Wan IA: el modelo de vídeo de Alibaba y lo que hace Wan 3.0

Qué es Wan IA

Wan es la familia de modelos de vídeo de Alibaba. Se la conoce por dos líneas: modelos abiertos que puedes descargar y ejecutar por tu cuenta, y modelos insignia en la nube.

Wan 2.1 y Wan 2.2 los publicó Alibaba en GitHub y Hugging Face con licencia Apache 2.0. Wan 2.2 salió el 28 de julio de 2025 con arquitectura Mixture-of-Experts y modelos para vídeo a partir de texto, de imagen, de voz y para animar personajes. El pequeño Wan 2.2 TI2V-5B genera 720p a 24 fps y funciona en una tarjeta gráfica del nivel de una RTX 4090.

Wan 3.0 es el modelo insignia en la nube. Alibaba abrió primero una beta y el 24 de agosto de 2026 lanzó la API para todos. Junto con él salió Wan 3.0 Prime, más rápido. El anterior Wan 2.7 llegaba a 15 segundos; Wan 3.0 duplicó la duración.

Qué sabe hacer Wan 3.0

30 segundos en una sola generación. Wan 3.0 genera hasta 30 segundos a 30 fps y propone por sí mismo una duración adecuada según el prompt. Dentro del clip puedes describir varios planos, y el modelo los une con un sonido común.

Sonido y voz. Wan 3.0 genera los diálogos de los personajes, los sonidos de la escena y la música de fondo sin doblaje aparte. Alibaba asegura una voz natural en varios idiomas y una voz coherente para cada personaje dentro del clip.

Hasta 20 referencias. Además de texto, admite imágenes, vídeos, audio y, por primera vez en Wan, documentos y páginas web: doc, xls, ppt, pdf, txt, key, pages, numbers y md, con un archivo de hasta 100 MB y 50 páginas. Hasta 5 clips de audio de 15 segundos en total fijan la música o la voz: así se consiguen bailes al ritmo y sincronización labial.

Edición sin volver a generar. En un clip terminado puedes cambiar la imagen, la trama o los diálogos sin generar todo de nuevo.

Vídeos verticales para redes sociales y publicidad: el formato 9:16 se indica igual que el horizontal.

Versiones de Wan

	Wan 2.2	Wan 2.7	Wan 3.0
Lanzamiento	28 de julio de 2025	antes de Wan 3.0	24 de agosto de 2026
Duración	clips cortos	hasta 15 s	hasta 30 s
Resolución	480p, 720p	—	480p, 720p, 1080p
Sonido	modelo aparte Speech-to-Video	—	junto con el vídeo
Pesos abiertos	sí, Apache 2.0	no	no
Puesto en Arena (21/09/2026)	42 (A14B)	—	6 de 48

Para qué sirve Wan

• Historias cortas y stories — 30 segundos y varios planos en una generación.
• Vídeos a partir de un documento. Sube una presentación o la descripción de un producto y Wan 3.0 sacará de ahí el contenido.
• Bailes y videoclips con música — una referencia de audio marca el ritmo.
• Anuncios verticales con un producto y sonido.
• Infraestructura propia. Los modelos abiertos Wan 2.1 y 2.2 se pueden ejecutar en tu servidor sin pagar API.

Wan frente a sus alternativas

	Wan 3.0	Seedance 2.5	Hailuo (MiniMax H3)	Gemini Omni
Desarrollador	Alibaba	ByteDance	MiniMax	Google
Duración	hasta 30 s	hasta 30 s	4–15 s	3–10 s, ampliable a 40
Resolución	hasta 1080p	el desarrollador no lo indica	hasta 2K	hasta 4K
Sonido	sí	sí	estéreo	sí
Referencias	hasta 20, incluidos documentos	hasta 50	hasta 12	fotos y vídeos
Puesto en Arena	6	7 (2.5)	8	1–2

Wan 3.0 y Seedance 2.5 son los dos modelos que generan 30 segundos de una vez. Wan destaca por aceptar documentos y por su precio; Seedance, por el número de referencias. Si necesitas imagen en 2K o 4K, mira H3 y Gemini Omni.

Cómo escribir prompts para Wan

• Describe los planos: «Shot 1: plano general… Shot 2: plano medio… Shot 3: primer plano…», así Wan no estira un solo momento durante 30 segundos.
• Los diálogos, entre comillas e indicando quién habla.
• El sonido, en una línea aparte: «Sound: ruido del tren, nieve crujiendo, piano suave».
• La duración, según el contenido. No pidas 30 segundos para una sola acción: Wan te sugerirá la duración óptima.
• El texto en pantalla, corto. Alibaba reconoce que los rótulos todavía no siempre salen exactos.

Cómo usar Wan en AI2Face

Wan está disponible en el generador de AI2Face, sin necesidad de una cuenta de Alibaba Cloud. Puedes lanzar el mismo prompt en Wan, Seedance, Hailuo y Gemini Omni y comparar el resultado. El coste de cada generación se ve antes de lanzarla, puedes pagar con tarjeta o cripto y los créditos de los paquetes no caducan. Las cuentas nuevas reciben créditos de bienvenida al registrarse.

Limitaciones

• Sonido y rótulos. Alibaba dice abiertamente que la textura del sonido y la precisión del texto en pantalla aún están mejorando.
• Hasta 1080p. Wan 3.0 no ofrece 2K ni 4K.
• 30 segundos salen caros. Un clip de esa duración en 1080p cuesta 6 $ en la API: prueba antes la idea con 5–8 segundos en 480p.
• Wan 3.0 es cerrado. Solo se pueden descargar Wan 2.1 y 2.2.

En resumen

Wan 3.0 genera algunos de los clips más largos de cualquier modelo de vídeo de 2026: 30 segundos con sonido en una generación, 6.º puesto en Arena y la rara capacidad de crear un vídeo a partir de un documento. Úsalo para historias, stories y anuncios en los que importan la duración y el sonido; para 2K, Hailuo H3, y para la máxima calidad, Gemini Omni. Si necesitas infraestructura propia, los modelos abiertos Wan 2.1 y 2.2 siguen siendo la mejor opción gratuita. En AI2Face, Wan está junto al resto de modelos.