阿里发布万相3.0：视频生成迈向30秒新时代

8月24日，阿里正式发布了新一代视频生成大模型——万相3.0。这次升级，可以说是在视频生成领域的一次全面发力，从生成时长到多模态支持，再到细节一致性，都有了不小的突破。

先说说最直观的变化：单次生成的视频时长，一下子拉长到了30秒。别小看这30秒，它意味着一个镜头能讲的故事更多了，叙事空间大了不少。以前可能刚起个头就结束了，现在能完整地表达一个场景或一段情节，这对创作者来说，无疑是件好事。

更让人眼前一亮的是，万相3.0首次支持了多种主流文档格式的输入，像doc、xls、ppt、pdf、md这些，都能直接变成生动的视频内容。想象一下，你手里有一份PPT或者一份Excel表格，以前可能得费劲巴拉地做成视频，现在直接丢给万相3.0，它就能帮你转化成视觉内容，省时又省力。

不过，视频生成领域一直有个老大难问题——视觉不一致和风格漂移。说白了，就是生成的人物可能前后长得不一样，或者场景风格突然就变了，看起来特别假。万相3.0这次在细粒度上下了功夫，无论是人物外貌、道具细节、声音配置，还是空间关系、整体视觉风格，都力求前后保持一致。它想做的，是尽量准确地还原真实世界的物理和逻辑规律，让生成的视频看起来更真实、更可信。

当然，技术归技术，最终还是要看实际效果。万相3.0的这些升级，到底能不能让视频创作变得更简单、更高效，还得等创作者们上手试试才知道。但至少从目前公布的信息来看，阿里在视频生成这条赛道上，是铁了心要往前冲的。

关键要点

• 生成时长提升：单次视频生成时长提升至30秒，显著扩展了单镜头的叙事空间。
• 多格式支持：首次支持doc、xls、ppt、pdf、md等主流文档格式，可直接将文本、表格、演示文稿转化为视频。
• 一致性增强：在人物、道具、声音、空间关系及视觉风格上保持高度一致，力求还原真实世界的物理与逻辑规律。
• 发布背景：万相3.0于8月24日发布，标志着阿里在视频生成领域的技术突破。