Vídeo

Wan 3.0

⧉

wan3.0-video

Tipo de modelo Standard Prime

Wan 3.0 (Tongyi Wanxiang) es el modelo de vídeo todoterreno de Alibaba. Un solo endpoint y el material elige el modo: sin material es texto a vídeo, una imagen como primer fotograma, dos imágenes como primer y último fotograma, varias imágenes como referencia multiimagen y un vídeo de referencia para reescribir vídeo. Duración de 2 a 30 segundos de segundo en segundo, tres resoluciones 480P / 720P / 1080P, cinco relaciones de aspecto, hasta 10 imágenes de referencia, 5 vídeos de referencia y 5 audios de referencia; la salida incluye audio. Asíncrono: envías y luego consultas el id del trabajo para obtener un enlace mp4 estable rehospedado. Facturado por segundo; los trabajos fallidos se reembolsan íntegramente.

Texto a vídeoImagen a vídeo1080PHasta 30 s

Obtener clave API → Documentación de la API

Puntos fuertes del servicio

Texto, primer fotograma, primer y último fotograma, referencia multiimagen y reescritura de vídeo, todo en un endpoint
De 2 a 30 segundos de segundo en segundo, 480P / 720P / 1080P
Hasta 10 imágenes de referencia, además de vídeo y audio de referencia
Facturado por segundo, con reembolso íntegro si falla

Precios

720P por segundo$0.12

480P por segundo$0.09~~-25%~~

1080P por segundo$0.16~~+33%~~

Mínimo 2s$0.240

Máximo 30s$3.600

Facturado por segundo = tarifa x duración (2–30s, cualquier número entero). Las tarifas por segundo según la resolución figuran arriba. La retención al enviar coincide exactamente con el cargo final; los fallos se reembolsan por completo.

Ver los precios detallados

Prueba en directo · Playground

Prueba Wan 3.0 aquí mismo (disponible tras iniciar sesión)。

Input

Vídeo

Prompt

0 / 5000 bytes

Duración

Resolución

Relación de aspecto

Función de la imagen de referencia

URLs de imágenes de referencia (opcional, una por línea, hasta 10)

Con varias referencias, menciónalas en el prompt como @Image1 / @Image2; por ejemplo: «el personaje de @Image1 aparece en la escena de @Image2». Sin esas marcas, el modelo decide por su cuenta.

URLs de audio de referencia (opcional, una por línea, requiere una imagen de referencia; hasta 5)

URLs de vídeo de referencia (opcional, una por línea, no se puede combinar con una imagen de referencia; solo enlaces http(s) públicos; hasta 5)

El render suele tardar entre 5 y 20 minutos; si el backend está saturado puede superar los 60 (esperamos hasta 90). Consulta el id del trabajo en lugar de reenviarlo: cada reenvío se factura por separado. Se factura por segundo y se reembolsa íntegramente si falla. Límite del prompt: 5000 bytes (unos 1666 caracteres chinos).

Output

video

Los resultados aparecerán aquí al ejecutar.

Acerca de Wan 3.0

Wan 3.0 (Tongyi Wanxiang) es el modelo de vídeo todo en uno de Alibaba y la línea de vídeo más versátil de aquí: un solo endpoint cubre texto a vídeo, primer fotograma, primer y último fotograma, referencia multiimagen y edición de vídeo, elegidos con parámetros en vez de cambiando de modelo. Cualquier entero de 2 a 30 segundos, 480P / 720P / 1080P, relaciones de aspecto 16:9 / 9:16 / 1:1 / 4:3 / 3:4, hasta 10 imágenes de referencia, 5 vídeos de referencia y 5 pistas de audio de referencia, y cada clip sale con pista de audio. Asíncrono: POST /v1/videos/generations devuelve al instante HTTP 202 y un id de trabajo; consulta GET /v1/videos/jobs/{id} hasta status=succeeded y lee data[0].url, un mp4 rehospedado por nosotros, así que no caduca a las 24 horas como sí lo hace el enlace del proveedor.

Casos de uso

Cinco modos, un endpoint

Texto a vídeo, primer fotograma, primer y último fotograma, referencia multiimagen y edición de vídeo, todo elegido con parámetros.

Planos largos

Hasta 30 segundos para piezas narrativas de una sola toma.

Composición multimaterial

Diez imágenes de referencia más vídeo y audio de referencia: alimenta personaje, escena y ritmo a la vez.

Edición de vídeo

Dale un vídeo de referencia y una frase para recomponer el estilo del metraje o cambiar el movimiento de cámara.

Cómo elegir

Elígelo para clips de más de 15 segundos, para alimentarlo con muchas imágenes más vídeo y audio a la vez, o para 1080P nativo; coge Prime cuando tengas prisa. Para unos pocos segundos sin referencias multimaterial, la línea Seedance también sirve.

Preguntas frecuentes

¿Cómo cambio entre los cinco modos?

Solo con parámetros: si no envías nada es texto a vídeo; una imagen se usa por defecto como primer fotograma; dos imágenes con image_role=first_frame dan primer y último fotograma; más de dos pasan por defecto a referencia multiimagen; y añadir video_references lo convierte en una edición de vídeo. Combinar imágenes y un vídeo requiere image_role=reference.

¿Se contaminan entre sí las imágenes de referencia?

Sí. Con cuatro referencias, el modelo trató a todas las personas visibles en CUALQUIERA de ellas como sujeto candidato: el clip empezó con el personaje previsto y más tarde cortó a una segunda persona que solo aparecía en una referencia de escena. Mantén las referencias de escena sin más personas, o nombra al sujeto con @Image1 en el prompt.

¿Cómo se factura y las referencias cuestan aparte?

Por segundo: coste = (duración de salida + la duración de cada vídeo de referencia) x la tarifa de esa resolución. Las imágenes y el audio de referencia son gratis. La retención al enviar usa ese número y el cargo final usa el mismo, así que siempre coinciden; un render fallido o caducado se reembolsa íntegramente. Como los segundos de vídeo de referencia se facturan, hay que indicar su duración de forma explícita.

¿Cuál es la diferencia entre Standard y Prime?

Solo la velocidad y el precio: las capacidades son idénticas punto por punto. El mismo clip de 2 segundos tardó unos 2 min 45 s en Standard y unos 37 s en Prime, y Prime cuesta alrededor de un tercio más por segundo. Si no tienes prisa, usa Standard.

¿Cuánto tarda un render?

Un clip de 2 segundos ronda los 2-3 minutos en Standard; un clip de 5 segundos con cuatro imágenes de referencia midió unos 11 minutos. Prime es notablemente más rápido. Consulta el id del trabajo cada 10-15 segundos en lugar de esperar de forma síncrona.

Modelos relacionados

Descubre otros modelos que puedes integrar.

Wan 3.0

Prueba en directo · Playground

Input

Output

Acerca de Wan 3.0

Casos de uso

Cómo elegir

Preguntas frecuentes

Modelos relacionados

GPT-5.6 Sol

GPT-5.6 Terra

GPT-5.6 Luna

GPT-5.5

GPT-6 Astra

GPT Image 2

GPT Image 2.5 Flare

GPT Image 2.5 Sunburst

Nano Banana 2

Nano Banana Pro

Claude Sonnet 4.6

Claude Opus 5

Claude Fable 5

Gemini 3.1 Pro

Gemini 3.8 Flash

Gemini 3.7 Flash

Gemini 3.6 Flash

Gemini 3.6 Flash High

Gemini 3.6 Flash Low

Gemini 3.6 Flash Tiered

Gemini 3 Flash

Gemini 3.5 Flash

Gemini 2.5 Flash

Veo 3.1

Seedance 2.5

Seedance 2.0

Seedance 2.0 Fast

Seedance 2.0 Mini

Wan 3.0 Prime

MiniMax H3

Grok Imagine Video 1.5

Bienvenido de nuevo

Crear cuenta

Restablecer contraseña

Contacta con nosotros