

Wan 3.0 et Kling 3.0 Turbo côte à côte : caractéristiques, capacités, paramètres et tarifs en direct du catalogue EmpirioLabs.
Wan 3.0 de Alibaba Cloud et Kling 3.0 Turbo de Kling AI appartiennent tous deux à la catégorie Génération de vidéos et sont disponibles via l'API EmpirioLabs.
| Spéc. | Wan 3.0 | Kling 3.0 Turbo |
|---|---|---|
| ID du modèle | wan-3-0 | kling-3-0-turbo |
| Auteur | Alibaba Cloud | Kling AI |
| Publié | 6 août 2026 | 17 juin 2026 |
| Entrée | Texte Image Vidéo Audio | Texte Image |
| Sortie | Vidéo | Vidéo |
| Région | Singapore | - |
| Endpoints | POST /v1/videos/generations | POST /v1/videos/generations |
| Capacités |
Tarifs en direct du catalogue EmpirioLabs pour les deux modèles. Chaque grille tarifaire correspond toujours à ce que l'API facture.
Paramètres de requête indiqués pour chaque modèle sur EmpirioLabs, avec les valeurs autorisées ou la plage le cas échéant. Un tiret signale un paramètre que le modèle n'indique pas.
| Paramètre | Wan 3.0 | Kling 3.0 Turbo |
|---|---|---|
| prompt | string | string |
| model_tier | standard, prime Par défaut: standard | - |
| mode | auto, t2v, i2v, r2v Par défaut: auto | - |
| resolution | 480p, 720p, 1080p Par défaut: 1080p | 720p, 1080p Par défaut: 720p |
| duration | 2 à 30 Par défaut: 5 | 3 à 15 Par défaut: 5 |
| aspect_ratio | adaptive, 16:9, 9:16, 1:1, 4:3, 3:4 Par défaut: adaptive | 16:9, 9:16, 1:1 Par défaut: 16:9 |
| image | string | string |
| video | string | - |
| seed | 0 à 2147483647 | - |
| audio | boolean Par défaut: true | - |
| watermark | boolean Par défaut: false | boolean Par défaut: false |
| prompt_extend | boolean Par défaut: true | - |
| link | string | - |
| file_url | string | - |
La génération peut prendre plusieurs minutes sur le palier standard; le palier premier est nettement plus rapide de bout en bout. Les modes sont détectés automatiquement à partir des pièces jointes, ou sursautent avec le paramètre mode. Le paramètre model_tier choisit standard ou prime; chaque palier facture son propre taux par seconde.
Texte en vidéo et image-to-video avec audio natif synchronisé, jusqu’à 1080p. Flux de travail détecté automatiquement: une seule invite est text-to-video, ajouter une image source est image-to-video.
shot 1, <seconds>, <description>; shot 2, <seconds>, <description>;Wan 3.0 fonctionne via POST /v1/videos/generations. La requête renvoie immédiatement un job_id ; interrogez GET /v1/jobs/{job_id} jusqu'à la fin du job et lisez les URLs de sortie dans le résultat. Les deux modèles s'appellent via le même endpoint. Définissez model sur wan-3-0 ou kling-3-0-turbo. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
curl https://api.empiriolabs.ai/v1/videos/generations \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "wan-3-0",
"prompt": "Describe what you want Wan 3.0 to generate."
}'Tests de prompts et comparaisons qui couvrent les deux modèles.
Wan 3.0 est la version la plus récente (6 août 2026) ; Kling 3.0 Turbo est sorti le 17 juin 2026. Types d'entrée acceptés uniquement par Wan 3.0 : Audio, Vidéo. Capacités indiquées uniquement pour Wan 3.0 : reference to video, audio sync, character consistency. Les caractéristiques, les grilles tarifaires et les paramètres de cette page proviennent du catalogue EmpirioLabs en direct.
Wan 3.0 est la version la plus récente (6 août 2026) ; Kling 3.0 Turbo est sorti le 17 juin 2026.
Les deux modèles sont tarifés sur des unités ou des paliers différents : comparez les grilles tarifaires en direct de cette page. Elles correspondent toujours à ce que l'API facture.
Oui. Les deux modèles utilisent POST /v1/videos/generations avec la même clé API EmpirioLabs : la plupart des intégrations basculent en changeant la valeur model. Vérifiez d'abord le tableau des paramètres de cette page si vous dépendez d'un paramètre propre à un modèle.
Oui. Ouvrez chaque modèle dans le playground EmpirioLabs et lancez le même prompt sur les deux, avec les paramètres exposés par l'API.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.