Wan 3.0 को 6 अगस्त 2026 को पब्लिक बीटा के रूप में लॉन्च किया गया था, फिर भी इसके वेट्स, कोड या लाइसेंस प्रकाशित नहीं हुए हैं, इसलिए आज यह ओपन सोर्स नहीं है। यह लेख तारीखें, हर रिज़ॉल्यूशन पर प्रति सेकंड कीमत और 30 सेकंड तक की क्लिप के लिए काम करने वाले प्रॉम्प्ट फ़ॉर्मूले बताता है।
नहीं, Wan 3.0 ओपन सोर्स नहीं है, कम से कम आज तक तो नहीं। Alibaba ने इसे 6 अगस्त 2026 को सिर्फ़ API वाले पब्लिक बीटा के रूप में जारी किया, 24 अगस्त 2026 को इसका दायरा बढ़ाया, और मुझे मिली सबसे ताज़ा जाँच (मध्य सितंबर 2026 की तारीख वाली) में भी Hugging Face पर कोई वेट्स, इनफ़रेंस कोड वाला कोई GitHub रिपॉज़िटरी और कोई प्रकाशित लाइसेंस नहीं दिखा। अगर आपकी योजना मॉडल को डाउनलोड करके अपने GPU पर चलाने की है, तो वह योजना फ़िलहाल रुकी हुई है। अगर आपका मकसद इससे अच्छा वीडियो बनाना है, तो यह काम आप अभी PicassoIA पर Wan 3 से कर सकते हैं।
यह लेख पक्की जानकारी को अफ़वाहों से अलग करता है। इसमें आपको रिलीज़ की टाइमलाइन, 480p, 720p और 1080p पर प्रति सेकंड कीमत, एक असली क्लिप की लागत, Wan 3 और Wan 3 Prime के लिए एक छोटा ट्यूटोरियल, और 30 सेकंड तक की क्लिप के लिए सचमुच काम करने वाले प्रॉम्प्ट फ़ॉर्मूले मिलेंगे।
💡 त्वरित निर्णय: Wan 3.0 क्लोज़्ड है, Alibaba के API से प्रति सेकंड के हिसाब से बिलिंग होती है, और यह 1080p तक सीमित है। आप बिना कुछ इंस्टॉल किए और बिना GPU के इसे ऑनलाइन आज़मा सकते हैं।
वीडियो मॉडल के लिए "ओपन सोर्स" कोई मार्केटिंग लेबल भर नहीं है। इसे पूरी गंभीरता से कहने से पहले तीन चीज़ें मौजूद होनी चाहिए:
लिखे जाने के समय Wan 3.0 में इन तीनों में से कोई भी नहीं है। Alibaba के 27 आधिकारिक Hugging Face रिपॉज़िटरी और 6 आधिकारिक GitHub रिपॉज़िटरी की एक जाँच में 2.2 से नया कुछ नहीं मिला। Wan इकोसिस्टम पर एक कम्युनिटी लेख ने भी साफ़ शब्दों में चेतावनी दी: ऐसा कोई प्रोडक्ट न भेजें जो इस बात पर निर्भर हो कि Wan 3.0 Apache 2.0 है।
| आइटम | Wan 3.0 की स्थिति |
|---|---|
| सार्वजनिक वेट्स | कोई प्रकाशित नहीं |
| इनफ़रेंस कोड | कोई प्रकाशित नहीं |
| लाइसेंस | कोई प्रकाशित नहीं |
| एक्सेस | केवल API, Alibaba Cloud Model Studio के ज़रिए |
| API लेबल | अभी भी प्रीव्यू के रूप में चिह्नित |
| सेल्फ़ होस्टिंग | संभव नहीं |
पिछले रिलीज़ इसकी कहानी बताते हैं। Wan 2.1 और Wan 2.2 Apache 2.0 के तहत ओपन वेट्स के साथ आए थे, और इसी वजह से यह नाम उन लोगों का पसंदीदा बन गया जो मॉडल लोकल चलाना पसंद करते हैं। फिर मुख्य लाइन API के पीछे चली गई।
लगातार चार मुख्य पीढ़ियाँ, 2.5, 2.6, 2.7 और अब 3.0, क्लोज़्ड आई हैं। Alibaba अब भी छोटे कंट्रोल और एनिमेशन मॉडल ओपन वेट्स के साथ जारी करता है (Wan-Dancer-14B Apache 2.0 के तहत रिपोर्ट किया गया एक उदाहरण है), लेकिन मुख्य टेक्स्ट-टू-वीडियो मॉडल API के पीछे ही रहता है।
⚠️ क्लोज़्ड मानकर चलें। जब तक Alibaba अपने आधिकारिक Hugging Face और GitHub पेजों पर वेट्स और लाइसेंस नहीं डालता, Wan 3.0 को होस्टेड सर्विस मानें। किसी भी हार्डवेयर खरीद से पहले उन पेजों को दोबारा जाँच लें।
अगर ओपन वेट्स अनिवार्य हैं, तो व्यावहारिक विकल्प वे मॉडल हैं जो पहले ही उन्हें जारी कर चुके हैं। Wan 2.2 Apache 2.0 वेट्स वाला सबसे नया Wan है। Tencent का HunyuanVideo और Lightricks का LTX Video भी ओपन मॉडल के रूप में प्रकाशित हुए हैं, हर एक अपने लाइसेंस के तहत, इसलिए किसी भी एक पर कुछ बनाने से पहले लाइसेंस पढ़ लें। ये तीनों Wan 3.0 से पुराने और छोटे हैं, लेकिन आप इन्हें अपने हार्डवेयर पर चला सकते हैं और ठीक-ठीक जाँच सकते हैं कि आउटपुट के साथ आप क्या कर सकते हैं।
शुरुआती लीक 6 अगस्त की ओर इशारा कर रहे थे, और पब्लिक बीटा उसी तारीख को आ गया। लगभग ढाई हफ़्ते बाद व्यापक लॉन्च हुआ।
API रेफ़रेंस अब भी Wan 3.0 को प्रीव्यू के रूप में चिह्नित करता है। व्यवहार में इसके तीन मतलब हैं: एक्सेस आपके क्षेत्र और अकाउंट पर निर्भर हो सकता है, कुछ अकाउंट्स ने केवल इन्विटेशन वाला एक्सेस रिपोर्ट किया है, और कीमतें बिना ज़्यादा चेतावनी के बदल सकती हैं। अगर आप इस पर कोई प्रोडक्ट बना रहे हैं, तो पहले अपने कंसोल में उपलब्धता और दरों की पुष्टि कर लें।
नीचे दिए आँकड़े सार्वजनिक API डॉक्यूमेंटेशन और मॉडल पेजों से लिए गए हैं।
| स्पेक | Wan 3.0 |
|---|---|
| रिज़ॉल्यूशन | 480p, 720p, 1080p (4K नहीं) |
| क्लिप की लंबाई | 2 से 30 सेकंड |
| आस्पेक्ट रेशियो | 16:9, 9:16, 4:3, 3:4, 1:1, adaptive |
| ऑडियो | वीडियो के साथ एक साथ बनता है, मल्टीलिंगुअल |
| मोड | टेक्स्ट-टू-वीडियो, इमेज-टू-वीडियो, पहला और आखिरी फ़्रेम, रेफ़रेंस-टू-वीडियो |
| रेफ़रेंस इनपुट | 10 इमेज, 5 वीडियो क्लिप, 5 ऑडियो ट्रैक तक |
लंबाई में छलांग ही सबसे बड़ी खासियत है। पिछली पीढ़ी की अधिकतम लंबाई 15 सेकंड थी, इसलिए एक ही Wan 3 रेंडर अब क्लिपों को जोड़े बिना पूरा छोटा सीन रख सकता है। रेफ़रेंस इनपुट भी मायने रखते हैं। मॉडल को 10 इमेज, 5 वीडियो क्लिप और 5 ऑडियो ट्रैक तक देना वह तरीका है जिससे कई शॉट्स में एक जैसा कैरेक्टर, प्रोडक्ट या आवाज़ रखी जा सकती है, बजाय इसके कि टेक्स्ट प्रॉम्प्ट से उम्मीद की जाए कि एक ही चेहरा दो बार एक जैसा आए।
PicassoIA पर टाइमिंग सैंपल रेंडर टाइम का अंदाज़ा देते हैं। Wan 3 पर 5 सेकंड का 1080p सैंपल लगभग 322 सेकंड ले गया, जबकि Wan 3 Prime के सैंपल 480p पर लगभग 36 सेकंड और 1080p पर लगभग 102 सेकंड ले गए। प्रॉम्प्ट अलग-अलग हैं, इसलिए इन्हें मोटे आँकड़े मानें, बेंचमार्क नहीं।
Alibaba Cloud Model Studio आउटपुट के हर सेकंड के हिसाब से बिल करता है। ये लॉन्च के समय रिपोर्ट हुई अंतरराष्ट्रीय दरें हैं, तुलना के लिए मेनलैंड चीन की दर भी दी गई है।
| टियर | 480p | 720p | 1080p |
|---|---|---|---|
| Standard (अंतरराष्ट्रीय) | $0.05 | $0.10 | $0.20 |
| Prime (अंतरराष्ट्रीय) | $0.068 | $0.14 | $0.28 |
| मेनलैंड चीन | ¥0.30 | ¥0.60 | ¥1.20 |
Prime टियर हर रिज़ॉल्यूशन पर Standard से लगभग 36 से 40 प्रतिशत महँगा है। Alibaba हर मॉडल के लिए 90 दिन तक वैध 30 सेकंड का मुफ़्त कोटा भी देता है।
दर को सेकंड से गुणा करें। बस इतना ही फ़ॉर्मूला है।
| क्लिप | Standard | Prime |
|---|---|---|
| 480p पर 5 सेकंड | $0.25 | $0.34 |
| 720p पर 5 सेकंड | $0.50 | $0.70 |
| 1080p पर 5 सेकंड | $1.00 | $1.40 |
| 1080p पर 15 सेकंड | $3.00 | $4.20 |
| 1080p पर 30 सेकंड | $6.00 | $8.40 |
बजट सबसे ज़्यादा असफल प्रयोगों में खर्च होता है। Standard टियर पर 480p की दस 5 सेकंड की ड्राफ़्ट्स का खर्च $2.50 है, जबकि 1080p की दस 5 सेकंड की ड्राफ़्ट्स का खर्च $10 है। कुछ आदतें बिल को सीमा में रखती हैं:
💡 दरें बदलती हैं, और क्षेत्रीय कीमतें अलग होती हैं। यहाँ की हर संख्या को एक स्नैपशॉट मानें और किसी प्रोजेक्ट का बजट तय करने से पहले अपने कंसोल में पुष्टि करें।
Wan 3 और Wan 3 Prime PicassoIA पर एक जैसे इनपुट साझा करते हैं, इसलिए स्टेप्स भी एक जैसे हैं।
JPG, PNG, BMP या WEBP फ़ॉर्मेट में 10 MB तक का पहला फ़्रेम अपलोड करें, और सिर्फ़ वही बताएँ जो हिलना चाहिए। इमेज में सब्जेक्ट, रोशनी और रंग पहले से मौजूद हैं, इसलिए आपका प्रॉम्प्ट मोशन और कैमरा पर केंद्रित रह सकता है।
ऊपर जैसा पोर्ट्रेट स्टार्ट फ़्रेम के रूप में अच्छा काम करता है। "he looks up from the tablet, smiles at someone off screen, steam drifts from the cup on the table, slow push in, soft cafe chatter" जैसा प्रॉम्प्ट मॉडल को एक साफ़ एक्शन, एक कैमरा मूव और एक ध्वनि देता है।
अच्छे Wan 3 प्रॉम्प्ट एक ही क्रम में चलते हैं: सब्जेक्ट, एक्शन, कैमरा, रोशनी, ध्वनि। चूँकि ऑडियो वीडियो के साथ बनता है, इसलिए आखिरी हिस्सा वैकल्पिक नहीं है।
कॉपी करने और ढालने के लिए यहाँ तीन प्रॉम्प्ट हैं:
"A red vintage convertible takes a curve on a cliffside coastal highway, aerial drone shot slowly tilting down, long golden shadows from the setting sun, surf crashing below, warm engine hum and gulls."
"A baker pulls a tray of croissants from a stone oven, close up on her flour dusted hands, handheld camera, soft window light from the left, the crackle of crust and quiet radio music."
"A hiker reaches a ridge at dawn and lowers her backpack, wide static shot, cold blue light turning gold, wind across grass, distant bird calls."
जब प्रॉम्प्ट एक ही पल का वर्णन करता है, तो लंबी क्लिप अक्सर भटकने लगती हैं। इसके बजाय बीट्स लिखें, हर चरण के लिए एक छोटा वाक्य, ताकि मॉडल के पास आगे बढ़ने की दिशा हो। कोई खास टाइमस्टैम्प सिंटैक्स दस्तावेज़ित नहीं है, इसलिए इसे सादी भाषा की तरह लें।
"पहले, गोधूलि में एक लाइटहाउस का वाइड शॉट, नीचे लहरों के साथ। फिर लैंप जलते समय कैमरा चट्टानों के साथ-साथ करीब जाता है। फिर एक लाइटहाउस कीपर दरवाज़ा खोलता है और बालकनी पर कदम रखता है। आख़िर में कैमरा कीपर के ऊपर उठता है और पूरी तटरेखा दिखाता है, हवा की आवाज़ और दूर की एक घंटी के साथ।"
ऊपर जैसा मोटा स्टोरीबोर्ड सबसे तेज़ तरीका है अपने बीट्स ढूँढने का, इससे पहले कि आप किसी रेंडर पर पैसा खर्च करें।
लंबी, उच्च-रिज़ॉल्यूशन क्लिप के लिए Wan 3 अकेला विकल्प नहीं है। ये सभी मॉडल PicassoIA पर उपलब्ध हैं, और नोट्स उनके मॉडल पेजों से लिए गए हैं।
| मॉडल | सबसे अच्छा उपयोग |
|---|---|
| Wan 3 | 1080p तक, टेक्स्ट या इमेज इनपुट के साथ 30 सेकंड तक की क्लिप |
| Wan 3 Prime | वैकल्पिक स्टार्ट इमेज के साथ 30 सेकंड तक का 1080p टेक्स्ट-टू-वीडियो |
| Wan 2.7 T2V | पिछली पीढ़ी से 1080p टेक्स्ट-टू-वीडियो |
| Seedance 2.5 | 30 सेकंड तक के वीडियो |
| Seedance 2.5 Lite | मुफ़्त, असीमित 10 सेकंड तक के वीडियो |
| Kling v3 Video | सिनेमैटिक टेक्स्ट-टू-वीडियो |
| Veo 3.1 | 1080p टेक्स्ट-टू-वीडियो |
| LTX 2.3 Pro | टेक्स्ट से 4K वीडियो |
अगर आपको 4K चाहिए, तो LTX 2.3 Pro बेहतर विकल्प है, क्योंकि Wan 3 1080p पर रुक जाता है। अगर आपको मुफ़्त और असीमित छोटी क्लिप चाहिए, तो Seedance 2.5 Lite ठीक रहेगा। अगर आपको सबसे लंबा एकल रेंडर चाहिए, तो Wan 3 और Seedance 2.5 वे दो हैं जिन्हें एक ही प्रॉम्प्ट के साथ साथ-साथ टेस्ट करना चाहिए।
यह जानने के लिए कि Wan 3 आपके काम में फिट बैठता है या नहीं, आपको API अकाउंट, GPU या खाली वीकेंड की ज़रूरत नहीं है। Picasso IA पर Wan 3 खोलें, ऊपर के किसी प्रॉम्प्ट को चिपकाएँ, 480p और 5 सेकंड सेट करें, और जनरेट करें। हर रन में एक चीज़ बदलें, जो सीड पसंद आए उसे रखें, और तभी रिज़ॉल्यूशन और लंबाई बढ़ाएँ।
जब आप दूसरी राय चाहें, तो वही प्रॉम्प्ट Wan 3 Prime पर चलाएँ और मोशन की तुलना करें। और अगर ओपन सोर्स का सवाल आपके लिए मायने रखता है, तो आधिकारिक Wan पेजों पर नज़र रखें। अगर कभी वेट्स आते हैं, तो ऊपर के प्रॉम्प्ट बिना बिगड़े लोकल सेटअप तक पहुँचेंगे। आज ही Picasso IA पर अपनी पहली क्लिप आज़माएँ।
अपनी भाषा चुनें
