Wan AI: il modello video di Alibaba e cosa sa fare Wan 3.0

Che cos’è Wan AI

Wan è la famiglia di modelli video di Alibaba. È nota per due linee: modelli aperti da scaricare ed eseguire in proprio, e modelli di punta nel cloud.

Wan 2.1 e Wan 2.2 sono stati pubblicati da Alibaba su GitHub e Hugging Face con licenza Apache 2.0. Wan 2.2 è uscito il 28 luglio 2025: architettura Mixture-of-Experts, modelli per video da testo, da immagine, da voce e per l’animazione dei personaggi. Il più piccolo, Wan 2.2 TI2V-5B, genera 720p a 24 fps e gira su una scheda video di classe RTX 4090.

Wan 3.0 è il modello di punta nel cloud. Alibaba ha aperto prima una beta e il 24 agosto 2026 ha lanciato l’API per tutti. Insieme è uscito il più veloce Wan 3.0 Prime. Il precedente Wan 2.7 arrivava a 15 secondi: Wan 3.0 ha raddoppiato la durata.

Cosa sa fare Wan 3.0

30 secondi in una sola generazione. Wan 3.0 genera fino a 30 secondi a 30 fps e propone da solo la durata adatta in base al prompt. Nella stessa clip puoi descrivere più inquadrature: il modello le unisce con un audio comune.

Audio e parlato. Wan 3.0 genera le battute dei personaggi, i suoni della scena e la musica di sottofondo senza doppiaggio separato. Alibaba dichiara un parlato naturale in più lingue e una voce coerente per ogni personaggio nella clip.

Fino a 20 riferimenti. Oltre al testo, accetta immagini, video, audio e, per la prima volta in Wan, documenti e pagine web: doc, xls, ppt, pdf, txt, key, pages, numbers, md, con un file fino a 100 MB e 50 pagine. Fino a 5 clip audio per un totale di 15 secondi definiscono la musica o la voce: così si ottengono balli a tempo e lip sync.

Modifiche senza rigenerare. In una clip finita puoi cambiare immagine, trama o battute senza rigenerare tutto.

Video verticali per social e pubblicità: il formato 9:16 si imposta come quello orizzontale.

Le versioni di Wan

	Wan 2.2	Wan 2.7	Wan 3.0
Uscita	28 luglio 2025	prima di Wan 3.0	24 agosto 2026
Durata	clip brevi	fino a 15 s	fino a 30 s
Risoluzione	480p, 720p	—	480p, 720p, 1080p
Audio	modello separato Speech-to-Video	—	insieme al video
Pesi aperti	sì, Apache 2.0	no	no
Posizione su Arena (21/09/2026)	42 (A14B)	—	6 su 48

Per quali lavori è adatto Wan

• Brevi storie e stories — 30 secondi e più inquadrature in una generazione.
• Video da un documento. Carica una presentazione o la descrizione di un prodotto, e Wan 3.0 ne prenderà il contenuto.
• Balli e videoclip musicali — un riferimento audio detta il ritmo.
• Spot verticali con un prodotto e l’audio.
• Infrastruttura propria. I modelli aperti Wan 2.1 e 2.2 girano sul tuo server senza pagare l’API.

Wan e le alternative

	Wan 3.0	Seedance 2.5	Hailuo (MiniMax H3)	Gemini Omni
Sviluppatore	Alibaba	ByteDance	MiniMax	Google
Durata	fino a 30 s	fino a 30 s	4–15 s	3–10 s, estendibile a 40
Risoluzione	fino a 1080p	non dichiarata dallo sviluppatore	fino a 2K	fino a 4K
Audio	sì	sì	stereo	sì
Riferimenti	fino a 20, documenti inclusi	fino a 50	fino a 12	foto e video
Posizione su Arena	6	7 (2.5)	8	1–2

Wan 3.0 e Seedance 2.5 sono i due modelli che generano 30 secondi in una volta. Wan si distingue per i documenti in input e il prezzo, Seedance per il numero di riferimenti. Se ti serve un’immagine in 2K o 4K, guarda H3 e Gemini Omni.

Come scrivere i prompt per Wan

• Descrivi le inquadrature: «Shot 1: campo lungo… Shot 2: piano medio… Shot 3: primo piano…», così Wan non allunga un solo momento per 30 secondi.
• Le battute tra virgolette, indicando chi parla.
• L’audio su una riga a parte: «Sound: rumore del treno, neve che scricchiola, pianoforte leggero».
• La durata in base al contenuto. Non chiedere 30 secondi per una singola azione: Wan suggerisce da solo la durata ottimale.
• Il testo a schermo, breve. Alibaba ammette che le scritte non vengono ancora sempre precise.

Come usare Wan in AI2Face

Wan è disponibile nel generatore di AI2Face, senza bisogno di un account Alibaba Cloud. Puoi lanciare lo stesso prompt su Wan, Seedance, Hailuo e Gemini Omni e confrontare i risultati. Il costo di ogni generazione è visibile prima dell’avvio, paghi con carta o cripto e i crediti dei pacchetti non scadono. I nuovi account ricevono crediti di benvenuto dopo la registrazione.

Limiti

• Audio e scritte. Alibaba scrive apertamente che la resa del suono e la precisione del testo a schermo sono ancora in miglioramento.
• Fino a 1080p. Wan 3.0 non offre 2K né 4K.
• 30 secondi costano. Una clip di questa durata in 1080p costa 6 $ nell’API: prova prima l’idea con 5–8 secondi in 480p.
• Wan 3.0 è chiuso. Si possono scaricare solo Wan 2.1 e 2.2.

In sintesi

Wan 3.0 genera alcune delle clip più lunghe tra i modelli video del 2026: 30 secondi con audio in una generazione, 6° posto su Arena e la rara capacità di creare un video da un documento. Usalo per storie, stories e pubblicità in cui contano durata e audio; per il 2K scegli Hailuo H3, per la massima qualità Gemini Omni. Se ti serve un’infrastruttura propria, i modelli aperti Wan 2.1 e 2.2 restano la migliore scelta gratuita. In AI2Face Wan è disponibile accanto a tutti gli altri modelli.