Wan 2.2 NSFW sin censura: 7 versiones a prueba y prompts que funcionan

Wan 2.2 es el modelo de vídeo de pesos abiertos de Alibaba, la base para la que se entrenan muchas LoRA de vídeo NSFW en Civitai, y una versión que todavía se ejecuta en local. Por eso «¿Wan 2.2 tiene censura?» tiene dos respuestas: una para los pesos y otra para el lugar donde los ejecutes.

Respuesta corta: los pesos de Wan 2.2 no tienen filtro de contenido, pero las versiones alojadas se comportan de otra forma. Vendemos Wan 2.2 en siete versiones y seis llevan nuestra etiqueta Uncensored. La séptima, Wan 2.2 estándar, rechazó todos los prompts para adultos en texto a vídeo y atenuó las escenas entre dos adultos en imagen a vídeo.

• Desde una imagen fija: Wan 2.2 Spicy es la más barata y la más fiable hasta escenas con dos adultos: todas las ejecuciones de L1 a L4 se realizaron tal como se describieron. 5 segundos cuestan $0.095 a 480p.
• Desde texto: si no necesitas una LoRA concreta de Wan, Wan 3.0 es la mejor compra ($0.225 por 5 segundos a 480p, todos los niveles realizados, con sonido). Para una LoRA de Wan 2.2 de Civitai, usa Wan 2.2 LoRA de texto a vídeo ($0.24) o 5B LoRA ($0.12 por clip).
• Dónde se quedan cortas la mayoría: las escenas con dos adultos salieron atenuadas en la mayoría de las versiones de Wan 2.2 sin ninguna LoRA cargada. La LoRA NSFW general más descargada lo solucionó en nuestra prueba.
• Prompts: seis prompts que ejecutamos, el clip que produjo cada uno y una plantilla para rellenar. Los ejemplos se mantienen en el terreno de lo sugerente porque se muestran en esta página.

¿Censurado, reescrito o sin entrenar?

Se llama «censura» a tres cosas distintas, y los pesos de Wan 2.2 solo tienen la tercera.

Un filtro es una comprobación que se ejecuta antes o después de la generación y rechaza la tarea o bloquea el resultado. Los pesos abiertos de Wan 2.2, publicados por el equipo Wan de Alibaba el 28 de julio de 2025 con licencia Apache 2.0, se distribuyen sin él: el código oficial no incluye ningún verificador de seguridad y las fichas del modelo y el README no mencionan ninguno. Las copias alojadas añaden el suyo. La API en la nube de Alibaba para Wan indica que la entrada y la salida «undergo content moderation», y una demo de Wan 2.2 en Hugging Face mantenida por la comunidad (no es de Alibaba) empezó a responder a los prompts para adultos con «Generation blocked by guardrails» después de que su propietario añadiera un filtro de seguridad, con el modelo de fondo sin cambios.

En nuestra API, los endpoints estándar de Wan 2.2 funcionan sobre un servicio alojado con su propia comprobación de contenido, y esa comprobación es la que rechaza el texto a vídeo. En imagen a vídeo estándar no podemos saber desde fuera si las escenas atenuadas entre dos adultos vienen de esa comprobación o del propio modelo, porque las versiones LoRA, que no tienen filtro, atenuaron casi las mismas escenas. Spicy, Spicy LoRA, LoRA, 5B LoRA, Image LoRA y Animate se ejecutan sin filtro por nuestra parte.

Una reescritura es la versión discreta. El código oficial de Wan 2.2 tiene un paso opcional de extensión de prompt que pasa tu texto a un modelo de lenguaje antes de la generación, y sus instrucciones para texto a vídeo le piden que sustituya los prompts para adultos por otra escena inofensiva en lugar de rechazarlos. En los scripts de código abierto viene desactivado por defecto. La API en la nube de Alibaba reescribe los prompts por defecto, aunque no publica las instrucciones que usa. Así que, cuando un clip de Wan alojado no tiene nada que ver con tu prompt, es más probable que la causa sea una reescritura que un fallo. En nuestra API, Wan 2.2 Spicy y Wan 2.2 estándar tienen un interruptor de expansión de prompt; está desactivado salvo que lo actives y, con prompts para adultos, debería seguir así. No hemos probado Wan 2.2 con él activado, pero en Qwen Image 2.1 Turbo el mismo tipo de reescritura atenuó los prompts para adultos.

El entrenamiento es lo que el modelo aprendió a dibujar. La señal más clara son las versiones LoRA sin ninguna LoRA cargada: sin filtro, sin reescritura, y aun así solo una de seis ejecuciones con dos adultos desde una imagen fija se realizó tal como se describió. La tarea termina, no se rechaza nada y se cobra; simplemente el acompañante sigue vestido, una sábana cubre el encuadre o la cámara mira hacia otro lado. Ese es el hueco que rellenan las LoRA para adultos. El 28 de septiembre de 2026 ejecutamos el mismo prompt y el mismo seed con y sin WAN General NSFW, el pack general más descargado, cargado en ambas pasadas a 1.0: sin él, la escena cortaba antes de L4 las dos veces, y con él los dos clips salieron completos (las LoRA que probamos en Wan 2.2). Wan 2.2 Spicy es una edición ajustada por separado para llegar más lejos sin ninguna, y fue la única versión de imagen a vídeo que realizó todas las ejecuciones L4.

Todas las versiones de Wan 2.2, a prueba

Clasificamos el contenido para adultos en cinco niveles, la misma escala que en nuestra prueba de versiones de Wan:

• L1 Sugerente y L2 Temas para adultos: imágenes sugerentes y NSFW moderadas.
• L3 Fuerte: imágenes NSFW avanzadas de un adulto.
• L4 Intenso: una escena de mayor intensidad entre dos adultos.
• L5a es una escena consensuada entre adultos con temas de restricción; L5b es violencia gráfica cinematográfica, un tipo de contenido distinto y no un L5a más intenso.

Todos los personajes de todas las pruebas son adultos ficticios, y es el único tipo de persona que debes usar: nunca el rostro de una persona real. Cada celda cuenta los clips que se realizaron tal como se describieron sobre el total de ejecuciones de ese nivel; un fallo es un clip atenuado, salvo que la fila indique rechazo. Las etiquetas son nuestras: Uncensored significa que no hay filtro por nuestra parte, aunque un clip aún puede salir más suave de lo pedido; Softened significa que los prompts para adultos se ejecutan, pero lo más alto de la escala se atenúa; Filtered significa que los prompts para adultos se rechazan.

Los precios son para 5 segundos a 480p, salvo 5B (un clip a 720p), Image LoRA (una imagen) y extensión de vídeo (5 segundos añadidos). Las filas de octubre tienen una sola ejecución por nivel, así que léelas como una tendencia, no como una tasa; la columna L5a de septiembre tuvo una prueba adicional. En Image LoRA, una segunda ejecución L4 con una LoRA para adultos cargada también salió atenuada. Animate copia un vídeo de referencia, y sus resultados dependen de ese clip tanto como del prompt.

Qué dice la tabla en la práctica:

• Con texto es donde Wan 2.2 se divide. El texto a vídeo estándar rechazó incluso L1. Las versiones LoRA y 5B LoRA aceptaron el mismo tipo de prompt y realizaron L1, L2 y tres de las cuatro ejecuciones L3.
• Desde una imagen fija, Spicy es la más fiable hasta L4 y la única versión de imagen a vídeo que acertó tres de tres ahí. Sin embargo, no engloba a las demás: falló casi todo L5, donde LoRA sin más lo hizo mejor.
• Spicy LoRA y LoRA cuestan lo mismo y admiten las mismas ranuras de LoRA. Sin ninguna LoRA cargada, LoRA sin más llegó más lejos en L4 y L5a en nuestras ejecuciones, y la tarea de extensión de Spicy LoRA realizó todos los niveles que se le dieron.
• 5B se mantiene cerca del fotograma inicial. Desde una imagen fija vestida, las dos ejecuciones L3 se quedaron en el nivel de la imagen. En 5B, imagen a vídeo rara vez va más allá de lo que muestra el primer fotograma, así que cambia la imagen fija para cambiar el resultado.
• Para la API, un clip atenuado es un éxito. Nada en la respuesta lo señala, así que revisa los fotogramas antes de construir sobre un resultado.

Seis prompts de Wan 2.2 que ejecutamos, y una plantilla

Los seis salen de los conjuntos de ejemplos de las páginas de nuestros modelos, así que cada prompt de abajo es el texto exacto que enviamos y cada clip es el resultado sin editar. Se mantienen en el extremo sugerente para poder mostrarlos aquí. Lo que se traslada a tu propio trabajo es la estructura:

1. Primero quién, con una edad: «an adult couple in their early thirties». Nombra al reparto en la primera línea para que el modelo sepa cuántas personas dibujar. En imagen a vídeo la imagen fija ya dice quién es, así que empieza por la acción.
2. Qué llevan puesto, por nombre: «a thin-strapped ivory slip dress». Nombra cada prenda que quieras conservar.
3. La acción, en orden, con una posición final: «pushes off the doorframe, crooks one finger, then turns and walks». Wan 2.2 sigue bien las secuencias cuando llegan en el orden en que suceden. Mantén una acción principal y un movimiento de cámara por cada 5 segundos; una tercera cosa tiende a quedar apresurada o descartada.
4. Un movimiento de cámara: «slow follow», «slow push-in», «slow orbit».
5. Luz y textura al final: «red exit light», «film grain». Alibaba dice que Wan 2.2 se entrenó con etiquetas de iluminación, composición, contraste y tono de color, así que esas palabras hacen un trabajo real.

Como plantilla para rellenar:

Text-to-video:
[Shot and style]. [Number of people, "adult", age range]. [What each one wears, by name].
[Action], then [action], ending with [end position]. [One camera move]. [Light], [texture].

Image-to-video (the still already shows who and what):
[Action], then [action], ending with [end position]. [One camera move]. [Light].

En imagen a vídeo, describe lo que se mueve en vez de lo que ya está en la imagen fija; las propias instrucciones de reescritura de Alibaba para imagen a vídeo eliminan la descripción estática por la misma razón. Solo imagen a vídeo estándar y LoRA de texto a vídeo tienen campo de prompt negativo, así que en las demás versiones di lo que quieres en vez de lo que no quieres. Todas las versiones de vídeo de Wan 2.2 son silenciosas, así que las palabras sobre sonido no sirven de nada.

1. Wan 2.2 Spicy, imagen a vídeo: una secuencia de acción desde una imagen fija

She pushes off the doorframe, crooks one finger at the camera to beckon it closer, then turns and walks slowly into the room, glancing back over her bare shoulder with a slow smile. The red exit light flickers down the corridor. Slow follow, cinematic, film grain.

Cada momento se realizó, en el orden escrito: la seña, el giro, el paseo y la mirada hacia atrás. La imagen fija es la de la portada de esta página. A 720p el clip costó $0.19; a 480p cuesta $0.095. Ejecuta este prompt en Wan 2.2 Spicy →

2. Wan 2.2 LoRA, texto a vídeo: dos adultos y una LoRA de estilo

Vintage Cinematic Color. Vertical close two-shot on a mountain cabin porch at night as a thunderstorm rolls down the valley behind them; their faces and shoulders fill the frame. An adult couple in their early thirties share one heavy wool blanket on a porch swing: she is Latina, with dark wavy hair, in a thin-strapped ivory slip dress, the blanket around her shoulders; he is Korean, in a grey henley with the buttons open. A lightning flash lights their faces white for an instant; she turns from the storm to look at him and their faces drift to an inch apart and hold there. Warm porch lamp against blue lightning, rain pouring off the roof edge behind them, slow push-in, 35mm, film grain.

El color viene de una LoRA de estilo, Vintage Cinematic Redmond for Wan 2.2, cargada pegando el enlace de su archivo con un peso de 0.7; cargar una LoRA no añade nada al precio. El prompt también empieza con el nombre del estilo. El relámpago, la lámpara y el giro se realizaron, y los dos permanecen muy cerca sin besarse, como se escribió. Nombrar un estilo en el prompt además de su LoRA puede duplicar el efecto, así que, si el aspecto sale demasiado fuerte, quita la frase antes de bajar el peso (más sobre los pesos de las LoRA). Este clip vertical a 720p costó $0.42.

3. Wan 2.2 5B LoRA, texto a vídeo: el borrador barato

Cinematic video. Blue hour in the lounge of an alpine ski lodge: an adult Nigerian-British woman around thirty with close-cropped natural hair, in an ivory off-the-shoulder knit dress, is curled up in a cognac leather wingback chair, snow drifting past the tall glass behind her. She lowers the book in her lap, tilts her head and gives the camera a slow, smouldering glance. Warm copper lamp light against cold blue dusk, slow push-in, 50mm lens, shallow depth of field.

La inclinación de cabeza y la mirada al objetivo se realizaron, con la luz de cobre contra azul como se escribió (clip en la página del modelo). Se ejecutó sin ninguna LoRA cargada. 5B siempre genera un único clip a 720p de unos 5 segundos por $0.12, en 16:9 o 9:16, lo que lo convierte en la forma más barata de probar un prompt de texto antes de pasarlo a una versión mayor.

4. Wan 2.2 5B LoRA, imagen a vídeo: va más allá de «casi»

She brushes the last snow from his collar, he draws her closer by the waist, and the two adults lean in until their lips almost meet, holding there. Lantern light flickers on the skis. Slow orbit around them.

El prompt pedía una pausa justo antes de un beso, y en el clip se besan de todos modos (míralo en la página del modelo): «lean in» se llevó hasta el final. Para detenerlo antes, prueba a describir la posición final en lugar del acercamiento, por ejemplo «their foreheads touch and they stay there, smiling». No había ninguna LoRA cargada; el clip costó $0.12.

5. Wan 2.2 estándar, imagen a vídeo: cuando quieres un prompt negativo

She turns from the window toward the camera, lets go of the sheer curtain and walks two slow steps closer, the champagne satin catching the lamp light, holding the lens with a half smile. The curtain drifts in the draught. Slow push in, cinematic, shallow depth of field.

La mujer adulta de la imagen fija salió exactamente como se escribió (clip en la página del modelo): la etiqueta Softened se refiere a lo más alto de la escala, no al ambiente ni al vestuario. La versión estándar es la única opción de imagen a vídeo con campo de prompt negativo, y esa es su principal razón de existir aquí. Por lo demás, Spicy hace la misma toma por menos: esta costó $0.48 a 720p.

6. Wan 2.2 Image LoRA: crea primero la imagen fija

Photorealistic cinematic still, ultra-wide frame. Two adult women in a hidden 1920s library bar stand close beside a bookshelf door left ajar: a Latina woman around thirty in a backless emerald velvet gown, and a red-haired woman in her mid thirties in a black tuxedo with the bow tie undone. One whispers into the other's ear, a hand resting at her waist, both smiling. Warm brass sconces, green lamp glow, deep teal and gold palette, anamorphic lens flare, film grain.

Una imagen fija cuesta $0.03 en Wan 2.2 Image LoRA, que en nuestras pruebas admitió las mismas LoRA de 14B que las versiones de vídeo de Wan 2.2 (una LoRA de 5B no hizo nada en ella). Dos cosas que conviene saber antes de animar una imagen fija de aquí. Imagen a vídeo conserva la forma de la imagen fija, así que este encuadre 21:9 daría un clip ultrapanorámico; para vídeo vertical, haz la imagen fija en 9:16. Y Image LoRA atenuó L4, así que esta vía funciona mejor hasta L3.

Clips más largos

Spicy, Spicy LoRA y LoRA generan clips de 5 u 8 segundos; Wan 2.2 estándar y 5B generan unos 5 segundos. Spicy, Spicy LoRA y LoRA también tienen una tarea de extensión de vídeo que continúa un clip desde su último fotograma. Nuestro ejemplo de Spicy LoRA empieza el prompt de extensión con «Continuing the same unbroken take:» y describe solo lo que ocurre a continuación. El clip de 5 segundos pasó a 10 segundos y el paseo continuó sin interrupción, sin ningún corte en el encuadre (antes y después en la página del modelo). Si te fijas bien, su rostro cambia ligeramente en el segundo 5.

Cada 5 segundos adicionales a 480p cuestan $0.095 en Spicy, $0.12 en LoRA y $0.19 en Spicy LoRA, que es más de lo que cobra Spicy LoRA por generar los primeros 5. La extensión a 720p de nuestro ejemplo costó $0.38. Spicy también admite un fotograma final, que es la forma más sencilla de lograr un bucle perfecto.

Cuando un clip de Wan 2.2 se rechaza o se atenúa

• El texto a vídeo te rechazó. Estás en Wan 2.2 estándar. Pasa el mismo prompt a Wan 2.2 LoRA de texto a vídeo, 5B LoRA o Wan 3.0.
• El acompañante sigue vestido o la cámara se aparta (L4). Usa Wan 2.2 Spicy desde una imagen fija, o carga WAN General NSFW en ambas pasadas a 1.0, que convirtió dos ejecuciones atenuadas en dos completas en nuestra prueba (más LoRA de Wan 2.2). Si tiene que funcionar siempre, pasa a Wan 2.6 Flash, 2.5 o 3.0.
• El clip salió más suave que el prompt en imagen a vídeo. Imagen a vídeo tiende a quedarse en el nivel del fotograma inicial, 5B más que ninguno. Cambia la imagen fija.
• La LoRA no hizo nada. Wan 2.2 existe en dos tamaños y sus LoRA no son intercambiables. En nuestras pruebas, una LoRA de 14B cargada en 5B dio un clip idéntico byte a byte al de la ejecución sin LoRA, y una LoRA de 5B no hizo nada en la versión de imagen de 14B. Comprueba el modelo base en la página de la LoRA. Las versiones de 14B admiten archivos separados de alto y de bajo ruido; cómo funcionan las dos ranuras.
• El clip va en cámara lenta. En local, la causa habitual es una LoRA de aceleración de 4 pasos como Lightning, un efecto secundario que reconocen sus autores. En un prompt, un movimiento de cámara lento está bien, pero dale ritmo a la acción: «real-time speed, every movement finished inside five seconds».

¿Ejecutarlo tú mismo o usar una API?

Los pesos abiertos vienen en varios modelos, y los nombres de nuestros endpoints se corresponden con ellos:

Nuestros endpoints estándar y Spicy también son versiones de Wan 2.2, pero no admiten LoRA. Los modelos A14B son dos expertos de 14.000 millones de parámetros: uno se ocupa de los primeros pasos, ruidosos, que fijan la composición y el movimiento, y el otro de los pasos posteriores, que añaden detalle. Por eso las LoRA de 14B vienen como un archivo de alto ruido y otro de bajo ruido. En tarjetas de consumo, la gente ejecuta A14B con ComfyUI usando cuantización fp8 o GGUF y offloading, y la documentación de ComfyUI dice que el modelo 5B cabe en 8 GB con su offloading integrado; son configuraciones de la comunidad, no cifras de Alibaba. La cifra de Alibaba para el modelo 5B es un clip de 5 segundos a 720p «in under 9 minutes» en una sola GPU de consumo.

Ejecutarlo tú mismo te da ausencia de filtro, cualquier LoRA que puedas descargar y control total, a cambio de hardware y tiempo de configuración. Mantén desactivada la extensión de prompt oficial con prompts para adultos, por el motivo explicado arriba.

A través de nuestra API no hay filtro en las versiones Uncensored y pagas por clip: de $0.095 a $0.265 por 5 segundos a 480p según las versiones de la tabla. LoRA, Spicy LoRA e Image LoRA admiten hasta tres LoRA en cada una de tres listas (loras para ambas pasadas, high_noise_loras, low_noise_loras); 5B admite hasta tres en loras. Pega un enlace público a un archivo de Hugging Face o un enlace de descarga de Civitai (https://civitai.com/api/download/models/VERSION_ID). El 28 de septiembre, un archivo de Civitai que normalmente exige iniciar sesión se cargó así sin token. Si un enlace devuelve 401, importa el archivo una vez mediante POST /api/v1/files/import con tu clave de API de Civitai, que se usa solo para esa descarga y nunca se guarda, y pon en path el URI spicy:// que devuelve. Una llamada mínima con una LoRA en ambas pasadas:

curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $(uuidgen)" \
  -d '{
    "model": "alibaba/wan-2.2-lora/text-to-video",
    "input": {
      "prompt": "Vertical medium shot at night. An adult couple in their thirties ...",
      "aspect_ratio": "9:16",
      "duration_seconds": 5,
      "resolution": "480p",
      "high_noise_loras": [{"path": "https://civitai.com/api/download/models/VERSION_ID", "scale": 1.0}],
      "low_noise_loras": [{"path": "https://civitai.com/api/download/models/VERSION_ID", "scale": 1.0}]
    }
  }'

Un prompt rechazado falla con content_rejected y no cuesta nada; uno atenuado se devuelve como un éxito normal. Los campos, el sondeo y los demás códigos de error están en la referencia de la API.

Los modelos de texto a vídeo e imagen a vídeo de Wan 2.2 son silenciosos por cualquiera de las dos vías. El modelo S2V de Alibaba, aparte, funciona con una pista de audio; no lo ofrecemos.

¿Qué Wan 2.2 deberías usar?

Preguntas frecuentes

¿Wan 2.2 tiene censura?

Los pesos abiertos no: se distribuyen sin filtro de contenido. Las versiones alojadas varían. En nuestra API, Wan 2.2 estándar de texto a vídeo rechaza los prompts para adultos y la de imagen a vídeo estándar atenúa las escenas con dos adultos, mientras que Spicy, Spicy LoRA, LoRA, 5B LoRA, Image LoRA y Animate no tienen filtro por nuestra parte.

¿Wan 2.2 Spicy es mejor que Wan 2.2 estándar para NSFW?

Desde una imagen fija, para la mayoría de los usos, sí: realizó L4 tres veces de tres donde imagen a vídeo estándar atenuó las tres, y cuesta menos ($0.095 frente a $0.24 por 5 segundos a 480p). La excepción es la prueba de violencia gráfica (L5b), que la estándar realizó tres veces y Spicy no.

¿Necesito una LoRA para NSFW en Wan 2.2?

No para L1 a L3 en las versiones Uncensored de 14B; 5B realizó menos. Para escenas con dos adultos, una LoRA NSFW general marcó la diferencia en nuestra prueba (dos de dos completas con ella, ninguna sin ella). No ayudó con las imágenes fijas de Image LoRA, donde una LoRA para adultos siguió saliendo atenuada.

¿Las LoRA de Wan 2.1 funcionan en Wan 2.2?

En parte. Las LoRA antiguas de Wan 2.1 funcionan sobre todo solo en la pasada de bajo ruido (nuestra guía de LoRA de Wan 2.2 tiene los detalles), así que ponlas en low_noise_loras o busca una versión 2.2 de la misma LoRA. Las LoRA de Wan 2.2 de 14B y de 5B no funcionan entre sí en absoluto. Nuestra guía de Wan 2.1 cubre el lado de la 2.1.

¿Puedo ejecutar Wan 2.2 NSFW con 8 GB o 16 GB de VRAM?

El modelo 5B, sí, con offloading: ComfyUI dice que cabe en 8 GB, mientras que los scripts de Alibaba piden 24 GB. Los modelos de 14B necesitan 80 GB en los scripts de Alibaba; las tarjetas más pequeñas solo los ejecutan mediante versiones fp8 o GGUF de la comunidad con offloading, y despacio. Con una API no necesitas ninguna GPU.

¿Wan 2.2 genera sonido?

No. Los modelos de vídeo de Wan 2.2 son silenciosos. Wan 2.5 y 3.0 generan sonido, y Wan 2.6 Flash también con su interruptor de sonido activado.

¿Pago por un clip rechazado o atenuado?

Un clip atenuado se cobra al precio normal, porque la tarea se completó. Una tarea rechazada falla con content_rejected y se libera la retención sobre tu saldo.

En resumen

El propio Wan 2.2 no tiene censura; dónde lo ejecutes decide lo que obtienes. Desde una imagen fija, Wan 2.2 Spicy es la vía más barata hasta L4: escribe la acción en orden, con un movimiento de cámara y una posición final. Desde texto, Wan 3.0 es la mejor opción por defecto, salvo que quieras una LoRA concreta de Wan 2.2, en cuyo caso usa la versión LoRA o 5B. Para escenas con dos adultos en las versiones LoRA, carga una LoRA NSFW general; para L5, o cuando cada ejecución tiene que salir bien, pasa a Wan 3.0, 2.5 o 2.6 Flash.