Equipos de publicidad
Un anuncio completo de 30 segundos, con imagen, voz en off y música, desde un solo encargo y con tantas versiones como necesites probar.
N.º 1 en texto a video con audio de Artificial Analysis — septiembre de 2026
Wan 3.0: dirige una escena completa, con voces
Escribe una frase, sube un fotograma o añade varias referencias y recibe hasta 30 segundos de video terminado, con diálogo, música y labios sincronizados.
Vista previa
Ejemplos oficiales
Dentro de las demos oficiales de Wan 3.0
Videos del lanzamiento oficial de Alibaba: una toma larga y continua, actuación de personajes y escala cinematográfica.
Una toma larga, sin cortes
Un querubín sube una escalera de caracol entre las nubes en una toma continua: el tipo de secuencia larga y coherente para el que se diseñó el modelo.
Actuación de personajes consistente
Un personaje estilizado asalta el refrigerador de noche. Expresión, movimiento e iluminación se mantienen durante toda la escena.
Escala de cinemática de videojuego
Ruinas iluminadas por faroles, un Buda de piedra gigante y un guerrero: una cinemática de 30 segundos creada directamente por el modelo.
¿Qué es Wan 3.0?
Wan 3.0 es el modelo de video integral de Alibaba: texto a video, imagen a video, generación con referencias, edición y extensión en un solo modelo. Dale una frase o un primer fotograma y genera hasta 30 segundos en hasta 1080p. El audio es nativo: diálogo, efectos y música llegan en la misma generación y la voz mueve los labios del personaje. En septiembre de 2026 ocupaba el puesto #1 de texto a video con audio de Artificial Analysis, con Elo 1242, por delante de Gemini Omni Flash y MiniMax H3 Max.
Controles
Wan 3.0 reúne los controles que necesita la escena
De 2 a 30 segundos en una generación
Elige cualquier duración en segundos enteros, con 5 por defecto, o deja que el modelo elija la duración adecuada a la acción.
Hasta 1080p a 30 FPS
Empieza en 480p para probar versiones y genera la definitiva en 1080p. Todos los videos mantienen 30 FPS.
Sonido nativo
Diálogo, efectos ambientales y música se generan con la imagen; las frases habladas dirigen los labios.
Cinco proporciones o ajuste adaptativo
16:9, 4:3, 1:1, 3:4 o 9:16, o deja el encuadre en modo adaptativo.
Hasta 20 referencias
Añade imágenes, videos y audio, e incluso un PDF, una presentación o una página web. El modelo usa todo para construir la escena.
Editar y extender
Sustituye elementos, cambia el estilo de una toma, reescribe una frase del personaje o añade tiempo antes o después del video, hasta 30 segundos en total.
Flujo
Cómo crear un video con IA en Wan 3.0
- 1
Plantea la escena
Escribe qué sucede o sube un fotograma inicial, uno final o varias referencias.
- 2
Ajusta el encuadre
Elige de 2 a 30 segundos, de 480p a 1080p y una proporción entre 16:9 y 9:16, o deja la duración en automático.
- 3
Genera con sonido
El video llega con voces, efectos y música. Consérvalo, edita una frase o amplía la toma.
Casos de uso
Qué crean los equipos con Wan 3.0
Reúne en una generación lo que antes requería varias herramientas.
Marketing de producto
Imagen a video desde una foto principal: el producto abre la escena y el modelo lo pone en movimiento.
Educadores y creadores de explicaciones
Convierte un PDF, una presentación o una página web en un video explicativo narrado sin preparar antes un storyboard.
Creadores para redes
Escenas verticales 9:16 con diálogo audible y labios sincronizados, listas para publicar.
Equipos de narrativa y videojuegos
Secuencias cinematográficas con personajes consistentes, planteadas toma a toma y ampliadas escena a escena.
Salto de generación
Wan 3.0 frente a la generación anterior de Wan
Qué cambió respecto a la línea de API Wan 2.7, según el anuncio de Alibaba.
| Este sitioWan 3.0La generación integralGenerar | Wan 2.7Generación anterior de la API | |
|---|---|---|
| Duración máxima en una generación | Hasta 30 segundos | Límite de 15 segundos |
| Organización del modelo | Referencias, edición, generación y extensión en un modelo | Funciones repartidas entre modelos separados |
| Entradas | Texto y fotogramas, más hasta 20 referencias, incluidos documentos y páginas web | Menos tipos de entrada |
Precios
Precios de Wan 3.0 por créditos
Las suscripciones cargan créditos en tu cuenta. Por $19.90 recibes 1,000: 25 borradores de cinco segundos o 6 tomas de diez segundos en 720p.
Oferta por tiempo limitado30% de descuento
¡30% de descuento por tiempo limitado!
07días00h00min00s
Loading…
Preguntas
Respuestas sobre Wan 3.0
De 2 a 30 segundos en una generación, con 5 por defecto. También puedes dejar que el modelo elija la duración según la acción. Al extender un video, el total se mantiene dentro de 30 segundos.
Sí. Diálogo, efectos ambientales y música de fondo se generan de forma nativa con el video, y las frases habladas dirigen los movimientos de labios del personaje.
Sí. Imagen a video empieza con un fotograma. También puedes fijar el primero y el último para que el modelo genere el movimiento intermedio.
Sí. Puedes usar documentos —PDF, Word, Excel, PowerPoint y más, de hasta 100MB o 50 páginas— y enlaces web como referencias, dentro del límite total de 20 archivos o recursos.
No. Genera en 480p, 720p o 1080p a 30 FPS fijos. El máximo es 1080p; el generador empieza en 480p para reducir el costo de los borradores.
No. Es un modelo alojado de pago. Los planes empiezan en $19.90 al mes por 1,000 créditos. Se cobra por segundo: un borrador de cinco segundos en 480p cuesta 40 créditos y una toma de diez segundos en 720p cuesta 150.
No. Esta generación es el modelo de API alojado de Alibaba. Alibaba no ha publicado los pesos de 3.0; los modelos abiertos descargables llegan hasta Wan 2.2. Por eso, Wan 3.0 se usa mediante un generador alojado como este.
Una generación. Una escena completa que habla.
Conserva la toma, reescribe una frase o amplía el final. Tu primera escena empieza con un prompt.