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

> Wan AI è la famiglia di modelli video di Alibaba. Wan 3.0, lanciato ufficialmente il 24 agosto 2026, crea clip fino a 30 secondi con audio (parlato, effetti e musica) e accetta fino a 20 riferimenti: foto, video, audio e persino documenti. Su Arena è 6° su 48. I precedenti Wan 2.1 e 2.2 sono aperti con licenza Apache 2.0. Wan è disponibile nel generatore di AI2Face.

Sviluppatore: Alibaba · Rilascio: 2026-08-24 · Aggiornato il 2026-10-02
URL: https://ai2face.com/it/models/wan

## Dati chiave

| | |
|---|---|
| Sviluppatore | Alibaba |
| Versioni | Wan 3.0 e 3.0 Prime (24 agosto 2026), Wan 2.7, Wan 2.2 e 2.1 aperti |
| Cosa fa | Video con audio da testo, foto, video, audio e documenti; modifica della clip |
| Durata | Wan 3.0 — fino a 30 secondi per generazione; Wan 2.7 — fino a 15 secondi |
| Risoluzione | 480p, 720p, 1080p a 30 fps |
| Audio | Parlato, effetti e musica insieme al video |
| Riferimenti | Fino a 20 file, inclusi fino a 5 audio per un totale massimo di 15 secondi |
| Prezzo API | 0,05 / 0,10 / 0,20 $ al secondo in 480p / 720p / 1080p |
| In AI2Face | Sì |

## 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.

[Un treno rosso arriva in una stazione di montagna innevata, una ragazza con una sciarpa verde scende dal vagone e un vecchio cane le corre incontro nella neve](https://ai2face.com/_astro/media/models/wan/three-shot-story.mp4 "Tre inquadrature da un solo prompt: campo lungo, piano medio e primo piano, con audio comune. Wan 3.0, 720p, 15 s")

**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.

[Colleghi nella cucina dell'ufficio: una donna con i capelli ricci porge un caffè a un uomo con gli occhiali, si scambiano qualche battuta e ridono](https://ai2face.com/_astro/media/models/wan/office-dialogue.mp4 "Dialogo in campo e controcampo: le battute di entrambi i personaggi sono scritte nel prompt. Wan 3.0, 8 s")

**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.

[Una bottiglia di limonata con fette di limone su una pietra bagnata, cubetti di ghiaccio cadono intorno al rallentatore e la telecamera gira intorno alla bottiglia](https://ai2face.com/_astro/media/models/wan/vertical-ad.mp4 "Spot verticale 9:16 con il suono delle bollicine e del ghiaccio. Wan 3.0, 8 s")

## 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](/it/models/seedance) | [Hailuo (MiniMax H3)](/it/models/hailuo) | [Gemini Omni](/it/models/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.

## Domande frequenti

### Che cos'è Wan AI?

La famiglia di modelli video di Alibaba. L'attuale Wan 3.0 crea clip fino a 30 secondi con audio da testo, foto, video, audio e documenti. Su Arena è al 6° posto su 48.

### In cosa Wan 3.0 è diverso da Wan 2.x?

Wan 3.0 arriva a 30 secondi per generazione contro i 15 di Wan 2.7, accetta documenti e pagine web, mantiene meglio i personaggi e disegna volti più vari. L'audio lo genera insieme al video.

### Si può scaricare Wan?

Wan 2.1 e Wan 2.2 sì: Alibaba li ha pubblicati su GitHub e Hugging Face con licenza Apache 2.0, e il modello più piccolo da 5B gira su una scheda video di classe RTX 4090. Wan 3.0 funziona tramite API cloud.

### Quanto costa Wan 3.0?

Nell'API di Alibaba: 0,05 $ al secondo in 480p, 0,10 $ in 720p e 0,20 $ in 1080p. Una clip di 30 secondi in 1080p costa 6 $. In AI2Face il costo è visibile prima di ogni generazione.

### Wan ha l'audio?

Sì. Wan 3.0 genera il parlato dei personaggi, i suoni della scena e la musica di sottofondo insieme al video. Puoi caricare fino a 5 riferimenti audio perché un personaggio balli a tempo di musica o parli con una voce precisa.

## Fonti

- 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/en/news/product/video-generation-model-wan30-officially-launched-nsb
- https://github.com/Wan-Video/Wan2.2
- https://arena.ai/leaderboard/text-to-video