Wan 3.0: vídeos de hasta 30 segundos a partir de texto, fotos, audio y documentos — qué hace el modelo de Alibaba

Qué es Wan 3.0

Wan 3.0 es el modelo de vídeo insignia de Alibaba, dentro de la familia Wan. A principios de agosto de 2026 Alibaba abrió el acceso beta, y el 24 de agosto lanzó la API para todo el mundo, sin solicitudes. El panorama de la familia, incluidos los Wan 2.1 y 2.2 abiertos, está en la página de Wan IA.

Alibaba llama a Wan 3.0 un modelo «todo en uno». Un solo nombre cubre la generación a partir de texto, de fotogramas y de referencias, la edición y la prolongación: Wan deduce la tarea a partir de los archivos y de las palabras del prompt.

Junto con Wan 3.0 salió Wan 3.0 Prime, una versión acelerada con las mismas funciones.

En la clasificación de Arena a 21 de septiembre de 2026, Wan 3.0 ocupa el 6.º puesto de 48 modelos de vídeo. Por encima solo quedan dos versiones de Gemini Omni, FLUX 3 Video de la familia FLUX 3, Grok Imagine Video 1.5 y Seedance 2.0.

Qué sabe hacer Wan 3.0

30 segundos en una generación. La duración va de 2 a 30 segundos a 30 fotogramas por segundo. Si elige la duración «inteligente», Wan escoge ella sola una longitud adecuada a la historia. Para varios planos, Alibaba recomienda contar 4–6 segundos por plano y escribirlos con códigos de tiempo.

Sonido desde el primer momento. Los diálogos, la música de fondo y los efectos se generan junto con el vídeo. El sonido viene activado y se puede apagar.

Hasta 20 referencias. Wan 3.0 acepta en una misma tarea:

Tipo	Límite
Imágenes	hasta 10, cada una de hasta 20 MB
Vídeo	hasta 5, 15 s en total, cada uno de hasta 100 MB
Audio	hasta 5, 15 s en total, cada uno de hasta 15 MB
Documento o enlace	1 archivo (doc, docx, xls, xlsx, ppt, pptx, pdf, txt, md) o 1 página pública

Vídeo a partir de un documento. Suba una presentación del producto o un informe y describa en breve el tono: Wan 3.0 toma el contenido del archivo y monta el clip. Alibaba pone ejemplos: presentación → vídeo de imagen de marca, informe → briefing narrado. El archivo, hasta 100 MB y 50 páginas.

Edición de un clip ya hecho. Suba un vídeo y escriba qué cambiar: «sustituye», «quita», «cambia por». Puede cambiar el objeto, el fondo o los diálogos sin generar todo de nuevo.

Prolongación. Con «alarga» o «continúa», Wan añade metraje hacia delante, hacia atrás o en ambos sentidos. El original más la continuación no pasa de 30 segundos.

Primer y último fotograma. Una imagen fija el inicio; dos, el inicio y el final.

Caras y emociones. Alibaba destaca por separado caras realistas y variadas, las microexpresiones y el lenguaje corporal, y también interfaces, gráficos y texto nítidos, para demos de aplicaciones e infografía en vídeo.

Wan 3.0 y Wan 3.0 Prime: en qué se diferencian

	Wan 3.0	Wan 3.0 Prime
Para qué	modelo principal	el mismo, más rápido
Duración	2–30 s	2–30 s
Resolución	480p, 720p, 1080p	480p, 720p, 1080p
Sonido	sí	sí
Precio por segundo (480p / 720p / 1080p)	0,05 / 0,10 / 0,20 $	0,068 / 0,14 / 0,28 $
30 s en 1080p	6,00 $	8,40 $

Las funciones y los parámetros de Prime son los mismos: Alibaba la vende como una generación más rápida sin pérdida de calidad. Si no tiene prisa, la Wan 3.0 normal sale cerca de un 30 % más barata.

Para qué sirve Wan 3.0

• Cortos, series y videoclips — 30 segundos y varios planos en una generación.
• Publicidad a partir de un briefing — presentación del producto a la entrada, clip a la salida.
• Demos de interfaz e infografía — Alibaba destaca pantallas de aplicaciones y gráficos nítidos.
• Vídeos de viajes sin desplazarse al rodaje.
• Clips sobre música — la referencia de audio marca el ritmo y la voz.
• Edición y prolongación de clips ya hechos, sin regenerarlos por completo.

Wan 3.0 y alternativas

	Wan 3.0	Seedance 2.5	MiniMax H3	HappyHorse IA 1.1
Desarrollador	Alibaba	ByteDance Seed	MiniMax	Alibaba
Duración	2–30 s	4–30 s	4–15 s	3–15 s
Resolución	hasta 1080p	hasta 1080p	hasta 2K	hasta 1080p
Referencias	10 fotos, 5 vídeos, 5 audios	hasta 50 archivos	9 fotos, 3 vídeos, 3 audios	hasta 9 fotos
Documento de entrada	sí	no	no	no
Edición y prolongación	sí	sí	edición	edición (modelo 1.0)
Puesto en Arena (21.09.2026)	6	7	8	10 (1.0)
Precio por segundo en 1080p	0,20 $	—	0,13 $ (2K)	—

Wan 3.0 y Seedance 2.5, de la familia Seedance, son dos modelos con 30 segundos por generación: Wan sale más barata y entiende documentos, Seedance acepta más referencias. MiniMax H3 gana en resolución, y HappyHorse es el segundo modelo de vídeo de Alibaba para clips cortos con diálogos.

Cómo escribir prompts para Wan 3.0

1. Nombre los archivos por número: “Image 1”, “Video 1”, “Audio 1”. Cada tipo lleva su propia numeración, por orden de subida.
2. Describa los planos con códigos de tiempo, 4–6 segundos por plano.
3. La edición y la prolongación necesitan palabras clave: “edit video”, “replace”, “remove”, “change to” o “extend”, “continue”. Sin ellas, Wan no entiende la tarea.
4. Con un documento, escriba corto: el tono y el objetivo; el contenido lo toma el modelo del archivo.
5. El borrador, en 480p. La propia Alibaba recomienda probar la idea en baja resolución y solo después hacer el 1080p.

Ejemplo a partir del storyboard de arriba:

0–6 s: plano general, un abuelo con gorra y una niña con dos trenzas suben una
colina de hierba junto al mar con una cometa roja. 6–12 s: primer plano, el abuelo
ata el hilo y dice: "Agárrate fuerte." 12–18 s: plano medio, la niña corre y la
cometa se eleva. 18–24 s: desde abajo, la cometa roja alta entre las nubes.
24–30 s: plano general, los dos sentados en la hierba mirando el mar al atardecer.
Sonido: viento, oleaje, la risa de la niña, una melodía cálida de guitarra.

Cómo usar Wan 3.0 en AI2Face

Wan 3.0 está en el generador de AI2Face junto a MiniMax H3, Kling 3.0 y Veo 3.1.

1. Regístrese: las cuentas nuevas reciben créditos de bienvenida.
2. Abra el generador, pase a vídeo y elija Wan 3.0.
3. Suba fotogramas, referencias o un documento, escriba el prompt y fije la duración y la resolución.
4. El coste en créditos se ve antes de empezar. Los créditos de los paquetes no caducan. Puede pagar con tarjeta o criptomonedas.

La diapositiva con las características del producto o los fotogramas del storyboard se hacen cómodamente en el mismo generador, en GPT Image 2.5 o Nano Banana Pro.

Límites

• Hasta 1080p. Wan 3.0 no tiene 2K ni 4K: para eso, mire MiniMax H3 y Kling 3.0.
• El sonido y el texto aún se pulen. Alibaba escribe con claridad que la textura del sonido y la precisión de los rótulos en el fotograma van mejorando.
• No se pueden mezclar modos. Las referencias, un documento o un enlace no se combinan con el primer y el último fotograma en una misma tarea.
• Un documento o un enlace, no los dos a la vez; la página tiene que abrirse sin inicio de sesión.
• Los clips largos salen caros. 30 segundos en 1080p son 6 $ en la API, y en Prime, 8,40 $.
• No hay pesos. Wan 3.0 es solo nube; se pueden descargar Wan 2.1 y 2.2.

Conclusión

Wan 3.0 es el modelo de vídeo largo más flexible de 2026: 30 segundos con sonido, 20 referencias, un clip a partir de una presentación o un enlace, edición y prolongación en un solo modelo. Es el 6.º puesto de Arena a 0,20 $ por segundo de 1080p, más barata que la mayoría de sus vecinas en la clasificación. Use Wan 3.0 para historias, anuncios a partir de un briefing y clips sobre música; si necesita 2K, MiniMax H3; si necesita decenas de referencias, Seedance 2.5. Prime solo hace falta cuando la velocidad importa más que el precio.