El reference-to-video de Wan 3.0 Prime mantiene un rostro, vestuario, lugar o voz en un clip con hasta 10 imágenes, 5 videos y 5 archivos de audio. Entrega 2 a 30 segundos de 480p a 1080p; el video y el audio de referencia, de 15 segundos como máximo cada uno.
Playground
Estos ejemplos se escribieron para este endpoint. Cambia el prompt y las URL de ejemplo por archivos tuyos accesibles y, antes de enviar, revisa la estimación al día y la disponibilidad del modelo.
- Salida5 s
motion-style-copy El clip de referencia es una botella girando bajo un foco, un sujeto totalmente distinto — y ese es justo el punto: `reference_video_urls` solo transporta la órbita de cámara en mano, no el sujeto. `reference_image_urls` aporta la cara y el vestido de la mujer en un estudio vacío que el prompt nunca describe. En `duration_seconds` `5` el cuadro deriva de frontal a un ángulo de tres cuartos, conservando la inestabilidad de cámara en mano del clip original.
- 720p
- 5s
- Salida2 s
same-anchor-same-voice Tres imágenes —una presentadora en la mesa del estudio y dos primeros planos— sostienen el rostro y el decorado a lo largo de los planos; esta ejecución envió solo imágenes, sin sonido, así que aquí nada fija la voz. Para eso están las referencias de audio: el endpoint admite hasta diez imágenes, cinco clips y cinco pistas de audio juntos, y la voz es la parte que se olvida fácil: una presentadora que se ve continua pero suena distinta entre tomas sigue siendo discontinua. El prompt entonces solo tiene que describir el movimiento, un acercamiento que termina en un encuadre concreto, porque la identidad ya la cargan las referencias.
- 480p
- 3:4
- 2s
- Salida5 s
moon-dune-scarf Una sola plancha de identidad, tomada en plano frontal sobre fondo de estudio liso, y todo lo demás de la escena —el campo de dunas, la luna, el viento— escrito desde cero. Lo difícil es el pañuelo: varios metros que ondean y se enroscan sobre ella y que al final de la toma siguen sujetos al mismo brazo.
- 720p
- 16:9
- 5s
Este ejemplo parte de $0.061 por segundo de salida. El Playground actualiza la estimación cada vez que cambias los ajustes.