10月上旬，视频生成赛道出现一组值得记下的动作。阿里系的Wan 3.0在10月10日上线，原生带声音，支持文生视频、首尾帧与参考视频生成，480P到1080P，最长30秒。闭源阵营把"声音"写进了模型的出厂能力。但真正改变供给结构的，是开源一侧的密集发布。
二、Kandinsky 6.0：开源也能带声ComfyUI社区在10月6日放出Kandinsky 6.0开源权重，分29B Pro与3B Lite两档，可生成带44kHz同步音频的5秒视频，并支持最高Full HD的超分辨率。这意味着中小团队不必再为"画面生成后另找配音"付出额外管线成本，声音与画面从一开始就绑定在同一次生成里。
三、Prism：2K音视频联合生成同一天进入视野的还有Prism，由复旦大学、腾讯混元与浙江大学联合推出，采用动态稀疏注意力训练2K音视频联合生成模型，速度比全注意力快2.5倍，并已发布预览权重。学术与产业力量同台，把"音画同出"从商业模型的卖点，变成可以本地部署的研究基线。
四、对漫剧生产的真实含义对微短剧与漫剧而言，开源模型可商用意味着成本结构再下探：过去一支团队要同时采购闭源视频、闭源配音、闭源配音对口型三套服务，现在可以用开源权重搭出自有流水线。当基础模型的"声音原生"成为标配，竞争焦点会迅速从"能不能生成"回到"讲不讲得好"，技术退回到它该在的位置——为创作服务。