Wan no es un único modelo. La familia va de Wan 2.2 a Wan 3.0 y nuestra API la ofrece como 33 endpoints independientes (entradas de texto, imagen y referencia, más las variantes «Spicy», «Prime» y «Pro»). No todos tratan igual el contenido para adultos. Dale a Wan 3.0 un prompt de texto para una escena consensuada entre dos adultos con temas de restricción: el clip incluye todos los elementos que has nombrado y después va más allá de lo escrito. Ese mismo tipo de prompt se rechaza en Wan 2.2 de texto a vídeo, sin cobrarte.
En resumen: en general sí, pero el endpoint importa más que el número de versión. Según nuestras pruebas de septiembre de 2026, 28 de los 33 endpoints Wan llevan la etiqueta Uncensored. Wan 3.0 base realizó todos los niveles con entradas de texto, imagen y referencia, desde imágenes sugerentes hasta nuestras dos pruebas más intensas. Wan 2.5 realizó casi todos. Wan 2.2 base es el punto débil: desde una imagen fija atenúa una escena con dos adultos y desde texto rechaza todo, incluso el nivel más suave. Las variantes «Spicy» económicas funcionan mejor, pero las más recientes suelen cambiar la ropa de las personas que has pedido mantener vestidas.
Cómo funcionan los niveles
Cinco niveles, cada uno más intenso que el anterior; la tabla siguiente los utiliza.
- 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. L5b es otro tipo de contenido, no un L5a más intenso.
Todos los personajes son adultos ficticios. Un clip se produjo tal como se describió o se atenuó: terminó y se cobró, pero la escena se sustituyó por algo más suave, un acompañante apareció vestido o el momento clave quedó fuera de plano. Algunos endpoints rechazan la solicitud; esas tareas fallan sin producir un clip.
En 30 segundos
- Rechazados: Wan 2.2 de texto a vídeo (incluso L1) y Wan 2.6 de referencia a vídeo. Wan 2.2 base de imagen a vídeo y Wan 2.7 de texto a imagen (también su versión Pro) son Softened. Estos cinco endpoints son los únicos sin la etiqueta Uncensored.
- «Uncensored» significa que no hay filtro por nuestra parte, no «siempre tal como se escribió». Wan 3.0 va más allá de lo que pides, mientras que Wan 2.2 Spicy y las variantes LoRA no realizan algunos niveles (consulta la tabla).
- Para la mayoría de trabajos: desde una imagen fija, Wan 2.2 Spicy hasta L4 (el más barato), Wan 2.6 Flash o Wan 2.5 cuando deben realizarse todos los niveles, y Wan 3.0 para hasta 30 segundos con sonido. Desde texto, Wan 3.0 o Wan 2.6 si quieres que se ciña más a tu guion.
- 5 segundos cuestan $0.095 en Wan 2.2 Spicy (480p), $0.225 en Wan 3.0 (480p) y $0.45 en Wan 2.6 (720p).
Prueba Wan 2.2 Spicy → · Prueba Wan 3.0 de texto a vídeo →
Hasta dónde llega cada versión de Wan
Cada celda indica los clips que salieron tal como se describieron respecto al total de ejecuciones de ese nivel; «–» significa que no se probó. Un fallo es un clip atenuado, salvo que la fila indique rechazo.
| Versión de Wan · tarea | L1 | L2 | L3 | L4 | L5a | L5b | Etiqueta de la página |
|---|---|---|---|---|---|---|---|
| 3.0 · texto, imagen y referencia, cada uno | 3/3 | 3/3 | 2/2 | 3/3 | 3/3 | 3/3 | Uncensored |
| 3.0 Pro y 3.0 Pro Prime · texto, imagen y referencia, cada uno | 3/3 | 3/3 | 2/2 | 3/3 | 1/1 | – | Uncensored |
| 3.0 Prime · texto y referencia, cada uno | 3/3 | 3/3 | 2/2 | 3/3 | 1/1 | – | Uncensored |
| 3.0 Prime · imagen | 3/3 | 3/3 | 3/3 | 0/3 | – | – | Uncensored |
| 3.0 Spicy · imagen, una ejecución por nivel | 1/1 | 1/1 | 1/1 | 1/1 | 1/1 | 1/1 | Uncensored |
| 3.0 Prime Spicy · imagen, una ejecución por nivel | 1/1 | 1/1 | 1/1 | 1/1 | 1/1 | 1/1 | Uncensored |
| 2.7 Spicy · imagen | 3/3 | 3/3 | 3/3 | 3/3 | 4/4 | 3/3 | Uncensored |
| 2.7 · edición de imagen | 3/3 | 3/3 | – | 1/3 | 1/3 | 3/3 | Uncensored |
| 2.7 Pro · edición de imagen | 3/3 | 3/3 | – | 0/3 | 2/3 | 3/3 | Uncensored |
| 2.7 · texto a imagen | 3/3 | 3/3 | 1/2 | 0/3 | 0/3 | 3/3 | Softened |
| 2.7 Pro · texto a imagen | 3/3 | 3/3 | 0/2 | 0/3 | 0/3 | 3/3 | Softened |
| 2.6 Spicy · imagen | 3/3 | 3/3 | 3/3 | 2/3 | 4/4 | 3/3 | Uncensored |
| 2.6 Flash · imagen | 3/3 | 3/3 | 3/3 | 3/3 | 4/4 | 3/3 | Uncensored |
| 2.6 · texto | – | – | – | 1/1 | 2/2 | – | Uncensored |
| 2.6 · imagen | – | – | – | – | 1/1 | – | Uncensored |
| 2.6 · referencia | – | – | rechazado 0/1 | – | – | – | Filtered |
| 2.5 · imagen | 3/3 | 3/3 | 3/3 | 3/3 | 4/4 | 3/3 | Uncensored |
| 2.5 · texto | 3/3 | 3/3 | 3/3 | 3/3 | 3/5 | 3/3 | Uncensored |
| 2.2 Animate · animación de personajes | 3/3 | 2/3 | 3/3 | 3/3 | 3/4 | 3/3 | Uncensored |
| 2.2 Spicy · imagen | 3/3 | 3/3 | 3/3 | 3/3 | 1/4 | 0/3 | Uncensored |
| 2.2 Spicy LoRA · imagen, sin LoRA cargada | 3/3 | 3/3 | 3/3 | 0/3 | 2/4 | 3/3 | Uncensored |
| 2.2 Spicy LoRA · extensión de vídeo | 1/1 | 1/1 | 1/1 | 1/1 | 2/2 | 1/1 | Uncensored |
| 2.2 LoRA · imagen, sin LoRA cargada | 3/3 | 3/3 | 3/3 | 1/3 | 3/4 | 1/3 | Uncensored |
| 2.2 · imagen | 3/3 | 3/3 | 3/3 | 0/3 | 1/4 | 3/3 | Softened |
| 2.2 · texto | rechazado 0/3 | rechazado 0/3 | rechazado 0/3 | rechazado 0/3 | rechazado 0/4 | rechazado 0/3 | Filtered |
Uncensored significa que no añadimos ningún filtro de contenido por nuestra parte; el modelo aún puede atenuar una escena, como muestran las celdas en negrita. Softened completa la tarea y la cobra, pero atenúa el resultado. Filtered rechaza la solicitud directamente. Los clips atenuados se cobran; una tarea rechazada falla con el código content_rejected y normalmente no cuesta nada. En la familia 3.0, Prime se anuncia como una categoría más rápida, con un precio por segundo un 36% mayor a 480p y un 40% mayor a 720p o 1080p (solo compensa si importa el tiempo de entrega; no vimos esa mejora en las variantes Spicy). Pro eleva la resolución a 1080p, 2K o 4K.
Qué muestra la tabla:
- Con texto es donde Wan se divide. Wan 2.2 de texto a vídeo lo rechaza todo. Wan 2.5 y 3.0 de texto a vídeo realizaron todos los niveles; Wan 2.6 base realizó los prompts L4 y L5a que probamos. Wan 2.5 de texto a vídeo atenúa ocasionalmente L5a, así que repite antes de descartar un endpoint. Wan 3.0 de texto a vídeo genera hasta 30 segundos con sonido, por lo que ese comportamiento también se aplica a tomas más largas.
- Desde una imagen fija, Wan 2.2 falla en lo alto de la escala. La versión base de 2.2 de imagen a vídeo conserva L1–L3, pero atenúa L4. La variante Spicy soluciona L4, no las pruebas L5, y no engloba todas las capacidades del modelo base: 2.2 base realizó L5b, mientras Spicy conservó las consecuencias pero dejó el momento clave fuera de plano. Las dos variantes LoRA, sin nada cargado, quedan entre ambos extremos.
- Wan 3.0 Prime de imagen a vídeo es la excepción de la familia 3.0: sustituye la escena L4 solicitada por algo más suave. Wan 3.0 Prime Spicy sí la realizó.
- Las imágenes fijas de Wan 2.7 difieren según la tarea. De texto a imagen atenuó todas las solicitudes L4 y L5a tanto en base como en Pro; base realizó una de las dos imágenes L3 y Pro atenuó ambas. Ambos superaron L5b, la prueba independiente que no es de contenido adulto. El endpoint de edición realiza L1 y L2 siempre, pero solo algunos prompts L4 y L5a.
Otros sitios que ofrecen la misma versión de Wan se comportan de otra forma y cambian con el tiempo. Prueba de nuevo tu propio prompt en cualquier endpoint antes de confiarle un lote.
Ilustración, no un resultado del modelo: el mismo modelo produce resultados distintos según lo que le proporciones. En Wan, texto, imagen fija y vídeo de referencia son tres puertas diferentes.
Cómo son los clips
Lo que pides y lo que no pides. Wan 2.6 de texto a vídeo mantuvo una escena L4 de guion cinematográfico durante los 5 segundos completos, sin cortes a otro plano ni cambios de sujeto. Se ciñe mucho más a lo que escribes que Wan 3.0, que intensifica la escena y añade personas. Wan 2.7 Spicy, 2.6 Spicy, 2.2 Spicy y Spicy LoRA extensión de vídeo también van a veces más allá del prompt.
El prompt prevalece sobre la imagen fija. Si la imagen muestra una persona y el prompt nombra un acompañante, Wan 2.2 Spicy lo añade. Las cuatro categorías de Wan 3.0 comenzaron con una imagen fija de una mujer sobre una cama blanca y después cortaron a la habitación roja descrita en el prompt. Describe el fotograma que has proporcionado, no otra escena.
Cómo se ve Softened. Con un prompt L5a, Wan 2.5 de texto a vídeo produjo, en dos ejecuciones, primero una pareja vestida besándose y luego, con un nuevo seed y otra redacción, un hombre con camisa sin ninguna mujer. Ambas tareas terminaron con normalidad y se cobraron.
Wan 2.5 de texto a vídeo, prompt L5a, dos ejecuciones, cinco fotogramas de cada una, de principio a fin. Sin editar.
Wan 2.2 base de imagen a vídeo conserva una imagen fija L3 tal cual, pero se queda corto en L4 (atenuado o solo insinuado). Wan 2.2 Animate puede vestir al acompañante según el clip que dirige el movimiento. Wan 2.7 de texto a imagen devuelve una imagen más suave, cobrada como siempre.
Rechazados. Wan 2.2 de texto a vídeo rechaza todos los prompts, hasta L1, y Wan 2.6 de referencia a vídeo rechaza vídeo de referencia L3. Wan 3.0 de referencia a vídeo, abierto en lo demás, también rechaza fotos de personas reales mediante una comprobación facial («The input content is suspected to include real human faces»); los personajes recurrentes necesitan rostros ilustrados, 3D o generados. Los rechazos normalmente no cuestan nada.
El aspecto cotidiano. Wan 3.0 de imagen a vídeo, a 720p con sonido, parte de una vista de espaldas y hace que la mujer se gire hacia la cámara, como pidió el prompt.
Wan 2.6 Spicy a 720p con sonido, desde una imagen fija de una mujer con bañador negro en una piscina de azotea:
Y Wan 2.2 Spicy, sin sonido y en vertical (784x1176, 5,8 segundos), con un prompt que pide una persona completamente vestida, para mostrar que las variantes Spicy también crean clips normales:
Cómo escribir prompts para Wan
- De imagen a vídeo: la imagen fija aporta el contenido y el prompt aporta el movimiento. El cuerpo, la ropa, el decorado y la luz vienen del fotograma. Escribe la acción, el ritmo y la cámara. Vuelve a describir el atuendo y Wan lo redibuja; describe otra habitación y Wan corta a ella.
- De texto a vídeo: nómbralo todo, por orden. Quién, qué lleva puesto, una acción, un movimiento de cámara, luz y sonido. Wan 2.5, 2.6, 2.7 Spicy y 3.0 producen sonido, así que dales indicaciones; Wan 2.2 y Wan 2.6 Flash son silenciosos.
- Solo algunas versiones tienen prompts negativos. Wan 2.5, 2.6 y 2.7 Spicy tienen un campo de prompt negativo, al igual que Wan 2.2 base de imagen a vídeo. Wan 3.0 y Wan 2.2 Spicy no lo tienen: expresa lo que quieres en vez de lo que no quieres («one continuous take», no «no cuts»).
1. Una persona, desde una imagen fija, a velocidad real (Wan 2.2 Spicy)
She pushes herself up from the pillows, sweeps her hair back with one hand, turns her head to the camera and exhales, then stretches both arms above her head. Real-time speed, every movement finished inside five seconds. Locked camera, warm bedside lamp.
Ejecuta este prompt en Wan 2.2 Spicy →
Para evitar la cámara lenta. Una acción pequeña extendida a cinco segundos se ve lenta, y «slowly» pide precisamente eso. Dale tres o cuatro momentos de acción y escribe «real-time speed».
Débil: «Woman on a bed moving slowly.» Wan elige el cuerpo, la habitación y la cámara, y tú has pedido lentitud. Fuerte: el prompt anterior: la misma idea, pero todas las decisiones son tuyas.
2. Mantén quieta la cámara (Wan 2.6 Spicy)
Static tripod shot: the framing stays exactly as in the first frame for the whole clip, head to knees in view. She rolls onto her side toward the camera, props her head on one hand and holds the look. Soft window light, quiet room tone.
Ejecuta este prompt en Wan 2.6 Spicy →
Para evitar que la cámara se acerque poco a poco. Define el encuadre y especifica que no cambia. En Wan 2.5, 2.6, 2.6 Flash, 2.6 Spicy y 2.7 Spicy, añade también «zoom, push-in, close-up» al campo de prompt negativo.
3. Conserva tu imagen fija (Wan 3.0)
Same woman, same bed, same room and light as the first frame, one continuous take with no cut. She turns her head toward the camera, draws one knee up and runs a hand through her hair.
Ejecuta este prompt en Wan 3.0 de imagen a vídeo →
Para evitar que el clip abandone tu imagen. Describe el fotograma que le has dado y después el movimiento; nunca otra habitación. Wan 3.0 de imagen a vídeo también funciona sin prompt y simplemente anima el fotograma. Para elegir entre texto, imagen y referencia en Wan 3.0, consulta nuestra guía de flujos de trabajo de Wan 3.0.
4. Añade una LoRA sin perder el encuadre (Wan 2.2 Spicy LoRA)
She turns her shoulders toward the camera, lets her hair fall forward, then lifts her eyes to the lens. One continuous move, framing unchanged.
Ejecuta este prompt en Wan 2.2 Spicy LoRA →
Para evitar que la LoRA repinte tu fotograma. Wan 2.2 renderiza en dos pasadas: la primera, de alto ruido, fija la composición y el movimiento; la última, de bajo ruido, fija los detalles y la textura. Sigue las instrucciones de compatibilidad de alto/bajo ruido del autor del adaptador en vez de elegir una ranura solo por su estilo. Añade una LoRA cada vez, no nombres también su estilo en el prompt y prueba la intensidad a 480p. La guía de ranuras de alto y bajo ruido profundiza en su elección.
5. Dos adultos solo desde texto (Wan 2.6)
Two adults, a man and a woman, on a white hotel bed at night. She sits facing him, arms around his neck, and they share a slow kiss. One slow orbit around the bed. Warm bedside lamp, city lights through the window, quiet breathing and distant traffic.
Ejecuta este prompt en Wan 2.6 de texto a vídeo →
Wan 2.6 se mantiene cerca de lo que escribes. Indica «two adults», quién es quién, una acción compartida y un movimiento de cámara. En Wan 3.0 el mismo prompt parte de $0.225 por 5 segundos (480p), y Wan 3.0 rellena cualquier vacío que dejes.
6. Crea primero la imagen fija (Wan 2.7 edición de imagen)
The first image is the woman. Place her on a rumpled bed in a dim hotel room lit by one bedside lamp, sitting against the headboard and looking at the camera. Keep her face and body exactly as in the reference.
Ejecuta este prompt en Wan 2.7 edición de imagen →
Es la manera de evitar las vías de texto que rechazan o reescriben. Wan 2.7 edición de imagen realiza L1 y L2 de forma fiable a $0.03 por imagen (Pro $0.075), pero solo algunos prompts L4 y L5a. Regenera por unos céntimos, revisa cada imagen y anima la elegida con el prompt 1 o 3. Para generadores de imágenes que llegan más lejos, consulta nuestra comparativa de generadores de imágenes NSFW, y para el propio editor, la guía de edición con Wan 2.7.
Qué se atenúa o rechaza y qué se realiza
| Se atenúa o rechaza | Se realiza |
|---|---|
| L4 desde una imagen fija en Wan 2.2 base o Wan 3.0 Prime | Wan 2.2 Spicy o Wan 3.0 de imagen a vídeo desde la misma imagen fija |
| L5a o L5b en Wan 2.2 Spicy | Wan 2.5 de imagen a vídeo, Wan 2.6 Flash, Wan 2.7 Spicy o Wan 3.0 |
| Una pose L3 o escena L4 en Wan 2.7 de texto a imagen: resultado más suave, cobrado | Wan 2.7 edición desde una referencia para L1 y L2; en niveles más intensos, espera regeneraciones |
| Cualquier prompt en Wan 2.2 de texto a vídeo, incluso L1: rechazado | Wan 2.2 Spicy desde una imagen fija, o Wan 2.5, 2.6 o 3.0 de texto a vídeo |
| Vídeo de referencia L3 en Wan 2.6 de referencia a vídeo: rechazado | Wan 3.0 de referencia a vídeo con imágenes de referencia L3 |
Dónde falla Wan y cómo solucionarlo
- Wan 3.0 va más allá de donde te detienes. Nombra la única acción que quieres, sin nada más vago. Si aun así intensifica la escena, cambia a Wan 2.6, que se ciñe más al guion.
- Las variantes Spicy más recientes cambian el vestuario. Wan 2.6 Spicy también muestra a veces más de lo pedido. Nombrar cada prenda y decir que sigue puesta ayuda un poco. Si la ropa debe mantenerse, usa Wan 3.0, 2.5 o 2.6 base y revisa cada clip.
- Wan 2.7 edición atenúa a la segunda persona. En las ediciones L4 el acompañante suele aparecer vestido. Regenera o construye la pose desde un fotograma con una sola persona.
- Wan 2.6 con múltiples planos corta a otra vista por diseño. Usa una sola toma cuando importe la continuidad. Nuestra guía de referencias de Wan 2.6 cubre la tarea con referencias.
- Wan 2.2 se detiene en 8 segundos. Wan 2.2 Spicy LoRA extensión de vídeo añade otros 5 u 8, o puedes pasar a Wan 2.6 (15 s) o Wan 3.0 (30 s). La guía de vídeos sin censura más largos explica cómo encadenar clips.
¿Qué Wan deberías usar?
| Quieres | Usa | Resultado obtenido | 5 s desde | |
|---|---|---|---|---|
| El clip más barato desde una imagen fija, hasta la escena con dos adultos | Wan 2.2 Spicy | L1–L4; L5 normalmente no | $0.095 (480p) | Prueba |
| El más barato desde imagen fija a vídeo que realizó todos los niveles, sin sonido | Wan 2.6 Flash | todos los niveles | $0.11 (720p) | Prueba |
| Una imagen fija con sonido, 5 o 10 s, todos los niveles | Wan 2.5 de imagen a vídeo | todos los niveles | $0.225 (480p) | Prueba |
| Una imagen fija, cualquier duración de 2 a 15 s, con sonido | Wan 2.7 Spicy | todos los niveles | $0.62 (720p) | Prueba |
| Texto, cercano a lo que escribiste | Wan 2.6 de texto a vídeo | L4, L5a | $0.45 (720p) | Prueba |
| Texto con sonido, el más barato | Wan 2.5 de texto a vídeo | todos los niveles; L5a a veces atenuado | $0.225 (480p) | Prueba |
| Texto, hasta 30 s con sonido | Wan 3.0 de texto a vídeo | todos los niveles | $0.225 (480p) | Prueba |
| Una imagen fija, hasta 30 s con sonido, todos los niveles | Wan 3.0 de imagen a vídeo | todos los niveles | $0.225 (480p) | Prueba |
| De 1080p a 4K | Wan 3.0 Pro (más barato que 3.0 base a 1080p) | L1–L5a | $0.72 (1080p) | Prueba |
| Una imagen fija y un modelo con tendencia al contenido adulto | Wan 3.0 Spicy | todos los niveles; ropa cambiada a menudo | $0.285 (480p) | Prueba |
| Tus propios archivos LoRA | Wan 2.2 LoRA o Spicy LoRA | sin LoRA cargada: L4 normalmente atenuado | $0.10 (480p) | Prueba |
| Continuar un clip | Wan 2.2 Spicy LoRA extensión de vídeo | todos los niveles | $0.19 por 5 s añadidos (480p) | Prueba |
| Tu personaje haciendo los movimientos de otra persona | Wan 2.2 Animate | casi todos los niveles | $0.265 (480p) | Prueba |
| La propia imagen fija | Wan 2.7 edición de imagen | L1 y L2; L4 y L5a parcialmente | $0.03 por imagen | Prueba |
En una frase: desde una imagen fija, Wan 2.2 Spicy si L4 te basta y cada céntimo cuenta; Wan 2.5, Wan 2.6 Flash o Wan 3.0 base si deben realizarse todos los niveles. Desde texto, Wan 3.0 o Wan 2.6 si quieres que se ciña más al guion. Para trabajar sin censura, evita Wan 2.2 base en ambas tareas, Wan 2.6 de referencia a vídeo y Wan 2.7 de texto a imagen.
¿Merece la pena Spicy? Depende de la versión.
- Wan 2.2: sí, hasta L4. La versión base de imagen a vídeo cuesta $0.24 por un clip fijo de 5 segundos sin sonido y atenúa L4. Wan 2.2 Spicy cuesta $0.095, añade clips de 8 segundos y un fotograma final, y realiza L1–L4. Ninguna variante es la respuesta para L5.
- Wan 2.6: solo si quieres esa tendencia. Wan 2.6 Flash realiza todos los niveles por $0.11 (sin sonido); Wan 2.6 Spicy cuesta $0.475 y a veces muestra más de lo pedido. Wan 2.7 Spicy es el único Wan 2.7 que produce vídeo y realiza todos los niveles.
- Wan 3.0: no por la escala. 3.0 base realiza todos los niveles a $0.045 por segundo; Wan 3.0 Spicy ($0.057) añade los cambios de ropa anteriores. El único hueco que cubre Spicy es L4 de Prime de imagen a vídeo: Prime Spicy lo realiza, pero a $0.09 por segundo frente a $0.045 de 3.0 base de imagen a vídeo, que también realiza L4. En nuestras primeras ejecuciones no fue más rápido que Wan 3.0 Spicy (de 126 a 148 segundos frente a 80–105 para clips de 5 segundos). Empieza con Wan 3.0 base de imagen a vídeo.
¿Merece la pena LoRA? Solo con tus propios archivos. Sin nada cargado, Wan 2.2 LoRA y Wan 2.2 Spicy LoRA produjeron clips idénticos fotograma a fotograma desde la misma imagen fija y el mismo prompt; ninguno superó a Wan 2.2 Spicy normal en L4, que además es más barato ($0.095 frente a $0.10 con la oferta actual). El extra de Spicy LoRA es la extensión de vídeo. Hay pesos abiertos para Wan 2.2, pero no para Wan 2.5, 2.6, 2.7 o 3.0; por eso 2.2 es el que tiene LoRA de la comunidad. Ejecutar tu propia LoRA en una API alojada explica cómo alojarlas.
Wan 3.0 no es la única familia que realizó todos los niveles: consulta la prueba de MiniMax H3 sin censura y todas las versiones de Seedance probadas.
Cuánto cuesta un clip de 5 segundos
| Wan | 480p | 720p | 1080p | 2K | 4K |
|---|---|---|---|---|---|
| 2.2, por clip fijo de 5 s | $0.24 | $0.48 | — | — | — |
| 2.2 Spicy | $0.095 | $0.19 | — | — | — |
| 2.2 LoRA / Spicy LoRA | $0.10 | $0.20 | — | — | — |
| 2.2 Spicy LoRA extensión, por 5 s añadidos | $0.19 | $0.38 | — | — | — |
| 2.5 | $0.225 | $0.45 | $0.675 | — | — |
| 2.6 | — | $0.45 | $0.675 | — | — |
| 2.6 Flash | — | $0.11 | $0.17 | — | — |
| 2.6 Spicy | — | $0.475 | $0.71 | — | — |
| 2.7 Spicy | — | $0.62 | $0.95 | — | — |
| 3.0 | $0.225 | $0.45 | $0.90 | — | — |
| 3.0 Spicy | $0.285 | $0.57 | $1.14 | — | — |
| 3.0 Prime | $0.31 | $0.63 | $1.26 | — | — |
| 3.0 Prime Spicy | $0.45 | $0.90 | $1.80 | — | — |
| 3.0 Pro | — | — | $0.72 | $0.80 | $0.92 |
| 3.0 Pro Prime | — | — | $1.17 | $1.26 | $1.40 |
Los precios LoRA incluyen la oferta actual «LoRA price drop» del 15% ($0.12 y $0.24 sin ella); la extensión de vídeo no tiene oferta. Wan 2.2 Animate se cobra según la duración del clip que dirige el movimiento: $0.265 por 5 segundos a 480p y $0.55 a 720p. Wan 2.7 edición cuesta $0.03 por imagen; Wan 2.7 Pro, $0.075. Los precios son las tarifas por segundo multiplicadas por cinco; cada página del modelo muestra la estimación actual antes de enviar la tarea.
Cómo usar Wan: primero Playground y después la API
En el Playground. Crea una cuenta, abre la página de la tarea del modelo y quédate en la pestaña Playground. Para Wan 2.2 Spicy de imagen a vídeo:
- Arrastra tu imagen fija a Input image (JPG, PNG, WEBP o GIF, hasta 10 MB). Define el cuerpo, el vestuario, el decorado, la luz y la relación de aspecto.
- Pega uno de los prompts anteriores en Prompt. Describe solo el movimiento y la cámara.
- Ajusta Duration (5 u 8 segundos) y Resolution (480p o 720p). Ambos cambian el precio; haz los borradores a 480p.
- Si quieres, añade un Closing frame para fijar el final o un Seed para comparar ajustes sobre la misma imagen fija.
- Ejecuta la tarea. El precio se muestra antes de cualquier cobro.
Los campos cambian según la versión de Wan y la tarea, así que sigue el formulario de cada página: Wan 3.0 de texto a vídeo parte solo del prompt, y las tareas de referencia de 3.0 y 2.6 aceptan imágenes o vídeo de referencia.
Después, la API, cuando un prompt funcione y quieras usarlo en tu propia aplicación. La misma llamada a Wan 2.2 Spicy, con tu propia imagen fija:
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-spicy/image-to-video",
"input": {
"image_url": "https://cdn.example.com/your-still.png",
"prompt": "She pushes herself up from the pillows, sweeps her hair back with one hand, turns her head to the camera and exhales, then stretches both arms above her head. Real-time speed, every movement finished inside five seconds. Locked camera, warm bedside lamp.",
"duration_seconds": 5,
"resolution": "480p"
}
}'Los campos, el sondeo, las descargas y los errores están en la referencia de la API. Un prompt rechazado falla con content_rejected: cambia el prompt o el modelo en vez de volver a intentarlo sin modificaciones.
O deja que un agente lo ejecute. Un agente puede realizar la misma llamada mediante la CLI, el servidor MCP o el Agent Skill. Los tres leen el esquema actual del modelo; CLI y MCP muestran el precio y piden confirmación antes de crear una tarea. Con SPICY_API_KEY configurada:
# CLI
npx @spicyapi/cli tasks create --model alibaba/wan-2.2-spicy/image-to-video \
--input-json '{"image_url": "https://cdn.example.com/your-still.png", "prompt": "She turns her head to the camera and exhales. Locked camera, warm bedside lamp.", "duration_seconds": 5, "resolution": "480p"}' --wait
# MCP server: the command your assistant's MCP config runs
npx --yes --package=@spicyapi/mcp spicyapi-mcp
# Agent Skill
npx skills add spicyapi-ai/spicy-skillFAQ
¿Wan 2.2 es sin censura?
En parte. Wan 2.2 base de imagen a vídeo conserva L1–L3, pero es Softened: atenúa L4. Wan 2.2 Spicy realiza L1–L4; respetó uno de los cuatro clips L5a y atenuó las tres pruebas L5b. Las variantes LoRA y Wan 2.2 Animate también son Uncensored, con los fallos indicados en la tabla. Wan 2.2 de texto a vídeo es Filtered: lo rechaza todo, incluido L1.
¿Wan 3.0 es sin censura?
Sí: Wan 3.0 base realizó todos los niveles con entradas de texto, imagen y referencia, y a menudo añade más de lo pedido. Wan 3.0 Prime de imagen a vídeo es la excepción (L4 atenuado), y las variantes Spicy realizan todos los niveles pero cambian el vestuario.
¿Wan 2.6 puede generar NSFW?
Sí. Wan 2.6 base realizó L4 y L5a desde texto y L5a desde una imagen fija. Wan 2.6 Flash realizó todos los niveles; Wan 2.6 Spicy falló en un clip L4. Wan 2.6 de referencia a vídeo es Filtered y rechaza vídeo de referencia L3. Dónde lo ejecutas importa tanto como la versión; otros sitios son distintos.
¿Por qué Wan rechaza texto a vídeo cuando imagen a vídeo funciona?
En Wan 2.2 la vía de texto es Filtered: lo rechaza todo, incluido L1. Wan 2.5, 2.6 y 3.0 de texto a vídeo realizan las solicitudes (Wan 2.5 atenúa ocasionalmente L5a, así que repite antes de cambiar). O crea primero la imagen fija (prompt 6) y anímala con Wan 2.2 Spicy.
¿Por qué mis vídeos Wan salen en cámara lenta?
Hay poca acción y demasiadas palabras sobre el ritmo. Dale tres o cuatro acciones, escribe «real-time speed» y elimina «slowly». Consulta el prompt 1.
¿Wan es de código abierto y puedo ejecutarlo sin censura en mi propia GPU?
La organización oficial Wan-AI en Hugging Face ofrece pesos abiertos para Wan 2.1 y 2.2 (y las variantes Animate y Dancer), pero ninguno para Wan 2.5, 2.6, 2.7 o 3.0, que solo funcionan mediante API alojadas. Ejecutar tú mismo los pesos de Wan 2.2 significa que no hay un filtro del alojamiento delante del modelo.
¿La versión Spicy es peor para vídeos SFW cotidianos?
También hace clips normales: el clip del gimnasio anterior es Wan 2.2 Spicy con un prompt de persona completamente vestida. Pero las variantes Spicy más recientes tienden al contenido adulto por sí mismas y cambian la ropa a menudo; para trabajos sensibles al vestuario, usa la versión base.
¿Pago por clips rechazados o atenuados?
Atenuados: sí, al precio normal. Rechazados: normalmente no, porque la tarea fallida libera íntegramente el importe retenido. Por eso debes revisar el clip, no el estado: para la API un clip atenuado es un éxito.
Tu responsabilidad
No añadimos ningún filtro adicional de contenido por nuestra parte. Todas las personas en pantalla deben ser adultas. Toda persona real e identificable debe haber dado su consentimiento, también para una imagen fija o una LoRA entrenada con su apariencia. Necesitas los derechos de todo lo que subas y eres responsable de cumplir la ley donde publiques. SpicyAPI no está disponible en todos los países; consulta la lista de disponibilidad en nuestra política de contenido y uso antes de construir sobre ella.
Ejecuta tu primer clip
Abre Wan 2.2 Spicy en el Playground, sube una imagen fija y pega el prompt 1. Haz un borrador a 480p por $0.095 y después pasa a 720p, o a Wan 3.0 de imagen a vídeo cuando el movimiento esté bien y necesites todos los niveles o hasta 30 segundos.
