Wan 3.0, de Alibaba, crea una toma de hasta 30 segundos y añade el sonido en la misma pasada. Escribe un prompt o parte de una foto.
Cada idea nombra lo que se oye además de lo que se ve. Haz clic en una para cargarla en el generador y luego hazla tuya.
IlustraciónTexto a vídeo · 16:9 · 5 s
Prompt: Night street in heavy rain: a violinist plays a slow melody under a lamp post, umbrellas pass behind him, the camera pushes in slowly. Sound: violin melody, steady rain on the pavement, distant footsteps
IlustraciónTexto a vídeo · 16:9 · 5 s
Prompt: Wide shot of a stormy coast: big waves crash against black rocks and throw spray into the air, dark clouds roll overhead, a beam of light breaks through. Sound: crashing waves, howling wind, low thunder at the end
IlustraciónTexto a vídeo · 16:9 · 5 s
Prompt: Handheld walk through a busy night market: steam rises from food stalls under red lanterns, a cook turns skewers on a grill, people pass by. Sound: sizzling grill, crowd chatter, a vendor calling out once
IlustraciónTexto a vídeo · 16:9 · 5 s
Prompt: Slow aerial shot at sunrise: a colorful hot air balloon rises over green hills and morning mist, the burner flares once. Sound: soft wind, the roar of the burner, birds waking up
Wan 3.0 es el modelo de vídeo con IA de Alibaba, lanzado en agosto de 2026. Convierte un prompt, una foto o un primer y un último fotograma en una toma continua de hasta 30 segundos, y crea el sonido en la misma pasada, así que la lluvia, los pasos y los motores acompañan lo que ocurre en pantalla.
En Imgveo, Wan 3.0 renderiza en 480p, 720p o 1080p y cuesta 16 créditos por segundo en 720p. El sonido forma parte de ese precio, no es un extra, y los clips fallidos se reembolsan.
Wan 3.0 Prime es la versión más rápida del mismo modelo. Tiene las mismas duraciones, resoluciones y sonido, y cuesta más por segundo, así que encaja mejor con los plazos ajustados que con los borradores.
Lo que puedes generar ahora mismo. Cada cifra sale de los propios ajustes del generador.
No es una ilustración: generamos este clip en Imgveo con el prompt y los ajustes de abajo, y no se editó nada después. Activa el sonido.
Prompt
A dog barks twice at a passing bicycle on a quiet street, birds chirping, a car horn in the distance
El prompt pide dos ladridos, el canto de los pájaros y un claxon a lo lejos. Reprodúcelo con sonido y juzga cuánto se ha acercado Wan 3.0.
La misma familia, el doble de duración y, por primera vez, con sonido. Los dos modelos funcionan en Imgveo, y cada fila de abajo sale de los ajustes del generador.
| Wan 2.7 | Wan 3.0 | |
|---|---|---|
| Toma más larga | 15 s | 30 s |
| Resolución | 720p / 1080p | 480p / 720p / 1080p |
| Sonido | Ninguno | Creado en la misma pasada |
| Primer y último fotograma | Hasta 5 s | Hasta 30 s |
| Créditos por segundo, 720p | 16 | 16 |
Ahora una toma llega a 30 segundos en lugar de 15, así que una escena puede crecer y cerrarse sin un solo corte.
Los clips de Wan 2.7 eran mudos. Wan 3.0 añade ambiente y efectos que siguen a la imagen, sin coste extra.
El modo de primer y último fotograma ahora llega a 30 segundos; en Wan 2.7 se quedaba en 5.
480p a 8 créditos por segundo te permite probar una idea por la mitad del precio de 720p.
Los tres funcionan en Imgveo. Wan 3.0 y Prime comparten todos los ajustes; Prime es más rápido y cuesta más. Wan 2.7 se mantiene para clips sin sonido.
La opción por defecto: borradores en 480p, clips finales en 720p o 1080p, hasta 30 segundos con sonido.
5 s a 720p: 80 créditos
La versión más rápida. Elígela cuando importe más el plazo de entrega que los créditos.
5 s a 720p: 130 créditos
Clips sin sonido de hasta 15 segundos en 720p o 1080p, para trabajos que ya funcionan bien con él.
5 s a 720p: 80 créditos
| Wan 3.0 | Wan 3.0 Prime | Wan 2.7 | |
|---|---|---|---|
| Toma más larga | 30 s | 30 s | 15 s |
| Sonido | Sí | Sí | No |
| Créditos por segundo, 480p | 8 | 13 | — |
| Créditos por segundo, 720p | 16 | 26 | 16 |
| Créditos por segundo, 1080p | 32 | 51 | 24 |
Créditos por segundo de vídeo. Los tiempos de renderizado dependen de la duración, la resolución y la cola.
Sin software de edición ni configuración: el generador de la parte superior de esta página hace todo el trabajo.
Elige Wan 3.0 o Prime y luego escribe un prompt, sube una foto como primer fotograma o sube un primer y un último fotograma.
Cuenta qué ve la cámara y qué ocurre, y añade una breve línea de sonido. El método Sound Cue de más abajo te enseña cómo.
Elige de 5 a 30 segundos y 480p, 720p o 1080p; el botón muestra los créditos exactos. Descarga el MP4 con su banda sonora.
Wan 3.0 construye la banda sonora a partir de tus palabras. Si no mencionas el sonido, lo adivina; si lo nombras en cuatro capas, el clip suena como lo imaginabas.
El plano y el lugar: «Calle de noche bajo una lluvia intensa, un violinista junto a una farola».
Qué se mueve y cuándo: «Toca una melodía lenta mientras pasan paraguas a su espalda».
El colchón de sonido que nunca se detiene: «lluvia constante, tráfico lejano».
Uno o dos eventos cortos ligados a un momento: «una puerta de coche se cierra de golpe una vez cerca del final».
Vago
A beach at sunset, relaxing vibe
Con sound cues
Wide shot of a beach at sunset, small waves roll in, a dog runs along the waterline. Sound: soft waves, a dog barking twice, gulls in the distance
«Lluvia sobre un tejado de chapa» le da al modelo algo que crear. «Ambiente melancólico» no.
«Ladra dos veces» o «trueno al final» sitúa el sonido; «ladridos» puede llenar todo el clip.
Una línea de sonido saturada se convierte en ruido. Quédate con un ambiente y uno o dos eventos.
Termina el prompt con «Sound: …» para que la banda sonora nunca se mezcle con lo que debe verse en pantalla.
Plano, sujeto y acción, escenario y luz, y por último el sonido. Cuatro partes, en ese orden, cubren casi cualquier clip de Wan 3.0.
Primero el tamaño de plano y el movimiento de cámara: general, primer plano, cámara en mano, aéreo o fijo.
Quién o qué sale en pantalla y qué hace. Planifica un momento clave cada 5 a 10 segundos.
Dónde y cuándo: una calle lluviosa de noche, una cocina al mediodía, colinas al amanecer.
Un ambiente y uno o dos sonidos puntuales, después de «Sound:» al final.
Sustituye las palabras entre corchetes. Cada plantilla está escrita para la duración indicada.
Texto a vídeo · 16:9 · 10 s
[Close-up, slow push-in]: [dish] being [cooked or served] in [kitchen or restaurant], [steam, flames or sauce detail]. Ends on the finished plate. Sound: [cooking sound], [kitchen ambience], [one spot sound]
Texto a vídeo · 16:9 · 15 s
[Handheld walk] through [place] at [time of day], [weather], [people or traffic detail]. The camera turns toward [landmark]. Sound: [ambience], [distant sound], [one spot sound]
Imagen a vídeo · 9:16 · 10 s
The person in the photo [action] in [setting]. The camera [move]. At the end they [second action]. Sound: [ambience], [a sound tied to the action]
Texto a vídeo · 16:9 · 30 s
[One continuous tracking shot]: [subject] [first beat]. Then [second beat]. Then [third beat]. Ends with [final image]. Sound: [ambience throughout], [spot sound at the second beat], [spot sound at the end]
Sin una línea de sonido, Wan 3.0 elige su propia banda sonora. Nombra al menos el ambiente.
Tres eventos en un clip de 5 segundos se sienten apresurados. Guarda las historias de varios momentos para las duraciones más largas.
Wan 3.0 llega hasta 1080p. Si quieres un archivo 4K, escala el clip terminado en lugar de volver a renderizarlo.
Pagas por segundo de vídeo, y el sonido no cuesta nada más. Cada número de abajo sale del mismo código que fija el precio del generador.
| Duración | 480p | 720p | 1080p | Prime 720p |
|---|---|---|---|---|
| Por segundo | 8 | 16 | 32 | 26 |
| 5 segundos | 40 | 80 | 160 | 130 |
| 10 segundos | 80 | 160 | 320 | 260 |
| 15 segundos | 120 | 240 | 480 | 390 |
| 20 segundos | 160 | 320 | 640 | 520 |
| 30 segundos | 240 | 480 | 960 | 780 |
Créditos por clip. El sonido está incluido.
Créditos = segundos × la tarifa por segundo. Un clip de 10 segundos a 1080p cuesta 320 créditos; el mismo clip en Prime cuesta 510.
Los 1500 créditos mensuales del plan Starter alcanzan para unos 18 clips de Wan 3.0 de cinco segundos a 720p, o 37 a 480p.
Si una generación falla, los créditos vuelven a tu saldo automáticamente. Solo pagas por los vídeos que recibes.
Para ver el cálculo completo de costes, incluidos los reintentos, lee los créditos de vídeo IA, explicados
Cuatro trabajos en los que una toma larga con su propia banda sonora ahorra más esfuerzo. Las imágenes ilustran cada idea; no son resultados de Wan 3.0.
IlustraciónUn wok en llamas, vapor que sube y ruido de cocina venden un plato mejor que un bucle mudo.
IlustraciónConvierte una foto del jardín en una escena con movimiento, risas y canto de pájaros, lista para un reel.
IlustraciónUna línea de meta y un público que anima, con hasta 30 segundos para llegar al momento clave.
IlustraciónUna cabaña nevada al anochecer, con el viento y el crepitar del fuego, para un anuncio o un adelanto.
Abre Imgveo Studio para usar este y todos los demás modelos de vídeo e imagen con IA desde un único espacio de trabajo, con un solo saldo de créditos.
Compara Wan 3.0 con otros modelos o lleva un clip terminado un paso más allá.
Describe la imagen y el sonido, elige de 5 a 30 segundos y genera. Los clips fallidos se reembolsan y cada vídeo se descarga sin marca de agua.
Wan es una marca registrada de Alibaba Group. Imgveo es una plataforma independiente y no está afiliada a Alibaba.