昨天 Wan 3.0 开始公测，大家讨论最多的应该是单次终于可以做到 30 秒。 但我看了一圈之后，反而觉得这次比较容易被忽略的功能是：它开始直接吃“文档”了。 除了文字、图片、视频、音频之外，现在 doc 、xls 、ppt 、pdf 、md 都可以直接作为输入。 这个变化其实挺有意思。 以前所谓的 AI 视频生成，大部分还是： 写 prompt → 抽一个视频 → 不满意继续抽。 所以它本质上还是一个“生成素材”的工具。 但如果模型能直接理解一份 PPT 、产品 Brief 或 PDF ，然后把里面的内容、图片、结构一起理解之后生成视频，那用户给 AI 的就不再只是一个 prompt ，而是一整份“任务上下文”。 比如扔进去一份产品介绍 PPT ，让它直接做产品宣传片；或者把课程 PDF 丢进去做讲解视频。感觉视频模型正在慢慢从“生成一个好看的镜头”，往“完成一个视频任务”走。 另外单次 30 秒也比想象中重要。5 ～ 10 秒更像素材，30 秒已经开始能够完整讲一件事情了，后面如果角色一致性和镜头衔接继续提高，很多以前必须靠剪辑拼起来的东西可能...