Introducción
Wan 3.0 no tiene un modelo de edición aparte: el mismo modelo todo en uno pasa a editar cuando tu clip llega como Video 1 junto con un prompt que pide un cambio. Todo lo que el prompt no menciona se toma del original, así que el ritmo, el encuadre y la relación de aspecto se conservan.
| Campo | Valor |
|---|---|
| Entrada | Video |
| Salida | Video |
| Desarrollador | Alibaba |
| Clip original | MP4, 1–15 s, 240–4096 px por lado |
| Resolución | 480p, 720p o 1080p; 720p si no eliges otra |
| Referencias | Opcionales: 10 imágenes fijas, 5 clips de audio (15 s en total) |
| Sonido | Se genera de nuevo para la edición; desactivado, sin pista |
| Cobro | Segundos del original más segundos editados, tarifa según resolución |
Funciones y aspectos destacados
Besos que otros modelos rechazan
El clip de esta página es una única tirada de text-to-video de cinco segundos: dos mujeres bajo un mismo paraguas en un callejón de neón, terminando en un beso. Esa misma redacción la rechaza el filtro de contenido en los modelos de algunos creadores. Wan 3.0 la aceptó, sostuvo las dos caras durante el travelling de acercamiento y devolvió la lluvia en la banda sonora en la misma pasada.
El sonido cuadra con la imagen
La generación de audio está activa por defecto, así que una solicitud devuelve un solo archivo, con los pasos cayendo en el fotograma que les toca y la lluvia subiendo mientras la cámara se acerca. No hay un segundo trabajo que lanzar ni una pasada de sincronización después. Desactívalo solo si piensas ponerle música tú.
Diez imágenes, cinco clips y cinco voces
El reference-to-video admite hasta diez imágenes, cinco videos y cinco archivos de audio en una solicitud, de modo que una cara, un vestuario, una placa de localización y una voz pueden entrar en el mismo plano. Di en el prompt para qué sirve cada referencia: un montón sin etiquetar acaba promediado en algo que no se parece a ninguna.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | Empieza con “Edit the video:”, nombra el cambio y luego enumera lo que no debe moverse. mínimo 1 caracteres |
reference_image_urls | No | Opcional: hasta 10 imágenes fijas del aspecto que buscas —una chaqueta, un sombrero, la ambientación—. mínimo 1 elementos · máximo 10 elementos |
video_url | Sí | El clip que vas a editar: un MP4 de 1 a 15 segundos, con cada lado entre 240 y 4096 píxeles. mínimo 1 caracteres |
reference_audio_urls | No | Opcional: hasta 5 clips, 15 segundos en total, que marcan una voz, un acento o un fondo musical para la banda sonora nueva; menciónalos como Audio 1, Audio 2. No se cobran. mínimo 1 elementos · máximo 5 elementos |
resolution | No | 480p, 720p (predeterminada) o 1080p. |
generate_audio | No | Activado de forma predeterminada: Wan 3.0 crea una banda sonora nueva para la imagen editada —lluvia para una noche lluviosa, una línea de diálogo nueva si la pides—. Valor predeterminado: |
seed | No | Entero opcional de 0 a 2147483647. Repetir la semilla facilita comparar dos ediciones de Wan 3.0, pero no garantiza fotogramas idénticos. |
Precios
Una edición con Wan 3.0 se cobra como un video de referencia: los segundos del clip original, redondeados hacia arriba a segundos enteros, más los segundos medidos del clip editado, ambos con la tarifa por segundo de la resolución elegida. Como la edición dura lo mismo que el original, un clip de 5 segundos suma unos 10–11 segundos cobrados; las imágenes y el audio de referencia no agregan costo.
| Especificación | Precio |
|---|---|
| $0.045 / segundo |
| $0.09 / segundo |
| $0.18 / segundo |
Casos de uso
Escenas sin censura que otros rechazan
Parejas de cualquier género, un beso bajo la lluvia, dos personas en un mismo cuadro. Prompts escritos así de claro se rechazan en el filtro de contenido de varios modelos de video de la competencia. Wan 3.0 los ejecuta, y tu propio fotograma de apertura es la vía más rápida para obtener un resultado fiel a lo que escribiste.
Versiones verticales en volumen
Pon aspect_ratio en 9:16, deja la duración en cinco o seis segundos y recorre la misma lista de planos con varias seeds. Como la base sonora vuelve dentro del archivo, un clip se puede publicar tal cual sale de la API sin pasada de música, y eso es lo que hace realista una semana de cuarenta clips.
Videos de producto a partir de un solo packshot
El image-to-video toma el packshot como fotograma de apertura y last_image_url como cierre, así que una botella puede girar, atrapar un brillo y volver al ángulo principal en cinco segundos. El texto de la etiqueta y la silueta sobreviven porque los dos extremos del movimiento están sujetos.
Series donde el personaje no cambia
Manda la misma placa de rostro y las mismas fotos de vestuario al reference-to-video en cada plano de un episodio, reutiliza una seed y un esqueleto de prompt, y cambia solo la línea de acción. El reparto sigue siendo reconocible en una docena de clips renderizados por separado.
Guía de prompts y consejos prácticos
Recorta el fragmento que quieres cambiar
Deja la parte a editar en 1–15 segundos y envíala como
video_url. La edición hereda esa duración y la forma del cuadro, así que recorta antes en lugar de pedirle a Wan 3.0 que acorte.Escribe el prompt como una edición
Escribe “Edit the video:” seguido de un cambio claro y luego lo que debe quedarse —rostro, pose, movimiento, cámara—. Agrega imágenes fijas solo cuando las palabras no alcancen para definir una prenda o un objeto, y llámalas Image 1, Image 2.
Compáralo con el original
Avanza la edición cuadro por cuadro junto al original. Si las personas o la cámara se mueven distinto, el prompt se leyó como una escena nueva: recórtalo al cambio en sí y vuelve a indicar lo que se mantiene fijo.
Qué hace la edición de video de Wan 3.0
Alibaba creó Wan 3.0 como un único modelo todo en uno, no como una familia de modelos por tarea. Dale un clip como Video 1 y un prompt que pida un cambio, y edita: ropa, color, luz, clima, hora del día, un objeto que se agrega o se quita, el estilo general o las palabras que alguien dice. Lo que el prompt no menciona se lee del original, y por eso las personas, su movimiento y el recorrido de la cámara sobreviven a la edición.
Qué clips acepta Wan 3.0 para editar
Envía un MP4 de 1 a 15 segundos cuyos lados midan entre 240 y 4096 píxeles. Los clips fuera de ese rango de duración se rechazan antes de cobrar nada. El archivo editado vuelve con la misma duración y relación de aspecto —un clip horizontal de 5,04 segundos regresa como 5,04 segundos en horizontal—, así que no hay campos de duración ni de formato.
Cómo redactar una edición para Wan 3.0
Empieza con un verbo de edición. “Edit the video:”, change, replace, remove y add le indican a Wan 3.0 que trabaje sobre el material en lugar de tomarlo como inspiración suelta. Pon primero el cambio y después los puntos fijos: “Edit the video: change her raincoat to yellow oilskin. Keep her face, her walk and the camera move exactly as in Video 1.” Un cambio claro por solicitud se sostiene mejor que una lista de cinco.
Editar con imágenes y audio de referencia
Hasta 10 imágenes fijas pueden mostrar un aspecto difícil de describir: un sombrero concreto, una tela estampada, una habitación. Se numeran en el orden de subida y se nombran en el prompt: “se pone el sombrero de Image 1”. Hasta 5 clips de audio, 15 segundos en total, pueden marcar una voz o un fondo musical como Audio 1, Audio 2. Ninguno de los dos cambia el precio.
Qué pasa con la banda sonora
Con generate_audio activado (predeterminado), Wan 3.0 crea sonido nuevo para la imagen editada: una escena nocturna con lluvia en el vidrio recibe lluvia, y una línea de diálogo citada se pronuncia. El audio del original no se copia. Desactiva generate_audio para recibir un archivo mudo y vuelve a colocar tu pista original en la posproducción.
Resolución y forma del cuadro
Elige 480p, 720p o 1080p. El ajuste define la cantidad de píxeles y la tarifa por segundo, mientras el cuadro conserva las proporciones del original: un original de 1916×1082 editado a 720p volvió en 1276×720, y un original cuadrado sigue cuadrado. Ninguna resolución recupera detalle que el original no tenía.
Cómo se cobra una edición de Wan 3.0
El cobro sigue la regla del video de referencia: el clip original cuenta en segundos enteros redondeados hacia arriba y el clip editado según su medición, ambos con la tarifa por segundo de tu resolución. Como la edición dura lo mismo que el original, el total ronda el doble del clip. Antes del envío, la retención cubre el original más hasta 15 segundos editados, y la parte no usada se libera cuando se mide el resultado.
Qué material puedes editar
Edita solo material que hayas grabado o que tengas permiso para cambiar, con adultos que aceptaron ser filmados, y nunca uses una edición para poner a una persona real en una escena que no aceptó.
La plataforma no agrega filtro de contenido a las ediciones de Wan 3.0, por lo que el consentimiento, los derechos de imagen y la ley local quedan a tu cargo; los ejemplos publicados en esta página son aptos para todo público.
Edita solo material que hayas grabado o que tengas derecho a modificar, con adultos que aceptaron aparecer; una edición con Wan 3.0 nunca debe colocar a una persona real en una escena que no consintió.
Inicio rápido de la API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0/video-edit",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.





















