Wan 3.0 gratis online: generador de video con IA
Escribe un prompt al estilo de un director, parte de un primer fotograma o apila hasta 10 imágenes y 5 clips como referencias, y Wan 3.0 te devuelve un clip de 2 a 30 segundos con las voces, la música y los efectos ya mezclados. Renderiza en 480p, 720p o 1080p. Empieza a crear con Wan 3.0 en Yovid.
Mira lo que puede crear Wan 3.0
Por qué elegir Wan 3.0 en Yovid
- Una historia completa de 30 segundos en una sola generación: Fija cualquier duración de 2 a 30 segundos y obtén en un solo clip un comienzo, un desarrollo y un final.
- Una toma continua, dirigida por el prompt: Traza el recorrido de la cámara y el ritmo momento a momento, y Wan 3.0 mantiene un único plano sin cortes.
- Voces, música y efectos en la misma pasada: Los diálogos, las canciones y los efectos de sonido se generan junto con la imagen, con sincronía labial, en muchos idiomas.
- Hasta 10 imágenes y 5 clips como referencias: Fija personas, criaturas, productos y lugares con una pila de referencias y dirígelos después con palabras.
- Personajes fieles al modelo a toda velocidad: El pelaje, el vestuario y los objetos aguantan 30 segundos de persecuciones, caídas y combate cuerpo a cuerpo.
- Todos los ajustes de Wan 3.0 en un solo lugar: Cinco relaciones de aspecto más la adaptativa, tres resoluciones, de 2 a 30 segundos y tres formas de empezar.
- Bajo costo por segundo, sonido incluido: Unos 2,4 créditos por segundo a 720p, con el mismo precio tenga o no sonido.
Una historia completa de 30 segundos en una sola generación
Wan 3.0 dura el doble que los 15 segundos de Wan 2.7, lo que deja espacio para un plano de situación, una subida de energía, un clímax y un cierre tranquilo. El clip de abajo ocupa los 30 segundos completos a partir de un solo prompt de texto, desde una inmersión entre las nubes hasta un festival y un lento alejamiento, sin ninguna imagen de referencia.
En Yovid eliges la duración con un control deslizante, cualquier número entero de segundos de 2 a 30. Afina la idea en 5 segundos y gasta los 30 completos en la versión que quieras conservar, porque cada segundo adicional se cobra.
Wan 3.0Una toma continua, dirigida por el prompt
La duración solo sirve si la cámara se porta bien. Aquí el prompt traza un recorrido por un teatro (pasillo de camerinos, percheros de vestuario, bambalinas, escenario) y un ritmo para cada tramo, y el modelo sostiene un único plano de 24 segundos: una carrera entre el equipo técnico, una quietud repentina entre bambalinas y luego el telón que se alza ante un teatro lleno.
Los momentos cronometrados como «0–7 s» y «12–14 s» le dan las instrucciones más claras. Wan 3.0 en Yovid acepta prompts de hasta 10000 caracteres, así que cabe una lista de planos completa con diálogos.
Wan 3.0Voces, música y efectos en la misma pasada
El sonido viene activado por defecto. Wan 3.0 construye la banda sonora junto con los fotogramas, así que cada frase cae en la boca correcta, cada paso en el compás y la música gira con el corte. En esta demo, una vocalista rapea el mismo estribillo en ocho idiomas, entre ellos inglés, mandarín, japonés, coreano, tailandés y árabe, con la misma cara, el mismo atuendo y la misma voz de principio a fin.
Pon entre comillas las frases habladas e indica quién las dice y en qué idioma. El audio es gratis en Wan 3.0: el precio en créditos es el mismo con el sonido activado o desactivado.
Wan 3.0Hasta 10 imágenes y 5 clips como referencias
Cambia el generador al modo de referencias y Wan 3.0 admite hasta 10 imágenes y 5 clips de video de 1 a 15 segundos en una sola solicitud. Dale a cada archivo una sola función y nómbralo en el prompt: @Image 1 para la persona, @Image 2 para el escenario, el resto para personajes u objetos.
Esta demo usó nueve imágenes: una joven, un escenario de jardín de lotos y siete criaturas, cada una dibujada en 2D y modelada en 3D. Su rostro se mantiene del primer al último fotograma mientras las criaturas salen de sus dibujos planos hacia el 3D.
Wan 3.0Personajes fieles al modelo a toda velocidad
La acción rápida es donde los personajes generados suelen desviarse. En esta demo de dos imágenes, una pareja de artistas marciales animales combate durante 30 segundos por un templo en ruinas excavado en una cueva, con una persecución por las escaleras, un choque en cámara lenta en lo alto de un salto y una cornisa que se derrumba, y las marcas de su pelaje, sus túnicas, sus colas y sus espadas envainadas se mantienen tal como se diseñaron.
El prompt carga con la mayor parte del peso: enumera lo que no debe cambiar en cada referencia, divide el combate en momentos cronometrados y nombra cada sonido, desde los impactos y la tela hasta la piedra que cae.
Prompt (resumido): 30 s, 16:9, cinematic 3D animated action. @Image 1 is the only tabby-cat heroine (teal hooded cape, bronze armor, ringed tail); @Image 2 is the only male hero (blue-and-gold cloud robe). Swords stay sheathed on their backs. They spar hand to hand in a ruined cave temple: a chase up broken stairs, a one-second slow-motion clash mid-air, a collapsing ledge, a back-to-back landing in drifting petals.
Todos los ajustes de Wan 3.0 en un solo lugar
Elige el formato antes de escribir para que el bloqueo de la escena se componga pensando en él. Cuando partes de una imagen, Wan 3.0 conserva la forma de esa imagen en lugar de forzar una relación de aspecto predefinida.
| Duración | De 2 a 30 segundos5 segundos por defecto. |
|---|---|
| Resolución | 480p, 720p o 1080p720p por defecto. |
| Relación de aspecto | 16:9, 9:16, 1:1, 4:3, 3:4 o adaptativa |
| Entradas | Texto, un primer fotograma con un último fotograma opcional, o referenciasReferencias: hasta 10 imágenes y 5 clips de 1–15 s (MP4 o MOV, hasta 100 MB cada uno). |
| Sonido | Activado por defectoVoces, música y efectos; desactívalo en cada generación. |
| Longitud del prompt | Hasta 10000 caracteres |
| Salida | MP4 |
Bajo costo por segundo, sonido incluido
Wan 3.0 se factura por segundo de salida, y solo la resolución cambia la tarifa. El sonido, la relación de aspecto y el tipo de entrada no. Cuando añades clips de referencia, sus segundos también cuentan, facturados como entrada más salida.
Eso mantiene los clips largos al alcance: afina el prompt en 480p y luego vuelve a ejecutarlo en 1080p para la versión que publiques.
| 480p | Unos 1,2 créditos por segundoUn clip completo de 30 segundos cuesta unos 36 créditos. |
|---|---|
| 720p | Unos 2,4 créditos por segundoLa resolución predeterminada; un clip de 5 segundos son unos 12 créditos. |
| 1080p | Unos 4,8 créditos por segundoUn clip completo de 30 segundos cuesta unos 144 créditos. |
| Clips de referencia | Se facturan como segundos de entrada más de salidaUna referencia de 10 segundos con un resultado de 10 segundos se factura como 20 segundos. |
Para quién está pensado Wan 3.0
Treinta segundos con sonido, una pila de diez imágenes de referencia y un precio bajo por segundo encajan mejor con estos trabajos:
- Creadores de dramas cortos y series: Escenas de medio minuto con frases habladas, y el mismo reparto mantenido entre episodios gracias a las imágenes de referencia.
- Anunciantes y equipos de marca: Spots de producto y films de marca con voz en off y música, con el producto fiel al modelo a partir de tus propias fotos.
- Creadores de videos musicales y de baile: Actuaciones en las que la sincronía labial, el ritmo y los cortes salen de una sola generación, en varios idiomas.
- Animadores y estudios de videojuegos: Aperturas y tráilers estilizados, de la tinta y la acuarela al CG con sombreado plano, en una sola pasada de 30 segundos.
- Responsables de marketing de locales y viajes: Films de ambiente para cafeterías, hoteles y destinos, construidos a partir de las fotos que ya tienes.
Wan 3.0 vs Seedance 2.5, MiniMax H3, Kling 3.0 y Veo 3.1
Todas las celdas, salvo las de la última fila, salen de los ajustes que cada modelo ofrece hoy en el generador de Yovid, para que sopeses duración, referencias y costo antes de gastar un solo crédito.
| Característica / Modelo | Wan 3.0 |  Seedance 2.5 |  MiniMax H3 |  Kling 3.0 |  Veo 3.1 Fast |
|---|---|---|---|---|---|
| Clip más largo | 30 s | 30 s | 15 s | 15 s | 8 s |
| Resolución máxima | 1080p | 1080p | 2K | 1080p | 4K |
| Relaciones de aspecto | 16:9, 9:16, 1:1, 4:3, 3:4 | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 | 16:9, 9:16, 1:1 | 16:9, 9:16 |
| Imágenes de referencia | 10 | 30 | 9 | — | — |
| Videos de referencia | 5 | 10 | 3 | — | — |
| Editar o prolongar un clip subido | — | Sí | — | — | — |
| Créditos por 5 s a 720p | 12 | 31 | 23 | 13 | 15 |
| Ideal para | Clips de 30 segundos con sonido al precio más bajo por segundo. | Las pilas de referencias más grandes, además de editar o prolongar metraje. | Clips 2K de hasta 15 segundos a partir de unas pocas referencias. | Clips de personajes llenos de vida de 15 segundos a 1080p. | Planos protagonistas de ocho segundos, hasta 4K. |
Los créditos corresponden a la tarifa base de los paquetes de créditos para un clip de 5 segundos a 720p (o la resolución más cercana que ofrezca cada modelo) y siguen los precios vigentes de Yovid.
Puntos fuertes y límites de Wan 3.0
Dónde Wan 3.0 es la mejor opción en Yovid y cuándo encaja mejor otro modelo u otra herramienta.
Puntos fuertes
- 30 segundos con sonido: El doble de duración que Wan 2.7, con diálogos, música y efectos sin coste adicional en créditos.
- Precio por segundo: Unos 2,4 créditos por segundo a 720p, menos de la mitad de la tarifa de Seedance 2.5.
- Pila de referencias: Hasta 10 imágenes y 5 clips en una sola solicitud mantienen coherentes a las personas, los productos y los lugares.
- Prompts largos: Admite hasta 10000 caracteres, así que cabe una lista de planos cronometrada con todas las líneas de diálogo.
Límites
- Resolución: Llega como máximo a 1080p. Para 2K o 4K, elige MiniMax H3 o Veo 3.1, o pasa el clip por el ampliador de videos de Yovid.
- Acceso por plan: No está en el plan gratuito. Cualquier plan de pago o paquete de créditos de pago único lo desbloquea, 1080p incluido.
- Menos entradas que la API: La propia API de Alibaba también admite audio, documentos y páginas web y puede editar o prolongar clips; en Yovid trabajas a partir de texto, imágenes y clips de video.
- Texto en pantalla: Alibaba señala que la renderización de texto y la textura del audio siguen mejorando, así que añade títulos y subtítulos en un editor.
Crea un video con Wan 3.0 en tres pasos
- Paso 1
Abre Wan 3.0
Empieza desde esta página, o abre el generador de video y elige Wan 3.0 en la lista de modelos.
- Paso 2
Describe la escena y añade entradas
Escribe los planos, el sonido y el diálogo, añade un primer fotograma o hasta 10 imágenes y 5 clips, y ajusta la duración, la relación de aspecto y la resolución.
- Paso 3
Genera y descarga
Mira el resultado con el sonido activado, ajusta el prompt si algún momento no encaja y descarga el MP4.
Los prompts de Wan 3.0 detrás de las demos
Prompts reales de Wan 3.0, acortados y traducidos del chino, junto a los clips que generaron. Abre uno en el generador y cambia los detalles por los tuyos; los prompts que mencionan Image 1, 2 y así sucesivamente necesitan tus propias imágenes de referencia.
Los últimos ocho compases
Texto a video · 24 sA 24-second single take, 16:9, realistic film look, one 35 mm lens, no cuts. A singer of about 28, dark hair pinned up, in a deep wine-red velvet gown, nearly misses her entrance. 0–12 s: the camera backs away fast as she weaves through a narrow backstage past a costume rack, a sliding painted flat and a prop cart; the stage manager says into his headset, "布景就位，灯光准备，主幕待命。" (Set in place, lights ready, main curtain standing by.) 12–21 s: in the wings he raises a hand: "最后八小节。" (Last eight bars.) The music thins, the camera slowly circles her and she closes her eyes. 21–24 s: "Three… two… one!" The cue light turns green, the curtain rises and she steps into the light before a full house.
Fuente: Alibaba Cloud Model Studio · Wan 3.0
Prueba este promptBanquete sobre las nubes
Texto a video · 30 sA nine-shot, 30-second Eastern fantasy in a retro Chinese calendar-poster style: even ink outlines, patterned cotton-ball clouds, aged rice-paper watercolor in teal and peach. 0–4 s: an FPV dive from the sky past a giant turtle carrying a mountain of palaces. 4–11 s: riding a golden qilin low and fast over a festival of musicians and dancers. 11–19 s: a pipa player builds to one sweeping chord. 21–27 s: a dancer whirls a long red silk into a ring of flame. 27–30 s: a slow pull-up as the mountain drifts into the clouds. Guzheng, pipa and bells over soft electronics.
Fuente: Alibaba Cloud Model Studio · Wan 3.0
Prueba este promptCarga en el dojo
Tres referencias · 24 sAbout 24 s, a cinematic Japanese sci-fi game opening. Image 1 is the male character (silver hair, goggles, long grey coat), Image 2 the female character (twin buns, red mechanical mask, white combat suit), Image 3 a traditional wooden dojo. In a blank white virtual space, grid lines spread under their feet and the dojo builds itself plank by plank. She looks around and asks, 「ここは……何のステージ？」 He raises a palm: 「お前の適性を測る、最初の試練だ。」 The dojo dissolves back to white and a system voice says 「適性試験、開始。」 Accurate Japanese lip sync, no subtitles.
Fuente: Alibaba Cloud Model Studio · Wan 3.0
Prueba este promptUn ritmo, ocho idiomas
Tres referencias · 24 sA 24-second international hip-hop video, photoreal, rooftop at blue hour. Image 1: the four-person crew (lead vocalist, DJ, two hype performers). Image 2: the lead vocalist. Image 3: the rooftop stage and skyline. A catchy 106 BPM anthem with a two-bar synth and brass hook. Eight shots, one language each, landing on the beat: "One beat." "同一个节拍。" "ひとつのリズム。" "하나의 리듬." "Um só ritmo." "จังหวะเดียวกัน." "Un mismo ritmo." "إيقاع واحد." Beat drop at 21 s: "Different voices, one beat." Precise lip sync, same face and voice throughout.
Fuente: Alibaba Cloud Model Studio · Wan 3.0
Prueba este promptCombate entre ruinas
Dos referencias · 30 sA 30-second, 16:9, 1080P cinematic 3D animated action short. @Image 1 is the only tabby-cat heroine: teal hooded cape, bronze shoulder armor, ringed tail. @Image 2 is the only male hero: blue-and-gold cloud-pattern robe, blue bracers. Their swords stay sheathed on their backs. In a ruined cave temple with a giant stone Buddha head, they spar hand to hand: punches and sweeps, a chase up broken stairs, a one-second slow-motion clash mid-air, a collapsing ledge where he catches her wrist, and a back-to-back landing in drifting pink petals. No dialogue or music; only impacts, cloth, falling stone and wind.
Fuente: Alibaba Cloud Model Studio · Wan 3.0
Prueba este promptReino de lotos
Nueve referencias · 30 sA 30-second, 16:9 surreal Eastern fantasy. Image 1 is the only identity reference for a young woman with long wavy brown hair, an open light-blue denim shirt and cream trousers. Image 2 fixes a hidden realm of giant translucent lotus flowers. Images 3–9 each show one creature in 2D (left) and 3D (right). She parts the vines and enters the realm; she touches a lotus and a glowing drop reflects the 2D creatures; they leap across a stream and turn into their 3D forms; she kneels, smiling, as they gather; the camera rises as every lotus blooms at once.
Fuente: Alibaba Cloud Model Studio · Wan 3.0
Prueba este prompt
Más modelos de video en Yovid
Guías para conseguir mejores videos con Wan 3.0
Cómo estructurar un prompt largo, ejemplos de imagen a video y una comparativa de todos los modelos de video de Yovid.
Preguntas frecuentes
¿Qué es Wan 3.0?
¿Puedo usar Wan 3.0 gratis?
¿Cuál es la duración máxima de un video de Wan 3.0?
¿Cuántos créditos usa Wan 3.0?
¿Wan 3.0 genera audio y diálogos con sincronía labial?
¿Qué puedo subir como referencia?
¿Qué resoluciones y relaciones de aspecto admite Wan 3.0?
Wan 3.0 frente a Wan 2.7 y Wan 2.5: ¿qué ha cambiado?
Wan 3.0 o Seedance 2.5: ¿cuál debería usar?
¿Puedo usar los videos de Wan 3.0 con fines comerciales?
Tu escena de 30 segundos, con la banda sonora incluida
Escribe los planos, añade referencias si las tienes y deja que Wan 3.0 renderice la imagen y el sonido a la vez.
Crea con Wan 3.0