Wan IA: o modelo de vídeo da Alibaba e o que o Wan 3.0 faz

O que é Wan IA

Wan é a família de modelos de vídeo da Alibaba. Ela é conhecida por duas frentes: modelos abertos que você pode baixar e rodar por conta própria, e modelos principais na nuvem.

O Wan 2.1 e o Wan 2.2 foram publicados pela Alibaba no GitHub e no Hugging Face sob a licença Apache 2.0. O Wan 2.2 saiu em 28 de julho de 2025, com arquitetura Mixture-of-Experts e modelos para vídeo a partir de texto, de imagem, de fala e para animação de personagens. O menor, Wan 2.2 TI2V-5B, gera 720p a 24 fps e roda em uma placa de vídeo do nível de uma RTX 4090.

O Wan 3.0 é o modelo principal na nuvem. A Alibaba abriu primeiro um beta e, em 24 de agosto de 2026, liberou a API para todos. Junto com ele saiu o Wan 3.0 Prime, mais rápido. O anterior Wan 2.7 chegava a 15 segundos; o Wan 3.0 dobrou a duração.

O que o Wan 3.0 sabe fazer

30 segundos em uma única geração. O Wan 3.0 faz até 30 segundos a 30 fps e sugere sozinho uma duração adequada a partir do prompt. Dentro do clipe você pode descrever vários planos, e o modelo os junta com um som em comum.

Som e fala. O Wan 3.0 gera as falas dos personagens, os sons da cena e a música de fundo sem dublagem separada. A Alibaba afirma ter fala natural em vários idiomas e uma voz consistente para cada personagem no clipe.

Até 20 referências. Além de texto, a entrada aceita imagens, vídeos, áudio e, pela primeira vez no Wan, documentos e páginas web: doc, xls, ppt, pdf, txt, key, pages, numbers e md, com um arquivo de até 100 MB e 50 páginas. Até 5 clipes de áudio, com até 15 segundos no total, definem a música ou a voz: é assim que se fazem danças no ritmo e sincronia labial.

Edição sem gerar de novo. Em um clipe pronto, você pode mudar a imagem, o enredo ou as falas sem gerar tudo do zero.

Vídeos verticais para redes sociais e anúncios: o formato 9:16 é definido do mesmo jeito que o horizontal.

Versões do Wan

	Wan 2.2	Wan 2.7	Wan 3.0
Lançamento	28 de julho de 2025	antes do Wan 3.0	24 de agosto de 2026
Duração	clipes curtos	até 15 s	até 30 s
Resolução	480p, 720p	—	480p, 720p, 1080p
Som	modelo separado Speech-to-Video	—	junto com o vídeo
Pesos abertos	sim, Apache 2.0	não	não
Posição na Arena (21/09/2026)	42 (A14B)	—	6 de 48

Para que serve o Wan

• Histórias curtas e stories — 30 segundos e vários planos em uma geração.
• Vídeos a partir de um documento. Envie uma apresentação ou a descrição de um produto, e o Wan 3.0 tira o conteúdo dali.
• Danças e clipes musicais — a referência de áudio define o ritmo.
• Anúncios verticais com produto e som.
• Infraestrutura própria. Os modelos abertos Wan 2.1 e 2.2 rodam no seu servidor sem pagar API.

Wan e alternativas

	Wan 3.0	Seedance 2.5	Hailuo (MiniMax H3)	Gemini Omni
Desenvolvedor	Alibaba	ByteDance	MiniMax	Google
Duração	até 30 s	até 30 s	4–15 s	3–10 s, extensível até 40
Resolução	até 1080p	o desenvolvedor não informa	até 2K	até 4K
Som	sim	sim	estéreo	sim
Referências	até 20, incluindo documentos	até 50	até 12	fotos e vídeos
Posição na Arena	6	7 (2.5)	8	1–2

O Wan 3.0 e o Seedance 2.5 são os dois modelos que fazem 30 segundos por geração. O Wan se destaca por aceitar documentos e pelo preço; o Seedance, pelo número de referências. Se você precisa de imagem em 2K ou 4K, veja o H3 e o Gemini Omni.

Como escrever prompts para o Wan

• Descreva os planos: “Shot 1: plano geral… Shot 2: plano médio… Shot 3: close…”, assim o Wan não estica um único momento por 30 segundos.
• Falas entre aspas, indicando quem fala.
• Som em uma linha separada: “Sound: barulho do trem, neve rangendo, piano suave”.
• Duração de acordo com o conteúdo. Não peça 30 segundos para uma única ação: o Wan sugere a duração ideal.
• Texto na tela, curto. A Alibaba admite que os letreiros ainda nem sempre saem precisos.

Como usar o Wan no AI2Face

O Wan está disponível no gerador do AI2Face, sem precisar de conta na Alibaba Cloud. Você pode rodar o mesmo prompt no Wan, no Seedance, no Hailuo e no Gemini Omni e comparar o resultado. O custo de cada geração aparece antes de começar, o pagamento pode ser com cartão ou cripto, e os créditos dos pacotes não expiram. Contas novas recebem créditos de boas-vindas após o cadastro.

Limitações

• Som e letreiros. A Alibaba diz abertamente que a textura do som e a precisão do texto na tela ainda estão melhorando.
• Até 1080p. O Wan 3.0 não tem 2K nem 4K.
• 30 segundos custam caro. Um clipe dessa duração em 1080p custa US$ 6 na API: teste a ideia antes com 5–8 segundos em 480p.
• O Wan 3.0 é fechado. Só o Wan 2.1 e o 2.2 podem ser baixados.

Conclusão

O Wan 3.0 faz alguns dos clipes mais longos entre os modelos de vídeo de 2026: 30 segundos com som em uma geração, 6º lugar na Arena e a rara capacidade de criar um vídeo a partir de um documento. Use-o para histórias, stories e anúncios em que duração e som importam; para 2K, o Hailuo H3, e para a máxima qualidade, o Gemini Omni. Se você precisa de infraestrutura própria, os modelos abertos Wan 2.1 e 2.2 continuam sendo a melhor opção grátis. No AI2Face, o Wan fica ao lado de todos os outros modelos.