Wan 3.0 getest: het nieuwe nummer 1 AI-videomodel van Alibaba

👁 114 keer gelezen

Wan 3.0 van Alibaba staat aan de leiding in de videoranglijst van Artificial Analysis: 1335 Elo-punten in de categorie tekst-naar-video, waarmee het model Gemini Omni Flash en MiniMax H3 achter zich laat. Het genereert tot 30 seconden video in een enkele run, inclusief geluid, en kan zelfs een video opbouwen vanuit een tekstdocument. We besteedden 7,10 dollar aan praktijktests: vijf clips, waaronder gesproken dialoog, complexe neonletters, een shot van 30 seconden zonder cuts en een video op basis van een pdf. Hieronder zie je wat er goed ging en wat er mislukte.

De bedragen in EUR zijn indicatieve omrekeningen van de gepubliceerde USD-prijzen tegen de ECB-referentiekoers van 2026-10-12: 1 EUR = 1.1181 USD. Dit zijn geen bevestigde lokale eindprijzen inclusief belastingen. De aanbieder en de bank kunnen andere koersen of kosten hanteren. ECB.

Vier beelden uit onze tests van Wan 3.0: gesproken dialoog, neonreclame, 30-secondenshot en koffie inschenken. 720p, onbewerkt.

Wan 3.0 in cijfers

Ditzelfde tarief geldt op fal.ai, het platform dat we voor deze tests gebruikten. Daar is ook de variant Wan 3.0 Prime beschikbaar: sneller, voor 0,1252 EUR (0,14 USD) per seconde in 720p.

Ranglijst: een nipte voorsprong

Drie punten voorsprong op Gemini Omni Flash is in een ranglijst gebaseerd op menselijke vergelijkingen feitelijk een gelijkspel. Opvallend detail: het als vierde geplaatste HappyHorse is eveneens van Alibaba, maar afkomstig van een andere interne divisie (ATH). Twee onafhankelijke teams van hetzelfde concern staan dus in de top vier.

Test 1: dialoog en lipsynchronisatie

In deze test vroegen we om een caféscène in een regenachtige avond en lieten we twee zinnen in het Pools uitspreken: de vrouw zegt „Nie wyjadę bez ciebie. Słyszysz? Nie wyjadę.” (“Ik vertrek niet zonder jou. Hoor je me? Ik vertrek niet.”), waarop de man antwoordt met „Wiem.” (“Ik weet het.”). We testten dit bewust in het Pools om te zien hoe het model omgaat met talen buiten het Engels.

Vier frames uit een clip van 8 seconden. De personages, tafel, lamp en regen achter het raam blijven het hele shot consistent.

We haalden de audiotrack door Whisper-spraakherkenning. Het resultaat: „Nie wyjadę bez Ciebie, słyszysz? Nie wyjadę.” en „Wiem.” kwamen er woord voor woord uit, herkend als Pools met 99% zekerheid. De regels vielen netjes in de gevraagde volgorde: de eerste van seconde 0 tot 4, de tweede in seconde 5. Dat is een flinke stap vooruit vergeleken met eerdere videotools zoals Seedance, waar niet-Engelse gesproken zinnen nauwelijks bruikbaar waren.

Kosten: 0,80 USD. Generatietijd: 3 minuten en 38 seconden.

Test 2: tekst in beeld en speciale tekens

Een nachtelijke stadsstraat, een rode neonreclame met de tekst „ŻÓŁTA GĘŚ” (“Gele Gans”) en een briefje op het raam met „Otwarte do północy” (“Open tot middernacht”). Hiermee testten we een reeks lastige diakritische tekens: Ż, Ó, Ł, Ę, Ś.

Neonreclame ŻÓŁTA GĘŚ met correcte leestekens - twee keer weergegeven doordat het model zelf een tweede neon toevoegde.

Het neonbord verscheen foutloos: alle accenten stonden op hun plek, en zelfs dubbel, want het model plaatste uit zichzelf een tweede neonbord in de etalage. Boven het raam voegde het bovendien een bord toe met „100 ŻÓŁTA 121 GĘŚ” - de spelling klopte, al kwamen de getallen uit het niets.

Ingezoomd briefje op het raam. Het woord Otwarte is leesbaar, de rest van de tekst vervaagt.

Het briefje liet meteen de limiet zien: „Otwarte” is leesbaar, maar „do północy” is vervormd. Bij een resolutie van 720p en letters van slechts enkele pixels hoog slaagde het model er niet in om de letters intact te houden. Alibaba geeft in de documentatie zelf aan dat tekstprecisie in beeld nog in ontwikkeling is. Conclusie: grote uithangborden werken prima, kleine letters niet.

Test 3: fysica en handen

Een statische close-up: twee handen schenken koffie in vanuit een glazen kan, de straal dunt uit en stopt, een hand pakt het kopje op en de andere hand laat er een suikerklontje in vallen.

Tien frames, één per seconde. De straal stopt rond seconde 6, de hand pakt het kopje en het suikerklontje valt in seconde 9.

De vloeistofstraal, het afbreken daarvan, de stoom en de beweging van de vingers zien er natuurlijk uit. De volgorde van acties liep exact synchroon met de prompt. Bij inspectie van de frames per seconde bleven de handen anatomisch correct. Kosten: 1,00 USD, tijd: 4 minuten.

Test 4: 30 seconden zonder cuts

De zwaarste beproeving: één continu handheld shot van 30 seconden. Een jongen in een gele jas loopt over een markt, passeert kramen met appels en vis, koopt brood, betaalt, knikt en loopt door naar een straat waar een tram voorbijrijdt.

Tien frames om de 3 seconden uit één ononderbroken opname van 30 seconden. Appels, vis, brood kopen, straat en tram - in de gevraagde volgorde.

Alle elementen verschenen in de gevraagde volgorde en het personage bleef 30 seconden lang consistent: hetzelfde gezicht, hetzelfde jack en het brood in zijn hand. Een scènedetectietool in ffmpeg sloeg alleen aan tussen seconde 20 en 22; na controle frame voor frame bleek dit een snelle, vloeiende camerazwenking achter het personage te zijn, geen montageknip. Het enige verschil met de opdracht was het weer: bewolkt in plaats van zonnig.

Er zit wel een addertje onder het gras. Bij de eerste poging blokkeerde het veiligheidsfilter van fal.ai de video met de melding dat het materiaal was gemarkeerd door het moderatiesysteem. Er gebeurde in de scène niets schokkends: alleen een markt, brood en een tram. Een tweede poging met exact dezelfde prompt werd zonder problemen goedgekeurd. Het filter werkt dus niet-deterministisch en genereert valse meldingen, waar je pas achter komt na een kwartier wachten. De geslaagde render duurde 13 minuten en 35 seconden en kostte 3 USD.

Test 5: video genereren uit een document

Alibaba presenteert dit als een speerpunt: je levert een document of webadres aan en het model maakt er zelfstandig een video van. We hebben beide routes geprobeerd.

Frames uit de 15-secondenfilm op basis van een PDF van het Wikipedia-artikel over de wisent. Vier shots, inclusief een zwart-witbeeld bij de vermelding dat de soort bijna uitgestorven was.

Het resultaat met de pdf was de meest opvallende uitkomst van de hele test. Het model monteerde zelfstandig vier afzonderlijke shots (ffmpeg registreerde cuts op 2,8, 8,2 en 10,2 seconden): een close-up van een wisent, een kudde in een berkenbos, een zwart-wit shot in archiefstijl en een moeder met kalf. Het voegde ook een voice-over toe: „Meet the European bison, Europe’s largest land mammal. Once nearly extinct, they now roam these primeval forests.” De feiten sloten naadloos aan bij het document. De stem sprak Engels omdat onze prompt in het Engels was geformuleerd, ondanks de anderstalige brontekst. Wil je een andere taal voor de voice-over, dan moet je dat specifiek in de prompt meegeven.

Conclusie: video uit een document werkt, maar momenteel uitsluitend via een direct bestand. Het doorsturen van live webpagina’s via URLs leverde in onze tests telkens fouten op via fal.ai.

Wat kostte deze test?

De berekening is gebaseerd op het standaardtellerstarief van 0,0894 EUR (0,10 USD) per seconde video in 720p. Gemiddeld duurde het genereren ongeveer 25 seconden per seconde video. Voor realtime toepassingen is dat aan de trage kant, maar voor het produceren van socialmediacontent of advertenties is het werkbaar.

Voor wie is Wan 3.0 geschikt?

• Voor contentmakers die meertalige dialogen zoeken: synchrone spraak en duidelijke tekstborden in niet-Engelse talen zijn nog steeds zeldzaam bij AI-videomodellen.
• Voor wie documenten wil visualiseren: een presentatie of pdf automatisch omzetten in een korte videoclip levert flinke tijdwinst op.
• Minder geschikt voor wie haast heeft: reken op 3 tot 14 minuten wachttijd per clip en houd rekening met mogelijke valse meldingen van het inhoudsfilter.
• Niet geschikt voor fijne typografie: kleine letters op prijskaartjes, etiketten of briefjes raken al snel vervormd.

Meer over de kosten van AI-video: wat kost een seconde AI-video?. Bekijk ook andere recente AI-ontwikkelingen: test van vijf nieuwe taalmodellen.

Zie ook: Lokale AI: tekstmodellen, afbeeldingen en video op je eigen pc · test van 7 lokale AI-modellen

Zie ook: Wan AI: alle versies, prijzen en videovergelijkingen · Wan 3.0 versus Wan 2.2 op dezelfde prompts

Veelgestelde vragen

Kan Wan 3.0 meerdere talen spreken?

Ja. In onze test spraken de personages een Poolse dialoog woord voor woord uit, wat door spraakherkenningstool Whisper met 99% betrouwbaarheid werd bevestigd.

Wat kost het gebruik van Wan 3.0?

De tarieven via API zijn 0,0447 EUR (0,05 USD) per seconde in 480p, 0,0894 EUR (0,10 USD) in 720p en 0,1789 EUR (0,20 USD) in 1080p. Een clip van 30 seconden in full hd (1080p) kost daarmee 6 USD.

Is Wan 3.0 open source?

Nee. In tegenstelling tot enkele eerdere Wan-releases zijn de gewichten van Wan 3.0 niet vrijgegeven. Het model is uitsluitend via API beschikbaar, onder meer via Alibaba Cloud Model Studio en fal.ai.

Hoe lang kan een video van Wan 3.0 maximaal zijn?

Tot 30 seconden in een enkele run. Onze testclip van 30 seconden vormde één ononderbroken opname zonder cuts en had een rendertijd van 13,5 minuten.

Kan Wan 3.0 echt een video maken van een PDF?

Ja, in onze test leverde een geüploade pdf van een Wikipedia-pagina een 15-secondenfilm op met vier gemonteerde shots en een passende voice-over. Een directe link naar een webpagina werkte nog niet betrouwbaar.

// lees verderWan AI: Alibaba’s videomodellen 2.2 gratis, 3.0 in de cloudAI-tools7 lokale AI-modellen getest: RTX 4090 vs cloudBenchmarksAnthropic beschuldigt Alibaba, Moonshot AI en DeepSeek van grootschalige modelroofNieuws