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

> Wan 3.0 es el modelo de vídeo de Alibaba, abierto a todo el mundo el 24 de agosto de 2026. En una generación hace hasta 30 segundos en 1080p con sonido, acepta hasta 10 fotos, 5 vídeos y 5 audios, más un documento o una página web, y sabe editar y prolongar clips ya hechos. A su lado trabaja Wan 3.0 Prime, más rápida. Wan 3.0 está en el generador de AI2Face.

Desarrollador: Alibaba · Lanzamiento: 2026-08-24 · Actualizado el 2026-10-28
URL: https://ai2face.com/es/models/wan-3-0

## Datos clave

| | |
|---|---|
| Desarrollador | Alibaba (Alibaba Cloud Model Studio) |
| Fecha de salida | Beta en agosto de 2026, API pública el 24 de agosto de 2026 |
| Versiones | Wan 3.0 y la Wan 3.0 Prime acelerada |
| Duración | 2–30 segundos o una duración «inteligente» según el prompt; 30 fotogramas por segundo |
| Resolución | 480p, 720p, 1080p |
| Sonido | Voz, música y efectos junto con el vídeo, activado por defecto |
| Referencias | Hasta 10 fotos, 5 vídeos y 5 audios, más un documento o un enlace |
| Edición | Sustitución de objetos y fondo, cambio de diálogos, prolongación hacia delante y hacia atrás |
| Precio de la API | 0,05 / 0,10 / 0,20 $ por segundo en 480p / 720p / 1080p |
| En AI2Face | Sí, en el generador |

## 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](/es/models/wan).

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](/es/models/gemini-omni), FLUX 3 Video de la familia [FLUX 3](/es/models/flux-3), [Grok Imagine Video 1.5](/es/models/grok-imagine-video-1-5) y [Seedance 2.0](/es/models/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.

![Cinco fotogramas de cine en fila: el abuelo y la nieta suben una colina con una cometa roja, el abuelo ata el hilo, la niña corre, la cometa en el cielo y los dos sentados en la hierba al atardecer](https://ai2face.com/_astro/storyboard.Bxpn5Xvs_xJTKU.jpg "Cinco planos de una misma historia: eso cabe en un clip de 30 segundos de Wan 3.0 a 4–6 segundos por plano. Fotogramas hechos en Nano Banana Pro")

**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.

![Diapositiva: foto de un farol de camping solar y los rótulos SOLAR LANTERN L1, 12 h of light, 300 g, IP67 waterproof](https://ai2face.com/_astro/slide.BVPuzfAk_tIBKB.jpg "Una diapositiva así se puede pasar a Wan 3.0 como documento: el modelo saca de ella las características del producto. Fotograma hecho en GPT Image 2.5 Flare")

**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.

![Fotograma vertical: un ciclista con chubasquero amarillo recorre de noche una calle mojada bajo una farola, y las luces se reflejan en los charcos](https://ai2face.com/_astro/vertical.CMRExT9b_Z1GzdTt.jpg "Fotograma inicial vertical 9:16 para un clip de redes. Fotograma hecho en Nano Banana Pro")

## 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](/es/models/seedance-2-5) | [MiniMax H3](/es/models/minimax-h3) | [HappyHorse IA](/es/models/happyhorse) 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](/es/models/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](/es/models/minimax-h3), [Kling 3.0](/es/models/kling-3-0) y [Veo 3.1](/es/models/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](/es/models/gpt-image-2-5) o [Nano Banana Pro](/es/models/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](/es/models/minimax-h3); si necesita decenas de referencias, [Seedance 2.5](/es/models/seedance-2-5). Prime solo hace falta cuando la velocidad importa más que el precio.

## Preguntas frecuentes

### ¿Qué sabe hacer Wan 3.0?

Hace clips de hasta 30 segundos en 1080p con sonido a partir de texto, fotogramas y referencias. Acepta hasta 10 fotos, 5 vídeos, 5 audios y un documento o un enlace, edita clips ya hechos y los prolonga. En Arena ocupa el 6.º puesto de 48.

### ¿En qué se diferencia Wan 3.0 Prime de Wan 3.0?

Prime es la versión acelerada: Alibaba promete una generación notablemente más rápida con la misma calidad. Las funciones y los parámetros son los mismos, y el segundo cuesta unas 1,4 veces lo que Wan 3.0: 0,28 $ frente a 0,20 $ en 1080p.

### ¿Se puede descargar Wan 3.0?

No. Wan 3.0 solo funciona a través de la API en la nube de Alibaba y de los servicios que la han conectado. Abiertos y descargables son únicamente los anteriores Wan 2.1 y 2.2.

### ¿Cuánto cuesta Wan 3.0?

En la API de Alibaba: 0,05 $ por segundo en 480p, 0,10 $ en 720p y 0,20 $ en 1080p. Un clip de 30 segundos en 1080p cuesta 6 $, y un borrador de la misma duración en 480p, 1,50 $. Las generaciones fallidas no se cobran.

### ¿Hay Wan 3.0 gratis?

La API no tiene tarifa gratuita. En AI2Face, tras el registro se acreditan créditos de bienvenida: alcanzan para un clip corto en Wan 3.0, y el coste se ve antes de empezar.

## Fuentes

- https://www.alibabacloud.com/en/news/product/video-generation-model-wan30-officially-launched-nsb
- https://www.alibabacloud.com/blog/wan3-0-30-second-ai-video-generation-from-any-input_603452
- https://www.alibabacloud.com/help/en/model-studio/wan3-video-generation-guide
- https://www.alibabacloud.com/help/en/model-studio/wan3-0-video-prime
- https://www.alibabacloud.com/help/en/model-studio/video-generate-edit-model/
- https://arena.ai/leaderboard/text-to-video