Vídeo ● Interrumpido Estado del servicio →

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 4 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 rehospedado (se conserva 15 días). 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 4 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

Medido en llamadas reales

Peticiones de clientes de los últimos 7 días

Tasa de éxito48.3%

Tiempo mediano de render por clip3.5 min

El 90% de los trabajos termina en este tiempo o menos6.8 min

Precios

720P por segundo$0.065

480P por segundo$0.04~~-38%~~

1080P por segundo$0.13~~+100%~~

Mínimo 4s$0.260

Máximo 30s$1.950

Facturado por segundo = tarifa x duración (4–30s, 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

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

Entrada

Prompt

"Bajo las murallas de Troya": un corto épico de acción. @Image1 es un héroe griego con armadura dorada y capa carmesí, lanza larga y escudo con un león; @Image2 es un campeón troyano con armadura negra y capa azul, espada curva y escudo con un caballo; el escenario sigue las murallas de Troya y el campo de batalla al atardecer de @Image3. Mantén la armadura, el casco, el color de la capa y el emblema del escudo de cada guerrero exactamente como en su referencia; nunca los intercambies.
Inicio: el viento arrastra la arena mientras los dos se enfrentan a veinte pasos, con miradas afiladas tras los cascos.
Desarrollo: cargan a la vez; la lanza choca contra el escudo del caballo en una lluvia de chispas; tajos y paradas cuerpo a cuerpo mientras la cámara gira 360 grados.
Clímax: el sol poniente queda justo entre ellos y chocan en el aire a cámara superlenta, con chispas, arena y la capa carmesí suspendidas.
Final: ambos bajan las armas y se saludan.
Estética de anuncio de acción cinematográfico, 24 fps con grano de película, pelea fluida y contundente; tambores de guerra, choques de metal y música épica con los golpes clave sobre el compás. Sin sangre ni heridas, sin personajes extra, sin texto ni marcas de agua en pantalla, sin armas ni extremidades deformes.

0 / 5000 bytes

Duración

Resolución

Relación de aspecto

Función de la imagen de referencia

Imágenes de referencia0 / 10

Haz clic para subir o arrastra los archivos aquí jpg / png / webp / gif, hasta 16 MB cada una o pega enlaces

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.

Vídeos de referencia0 / 5

Haz clic para subir o arrastra los archivos aquí mp4 / mov, hasta 50 MB y 30 s cada uno o pega enlaces

Se puede combinar con imágenes de referencia: las fotos marcan el aspecto y el vídeo el movimiento y la cámara. Menciónalo como @Video1 en el prompt.

Audio de referencia0 / 5

Haz clic para subir o arrastra los archivos aquí mp3 / wav / m4a, hasta 15 MB y 30 s cada uno o pega enlaces

Necesita también una imagen o un vídeo de referencia. Menciónalo como @Audio1 en el prompt.

Las referencias subidas se guardan 7 días.

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).

Salida

video

Los resultados aparecerán aquí al ejecutar.

🕑 Las imágenes y vídeos generados se conservan 15 días hasta 2026-10-29 09:49:40 UTC; desde ese momento se conservan 7 días y se eliminan los archivos existentes de más de 7 días.

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 4 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 que se conserva 15 días (el enlace del proveedor dura solo 24 horas); descárgalo antes de que caduque.

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.