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

> Wan IA é a família de modelos de vídeo da Alibaba. O Wan 3.0, lançado oficialmente em 24 de agosto de 2026, faz clipes de até 30 segundos com som (fala, efeitos e música) e aceita até 20 referências: fotos, vídeos, áudio e até documentos. Ele é o 6º de 48 na Arena. Os anteriores Wan 2.1 e 2.2 são abertos sob Apache 2.0. O Wan está disponível no gerador do AI2Face.

Desenvolvedor: Alibaba · Lançamento: 2026-08-24 · Atualizado em 2026-10-02
URL: https://ai2face.com/pt/models/wan

## Fatos principais

| | |
|---|---|
| Desenvolvedor | Alibaba |
| Versões | Wan 3.0 e 3.0 Prime (24 de agosto de 2026), Wan 2.7, Wan 2.2 e 2.1 abertos |
| O que faz | Vídeo com som a partir de texto, fotos, vídeos, áudio e documentos; edição do clipe |
| Duração | Wan 3.0 — até 30 segundos por geração; Wan 2.7 — até 15 segundos |
| Resolução | 480p, 720p, 1080p a 30 fps |
| Som | Fala, efeitos e música junto com o vídeo |
| Referências | Até 20 arquivos, incluindo até 5 áudios com até 15 segundos no total |
| Preço da API | US$ 0,05 / 0,10 / 0,20 por segundo em 480p / 720p / 1080p |
| No AI2Face | Sim |

## 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.

[Um trem vermelho chega a uma estação de montanha coberta de neve, uma jovem de cachecol verde desce do vagão e um cachorro velho corre até ela pela neve](https://ai2face.com/_astro/media/models/wan/three-shot-story.mp4 "Três planos a partir de um prompt: geral, médio e close, com som em comum. Wan 3.0, 720p, 15 s")

**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.

[Colegas na copa do escritório: uma mulher de cabelo cacheado entrega um copo de café a um homem de óculos, eles trocam algumas falas e riem](https://ai2face.com/_astro/media/models/wan/office-dialogue.mp4 "Diálogo em plano e contraplano: as falas dos dois personagens estão escritas no prompt. Wan 3.0, 8 s")

**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.

[Uma garrafa de limonada com rodelas de limão sobre pedra molhada, cubos de gelo caem ao redor em câmera lenta e a câmera gira em volta da garrafa](https://ai2face.com/_astro/media/models/wan/vertical-ad.mp4 "Anúncio vertical 9:16 com som de efervescência e gelo. Wan 3.0, 8 s")

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

## Perguntas frequentes

### O que é Wan IA?

A família de modelos de vídeo da Alibaba. O atual Wan 3.0 faz clipes de até 30 segundos com som a partir de texto, fotos, vídeos, áudio e documentos. Na Arena, ele está em 6º lugar entre 48.

### Qual a diferença entre o Wan 3.0 e o Wan 2.x?

O Wan 3.0 faz até 30 segundos por geração, contra 15 do Wan 2.7, aceita documentos e páginas web, mantém melhor os personagens e desenha rostos mais variados. O som é gerado junto com o vídeo.

### Dá para baixar o Wan?

O Wan 2.1 e o Wan 2.2, sim: a Alibaba publicou os dois no GitHub e no Hugging Face sob a licença Apache 2.0, e o modelo menor, de 5B, roda em uma placa de vídeo do nível de uma RTX 4090. O Wan 3.0 funciona via API na nuvem.

### Quanto custa o Wan 3.0?

Na API da Alibaba: US$ 0,05 por segundo em 480p, US$ 0,10 em 720p e US$ 0,20 em 1080p. Um clipe de 30 segundos em 1080p custa US$ 6. No AI2Face, o custo aparece antes de cada geração.

### O Wan tem som?

Sim. O Wan 3.0 gera a fala dos personagens, os sons da cena e a música de fundo junto com o vídeo. Você pode enviar até 5 referências de áudio para que o personagem dance no ritmo da música ou fale com uma voz definida.

## Fontes

- 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