوت كاملين قبل التصدير.

سير العمل عبر API

1. تأكد من توفر wan3.0-video ومن سعر API الحالي.
2. أرسل تركيب وضع صالحًا واحدًا إلى POST /v1/generations.
3. احفظ معرّف المهمة وبيانات السعر المقبولة، ثم استعلم عن حالة المهمة نفسها.
4. تحقّق من النتيجة وسجّل المعلمات ومصدر المواد وموافقات الحقوق.

توثّق Alibaba الإنشاء والاستعلام غير المتزامنين لدى المزوّد الأصلي. لا تنقل قواعد مدة صلاحية المهمة إلى PixMind ما لم تصرح بها PixMind. يشرح دليل البدء السريع لواجهة PixMind API لماذا يُعد حفظ معرّف المهمة أكثر أمانًا من إعادة الإرسال بعد انتهاء مهلة العميل.

القيود والحقوق وفحوص النشر

تحتاج مخرجات Wan 3.0 إلى مراجعة بشرية لأن التحكم متعدد الوسائط لا يساوي ضمان الامتثال. توضّح الواجهة الموثقة المدخلات والإعدادات المقبولة، لكنها لا تثبت الدقة أو الموثوقية أو التصريح القانوني أو الملاءمة لنشر معين.

استخدم قائمة الفحص التالية قبل النشر:

• الدقة المرئية والزمنية: قارن المقطع كاملًا بالمراجع المعتمدة، وتحقق من الانحراف وتغيّر العناصر والنصوص الخاطئة والقطعات غير المقصودة.
• مراجعة الصوت: تحقق من الحوار وتشابه الصوت والتوقيت والكلام في الخلفية والموسيقى والمؤثرات.
• مراجعة الحقائق: طابق الادعاءات المستمدة من مستند أو صفحة مع المصدر.
• مراجعة الحقوق: تأكد من أذونات المطالبات والصور واللقطات والصوت والأشخاص والأصوات والعلامات التجارية والشعارات وأي مواد أخرى لأطراف ثالثة.
• مراجعة التسليم: افحص مدة الملف المصدّر وأبعاده ونسبته وترميزه وتشغيله على المنصة المستهدفة.
• حفظ السجلات: احتفظ بتفاصيل المهمة المقبولة ومصدر المدخلات وسجلات الموافقة أو الترخيص والمراجع وقرار الاعتماد.

يعتمد الاستخدام التجاري على أهلية الخطة المدفوعة، وشروط النموذج أو المزوّد المطبقة، وحقوق المستخدم في المطالبات والمراجع والأشخاص والأصوات والشعارات وغيرها من مواد الأطراف الثالثة. لا يؤدي التوليد تلقائيًا إلى تسوية هذه الحقوق. راجع شروط الأسعار الحالية وشروط الخدمة بحسب الحساب وحالة الاستخدام، واطلب مشورة متخصصة عندما تكون المخاطر القانونية مرتفعة.

الأسئلة الشائعة

هل يمكن استخدام الصوت مع التوليد بالإطار الأول والأخير؟

ليس بوصفه إدخالًا صوتيًا في وضع الإطار الأول والأخير الأصلي الذي توثقه Alibaba. إذا كان ينبغي للصوت أن يوجّه النتيجة، فاستخدم النمط الرسمي الذي يجمع صورة مرجعية وصوتًا مرجعيًا. وإذا كان تثبيت الطرفين إلزاميًا، فاحتفظ بوضع الإطارين الطرفيين وعالج الصوت المرخص في سير عمل منفصل.

ما تكلفة التوليد عبر Wan 3.0 API؟

لقطة السعر في 5 سبتمبر 2026 هي $0.050 لكل ثانية بدقة 480p، و$0.090 لكل ثانية بدقة 720p، و$0.18 لكل ثانية بدقة 1080p. تعامل مع هذه القيم بوصفها مدخلات تخطيط مؤرخة. تقدم استجابة قبول المهمة لقطة السعر النهائية الخاصة بها، كما أن فوترة API منفصلة عن أرصدة Studio.

هل يتوفر wan3.0-video-prime عبر PixMind؟

تعرض صفحة نموذج PixMind الحالية wan3.0-video، ولا تعرض wan3.0-video-prime. توثق Alibaba نسخة Prime باعتبارها نسخة أصلية، لكن ذلك لا يثبت توفرها عبر PixMind.

هل يمكن استخدام مخرجات Wan 3.0 تجاريًا؟

الاستخدام التجاري مشروط وليس تلقائيًا. فهو يعتمد على أهلية الخطة المدفوعة وشروط النموذج والمزوّد المطبقة وحقوقك في جميع المطالبات والمراجع والأشخاص والأصوات والشعارات ومواد الأطراف الثالثة ضمن المهمة والنتيجة.

اختر قيدًا واحدًا ونفّذ مهمة أولى مضبوطة

أوضح طريقة للبدء باستخدام Wan 3.0 هي تحديد القيد الأهم، ثم اختيار وضع الإدخال المقابل. استخدم النص للتركيب المفتوح، والإطار الأول لبداية ثابتة، والإطارين الطرفيين لنهاية محددة، والمراجع لهوية قابلة لإعادة الاستخدام أو توجيه صوتي، والملف أو الرابط للتخطيط انطلاقًا من مصدر.

اجعل المهمة الأولى قصيرة بما يكفي لكشف المشكلات البنيوية. تأكد من معرّف النموذج والمراجع والنسبة والدقة والمدة والصوت والسعر والحقوق قبل الإرسال. راجع النتيجة كاملة بدل الحكم على الصورة المصغرة.

عندما تتضح هذه القرارات، افتح مولّد Wan 3.0 لمهمة تفاعلية أو صفحة Wan 3.0 API لسير عمل برمجي. أعد التحقق من عناصر التحكم الفعلية وسعر قبول المهمة في كل مرة تنشئ فيها فيديو.

Wan 3.0 مقابل Wan 2.7: الانتقال واختيار النموذج