Ir al contenido principal

Wan 3.0 de Alibaba edita un clip de 1 a 15 segundos con una sola instrucción —ropa nueva, otra luz, otro clima o una línea de diálogo reescrita— mientras el elenco, su movimiento y el recorrido de la cámara se mantienen con la duración del original, de 480p a 1080p y con sonido acorde.

Desde $0.045/s10% por debajo del precio oficial

Playground

Entrada

Edición de video
Empieza con “Edit the video:”, nombra el cambio y luego enumera lo que no debe moverse. El original es Video 1; las imágenes fijas extra son Image 1, Image 2 y los clips de voz o música Audio 1, Audio 2, en el orden en que los subes. Wan 3.0 deduce la intención de la redacción, así que un prompt que solo describe una escena puede volver como una toma nueva inspirada en el clip en lugar de una edición. mínimo 1 caracteres
0/10

Arrastra archivos o enlaces multimedia, pega o selecciona · Hasta 10 archivos · Máx. 10 MB · JPG · PNG · WEBP · GIF

0 / 10 archivos
Opcional: hasta 10 imágenes fijas del aspecto que buscas —una chaqueta, un sombrero, la ambientación—. Nombra cada una en el prompt (“el sombrero de Image 1”); las imágenes nunca cambian el costo de una edición con Wan 3.0. mínimo 1 elementos · máximo 10 elementos
afecta al precio1/1

Suelta un video o elige un archivo · 1 archivo · Máx. 90 MB · MP4

  • 1
1 / 1 archivos
El clip que vas a editar: un MP4 de 1 a 15 segundos, con cada lado entre 240 y 4096 píxeles. Lo que quede fuera del rango de 1–15 segundos se rechaza antes de cobrar, y la edición vuelve con la misma duración y relación de aspecto que el clip enviado. mínimo 1 caracteres
0/5

Suelta un audio o elige un archivo · Hasta 5 archivos · Máx. 90 MB · MP3 · WAV

0 / 5 archivos
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
afecta al precio
480p, 720p (predeterminada) o 1080p. El ajuste fija la cantidad de píxeles y la tarifa por segundo; la forma del cuadro sigue al original, de modo que un clip cuadrado vuelve cuadrado.
Generar audio
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—. Desactivado, la edición vuelve sin ninguna pista de audio. El costo no varía con este ajuste.
Seed
Entero opcional de 0 a 2147483647. Repetir la semilla facilita comparar dos ediciones de Wan 3.0, pero no garantiza fotogramas idénticos. no menor que 0 · no mayor que 2147483647
Filtro de seguridadDesactivado

SpicyAPI no ejecuta ningún filtro de seguridad en este modelo. Tu prompt y tus medios llegan al modelo tal como los escribes, y el propio modelo decide el resultado.

Comprobando tu cuenta antes de habilitar el envío y el cálculo de precios.

Salida

Listo para una nueva ejecución

Modelos relacionados y tareas siguientes

¿No está el modelo que buscas?

API DE VÍDEO SIN CENSURA

Convierte texto, un fotograma o diez refs en 2 a 30 s con sonido.

Cifras clave

Endpoints
5
Wan 3.0 separa escenas escritas, animación de una imagen inicial, extensión de clips, creación con referencias y edición de un clip existente en cinco endpoints; elige según los materiales que ya tengas.
Duración
2–30S
Cualquier número entero de segundos en una solicitud; 5 por defecto.
Resolución máx.
1080P
Wan 3.0 ofrece aquí 480p, 720p y 1080p, con 720p como valor predeterminado; la resolución define la tarifa por segundo y puede afectar el tiempo de espera.
Sonido
AUDIO
Wan 3.0 genera sonido junto con la imagen de forma predeterminada; generate_audio=false entrega el nuevo video sin sonido y no cambia la tarifa.
Referencias
10+5+5
Hasta 10 imágenes más 5 videos y 5 archivos de audio en una llamada con referencias.
Formatos
5
16:9, 9:16, 1:1, 4:3 y 3:4; el image-to-video puede heredar la del fotograma de origen.

Antes de gastar

Todos los modos

Para Wan 3.0 puedes pedir un entero de 2 a 30 segundos, con 5 como valor predeterminado, o -1 para una duración automática; en ese caso se reservan 30 segundos y se liquida según la duración entregada. Wan 3.0 ofrece aquí 480p, 720p y 1080p, con 720p como valor predeterminado; la resolución define la tarifa por segundo y puede afectar el tiempo de espera. En tu producción Wan 3.0, consigue permisos para cada imagen, clip y voz, verifica consentimiento y privacidad, y pide una revisión humana del corte final antes de publicarlo. El alcance de contenido de Wan 3.0 en SpicyAPI no elimina tus obligaciones sobre personas adultas, consentimiento, derechos y uso legal; los ejemplos públicos deben ser aptos para una audiencia general.

Texto a video

Aquí es donde se nota el margen sin censura: un beso entre dos mujeres en un callejón de neón salió solo del texto, y esa misma redacción la rechaza el filtro de contenido en los modelos de algunos creadores. Lo que el texto por sí solo no te da es una cara o una prenda concretas: sin referencia el modelo inventa ambas y las repeticiones derivan.

Imagen a video

La vía más literal. Tu propio fotograma de apertura sujeta el vestuario, la figura y el decorado, así que al prompt solo le queda cargar con el movimiento. Añade last_image_url cuando importe el final. Omite aspect_ratio y el clip hereda la forma del fotograma de origen; enviar una proporción que no cuadre lo recorta.

Referencia a video

Wan 3.0 permite asignar funciones distintas a imágenes, videos de movimiento, sonido, un documento o una página pública para que la descripción de un producto y sus referencias guíen la misma toma. Capacidad de referencia Wan 3.0: 10 imágenes + 5 videos + 5 audios; video y audio tienen cada uno un límite acumulado independiente de 15 segundos. Wan 3.0 admite hasta 5 referencias de movimiento, cada una de 1 a 15 segundos y 15 segundos en total; referencia y salida deben sumar como máximo 30 segundos y ambas se cobran. Cada MP4 o MOV requiere al menos 16 fps, 240–4096 px por lado, máximo 8:1 y 100 MB; un clip puede fallar durante la generación aunque la tarea haya sido aceptada.

Lo que hace el modelo

Escenas de dos

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 va con la imagen

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.

Control por referencias

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.

Creado con Wan 3.0

  • 5 s
  • 5 s
  • Ejemplo Wan 3.0 de texto a video: 5 s en 720p y 16:9, con sonido creado junto con la imagen.
    5 s
  • Escena de autocine con Wan 3.0: 5 s desde texto en 720p y 16:9, con sonido generado.
    5 s
  • 5 s
  • 5 s
  • 5 s
  • 5 s
  • 10 s
  • 8 s
  • 5 s
  • 5 s
  • 10 s

Dónde encaja

  • 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.

Referencia del modelo

Referencia de la API de Wan 3.0

Especificaciones de la API de Wan 3.0

Fabricante
Alibaba
Endpoints publicados
text-to-video, image-to-video, video-extend, reference-to-video, video-edit
Duración del clip
Para Wan 3.0 puedes pedir un entero de 2 a 30 segundos, con 5 como valor predeterminado, o -1 para una duración automática; en ese caso se reservan 30 segundos y se liquida según la duración entregada.
Resolución
Wan 3.0 ofrece aquí 480p, 720p y 1080p, con 720p como valor predeterminado; la resolución define la tarifa por segundo y puede afectar el tiempo de espera.
Proporciones
16:9, 9:16, 1:1, 4:3, 3:4
Audio
Wan 3.0 genera sonido junto con la imagen de forma predeterminada; generate_audio=false entrega el nuevo video sin sonido y no cambia la tarifa.
Límites de referencias
Capacidad de referencia Wan 3.0: 10 imágenes + 5 videos + 5 audios; video y audio tienen cada uno un límite acumulado independiente de 15 segundos.
Contenido
Sin censura; sin declaración por solicitud

Cómo llamar a la API de Wan 3.0

  1. 1. Elige el endpoint según lo que ya tengas

    Wan 3.0 separa escenas escritas, animación de una imagen inicial, extensión de clips, creación con referencias y edición de un clip existente en cinco endpoints; elige según los materiales que ya tengas.

  2. 2. Escríbelo como sujeto → acción → cámara → luz y sonido

    Para Wan 3.0, explica primero la acción y el ritmo de cámara, después la luz y el sonido; si adjuntas referencias, aclara qué aporta Image 1, Video 1 o Audio 1.

  3. 3. Envía en asíncrono y luego consulta o recibe el callback

    Manda la llamada de creación con un Idempotency-Key, guarda el id de la tarea y consúltala o registra una URL de callback. Cambia un solo campo por repetición y mantén la seed: es la única forma de saber si movió el resultado la resolución o la redacción.

En resumen

Wan 3.0 convierte una escena escrita en un video de 2 a 30 segundos con sonido opcional generado a la vez; sin una imagen de entrada, el texto define a los personajes y el escenario. En Wan 3.0, image_url fija la composición inicial; last_image_url también puede fijar la final, mientras el prompt describe el movimiento entre ambas. Wan 3.0 permite asignar funciones distintas a imágenes, videos de movimiento, sonido, un documento o una página pública para que la descripción de un producto y sus referencias guíen la misma toma. La extensión de Wan 3.0 en SpicyAPI extrae el último fotograma del original, genera una continuación mediante imagen a video y une las dos partes; el modelo no observa el movimiento previo del clip. El alcance de contenido de Wan 3.0 en SpicyAPI no elimina tus obligaciones sobre personas adultas, consentimiento, derechos y uso legal; los ejemplos públicos deben ser aptos para una audiencia general.

Preguntas sobre la API de Wan 3.0

Todos los modelos Wan22

Modelos de video18