Wan 3.0: vídeos de até 30 segundos a partir de texto, fotos, áudio e documentos — o que o modelo da Alibaba faz

O que é o Wan 3.0

Wan 3.0 é o modelo de vídeo principal da Alibaba, da família Wan. No começo de agosto de 2026 a Alibaba abriu o acesso beta, e em 24 de agosto lançou a API para todo mundo, sem pedido de acesso. O panorama da família, incluindo os Wan 2.1 e 2.2 abertos, está na página Wan IA.

A Alibaba chama o Wan 3.0 de modelo «tudo em um». Um único nome cobre a geração a partir de texto, de quadros e de referências, a edição e o prolongamento: o Wan entende a tarefa pelo conjunto de arquivos e pelas palavras do prompt.

Junto com o Wan 3.0 saiu o Wan 3.0 Prime, uma versão acelerada com as mesmas funções.

No ranking da Arena em 21 de setembro de 2026, o Wan 3.0 está em 6.º de 48 modelos de vídeo. Acima ficam só duas versões do Gemini Omni, o FLUX 3 Video da família FLUX 3, o Grok Imagine Video 1.5 e o Seedance 2.0.

O que o Wan 3.0 sabe fazer

30 segundos numa geração. A duração vai de 2 a 30 segundos, a 30 quadros por segundo. Se você escolher a duração «inteligente», o Wan escolhe sozinho um comprimento adequado à história. Para vários planos, a Alibaba recomenda reservar 4–6 segundos por plano e escrevê-los com timecodes.

Som desde o início. Falas, música de fundo e efeitos são gerados junto com o vídeo. O som vem ligado e pode ser desligado.

Até 20 referências. O Wan 3.0 aceita numa mesma tarefa:

Tipo	Limite
Imagens	até 10, cada uma de até 20 MB
Vídeo	até 5, 15 s no total, cada um de até 100 MB
Áudio	até 5, 15 s no total, cada um de até 15 MB
Documento ou link	1 arquivo (doc, docx, xls, xlsx, ppt, pptx, pdf, txt, md) ou 1 página pública

Vídeo a partir de um documento. Envie uma apresentação do produto ou um relatório e descreva o tom em poucas palavras: o Wan 3.0 tira o conteúdo do arquivo e monta o clipe. A Alibaba dá exemplos: apresentação → filme de imagem da marca, relatório → briefing narrado. O arquivo, até 100 MB e 50 páginas.

Edição de um clipe pronto. Envie um vídeo e escreva o que mudar: «troca», «tira», «muda para». Dá para trocar o objeto, o fundo ou as falas sem gerar tudo de novo.

Prolongamento. Com «prolonga» ou «continua», o Wan acrescenta trecho para a frente, para trás ou nos dois sentidos. O original mais a continuação não passa de 30 segundos.

Primeiro e último quadro. Uma imagem define o começo; duas, o começo e o fim.

Rostos e emoções. A Alibaba destaca à parte rostos realistas e variados, microexpressões e linguagem corporal, e também interfaces, gráficos e texto nítidos — para demos de aplicativos e infografia em vídeo.

Wan 3.0 e Wan 3.0 Prime: as diferenças

	Wan 3.0	Wan 3.0 Prime
Para quê	modelo principal	o mesmo, mais rápido
Duração	2–30 s	2–30 s
Resolução	480p, 720p, 1080p	480p, 720p, 1080p
Som	sim	sim
Preço por segundo (480p / 720p / 1080p)	US$ 0,05 / 0,10 / 0,20	US$ 0,068 / 0,14 / 0,28
30 s em 1080p	US$ 6,00	US$ 8,40

As funções e os parâmetros do Prime são os mesmos: a Alibaba vende essa versão como uma geração mais rápida, sem perda de qualidade. Se você não está com pressa, o Wan 3.0 comum sai cerca de 30% mais barato.

Para que serve o Wan 3.0

• Curtas, séries e clipes — 30 segundos e vários planos numa geração.
• Anúncio a partir de um briefing — apresentação do produto na entrada, clipe na saída.
• Demos de interface e infografia — a Alibaba destaca telas de aplicativos e gráficos nítidos.
• Vídeos de viagem sem ir filmar no local.
• Clipes em cima de música — a referência de áudio marca o ritmo e a voz.
• Edição e prolongamento de clipes prontos, sem regenerar tudo.

Wan 3.0 e alternativas

	Wan 3.0	Seedance 2.5	MiniMax H3	HappyHorse IA 1.1
Desenvolvedor	Alibaba	ByteDance Seed	MiniMax	Alibaba
Duração	2–30 s	4–30 s	4–15 s	3–15 s
Resolução	até 1080p	até 1080p	até 2K	até 1080p
Referências	10 fotos, 5 vídeos, 5 áudios	até 50 arquivos	9 fotos, 3 vídeos, 3 áudios	até 9 fotos
Documento na entrada	sim	não	não	não
Edição e prolongamento	sim	sim	edição	edição (modelo 1.0)
Lugar no Arena (21/09/2026)	6	7	8	10 (1.0)
Preço por segundo em 1080p	US$ 0,20	—	US$ 0,13 (2K)	—

Wan 3.0 e Seedance 2.5, da família Seedance, são dois modelos com 30 segundos por geração: o Wan é mais barato e entende documentos, o Seedance aceita mais referências. O MiniMax H3 ganha em resolução, e o HappyHorse é o segundo modelo de vídeo da Alibaba para clipes curtos com diálogos.

Como escrever prompts para o Wan 3.0

1. Nomeie os arquivos por número: “Image 1”, “Video 1”, “Audio 1”. Cada tipo tem a própria numeração, na ordem do envio.
2. Descreva os planos com timecodes, 4–6 segundos por plano.
3. Edição e prolongamento pedem palavras-chave: “edit video”, “replace”, “remove”, “change to” ou “extend”, “continue”. Sem elas, o Wan não entende a tarefa.
4. Com documento, escreva curto: o tom e o objetivo; o conteúdo o modelo tira do arquivo.
5. O rascunho, em 480p. A própria Alibaba recomenda testar a ideia em baixa resolução e só depois fazer o 1080p.

Exemplo a partir do storyboard acima:

0–6 s: plano geral, um avô de boné e uma menina de duas tranças sobem um morro
gramado à beira-mar com uma pipa vermelha. 6–12 s: close, o avô amarra a linha
e diz: "Segura firme." 12–18 s: plano médio, a menina corre e a pipa sobe.
18–24 s: de baixo, a pipa vermelha alta nas nuvens. 24–30 s: plano geral, os
dois sentados na grama olhando o mar no pôr do sol. Som: vento, maré, a risada
da menina, uma melodia quente de violão.

Como usar o Wan 3.0 no AI2Face

O Wan 3.0 está no gerador do AI2Face, ao lado de MiniMax H3, Kling 3.0 e Veo 3.1.

1. Cadastre-se — contas novas recebem créditos de boas-vindas.
2. Abra o gerador, vá para vídeo e escolha Wan 3.0.
3. Envie quadros, referências ou um documento, escreva o prompt e defina a duração e a resolução.
4. O custo em créditos aparece antes de começar. Os créditos dos pacotes não expiram. Dá para pagar com cartão ou cripto.

O slide com as características do produto ou os quadros do storyboard ficam fáceis de fazer no mesmo gerador — no GPT Image 2.5 ou no Nano Banana Pro.

Limites

• Até 1080p. O Wan 3.0 não tem 2K nem 4K — para isso, veja MiniMax H3 e Kling 3.0.
• Som e texto ainda estão sendo aprimorados. A Alibaba escreve com clareza que a textura do som e a precisão das legendas no quadro vão melhorando.
• Não dá para misturar modos. Referências, documento ou link não se combinam com o primeiro e o último quadro na mesma tarefa.
• Um documento ou um link — não os dois ao mesmo tempo; a página precisa abrir sem login.
• Clipes longos saem caros. 30 segundos em 1080p são US$ 6 na API, e no Prime, US$ 8,40.
• Não há pesos. O Wan 3.0 é só nuvem; dá para baixar o Wan 2.1 e o 2.2.

Conclusão

O Wan 3.0 é o modelo de vídeo longo mais flexível de 2026: 30 segundos com som, 20 referências, um clipe a partir de uma apresentação ou de um link, edição e prolongamento num só modelo. É o 6.º lugar no Arena a US$ 0,20 por segundo de 1080p — mais barato que a maioria dos vizinhos no ranking. Use o Wan 3.0 para histórias, anúncios a partir de um briefing e clipes em cima de música; se precisar de 2K, MiniMax H3; se precisar de dezenas de referências, Seedance 2.5. O Prime só vale quando a velocidade importa mais que o preço.