Yovid

Wan 2.5 grátis online: gerador de vídeo com IA, atualizado para o Wan 3.0

O Yovid não roda o Wan 2.5. Ele roda o sucessor da Alibaba, o Wan 3.0, que mantém as vozes, a música e os efeitos que destacaram o 2.5 e estica o clipe de 10 segundos para até 30. Comece por um prompt, um primeiro quadro ou até 10 imagens e 5 clipes. Comece a criar com o Wan 3.0 no Yovid.

Seedance 2.5 chegou

Clipes de até 30 segundos com referências de imagem, vídeo e áudio.

Kling 3.0

O modelo de vídeo mais recente da Kling, pronto no seu espaço de trabalho.

Veo 3.1

O modelo de vídeo do Google com áudio nativo.

GPT Image 2.5

GPT Image 2.5

O modelo de imagem da OpenAI para criar e editar imagens.

Ampliador de imagens IA

Deixe imagens mais nítidas e maiores para exportações mais limpas.

AI Canvas

Encadeie etapas de imagem e vídeo em um só quadro.

O que o Wan 3.0 cria no Yovid

Salão da RegênciaWan 3.0 · cena com multidão, 30 s
Expedição na geladeiraWan 3.0 · animação 3D, 20 s
Chamada de cortinaWan 3.0 · uma só tomada, 24 s
Café do bairroWan 3.0 · filme de marca, 22 s
Treino no temploWan 3.0 · ação animada, 30 s
Crie um vídeo com o Wan 3.0

Por que o Wan 3.0 toma o lugar do Wan 2.5 no Yovid

O Yovid roda o Wan 3.0, não o Wan 2.5

A Alibaba lançou o Wan 2.5 como prévia no Alibaba Cloud Model Studio em setembro de 2025, como um modelo hospedado, e não com pesos para download como o Wan 2.1 e o 2.2. A manchete era o som: diálogo, efeitos e música gerados junto com a imagem, em clipes de 5 ou 10 segundos em até 1080p.

O Wan 2.6, o Wan 2.7 e o Wan 3.0 vieram em menos de um ano. O Yovid roda apenas o Wan 3.0, então o gerador desta página abre nele e todo clipe que você cria aqui vem dele. A tabela mostra o que cada etapa acrescentou.

Wan 2.5 · set. 20255 ou 10 s com som nativo480p, 720p ou 1080p a partir de texto ou de um primeiro quadro; prompts de até 1.500 caracteres.
Wan 2.6 · dez. 2025Até 15 s, multiplanoAcrescenta a referência para vídeo, que mantém o visual e a voz de uma pessoa consistentes.
Wan 2.7 · abr. 2026Até 15 s, mais edição de vídeoAté cinco referências mistas de imagem e vídeo; prompts de até 5.000 caracteres.
Wan 3.0 · ago. 2026Até 30 s, a versão que roda no YovidRostos mais realistas e variados e mais consistência com as suas referências.

O Wan 3.0 chega a 30 segundos, o triplo do Wan 2.5

Dez segundos comportam um plano. Trinta comportam uma cena com apresentação, virada e final. À esquerda, uma demonstração de 10 segundos do Wan 2.5: um repórter, uma fala, um plano em movimento. À direita, uma demonstração de 30 segundos do Wan 3.0 feita com quatro imagens de referência, um reencontro contado em duas linhas do tempo, com narração em japonês.

No Yovid, a duração é um controle deslizante, qualquer segundo inteiro de 2 a 30, e o preço acompanha os segundos que você escolhe. Teste a ideia curta e renderize a duração completa quando o prompt funcionar.

Wan 2.5 · 10 sWan 3.0 · 30 s

O Wan 2.5 trouxe o som para a mesma passada

O som gerado junto com a imagem foi o grande recurso do Wan 2.5: uma fala cai nos lábios de quem fala e um passo, no quadro em que o pé toca o chão. Esta demonstração de 10 segundos do Wan 2.5 Preview traz um morador de Pequim cumprimentando o vizinho com um forte sotaque pequinês enquanto o tordo na gaiola canta na hora certa.

O Wan 3.0 mantém isso e dá mais espaço. No Yovid, o som vem ativado por padrão e não custa nada a mais, já que um clipe tem o mesmo preço com o som ligado ou desligado. Coloque cada fala entre aspas, diga quem fala e em que idioma, e desative o som quando for sonorizar o clipe por conta própria.

Prompt (resumido): Early autumn morning in a Beijing hutong, warm side light on grey flagstones, an old pagoda tree swaying in the breeze. A man in his sixties in a navy cotton jacket and cloth shoes carries a rosewood birdcage; the thrush inside chirps twice. He meets a neighbor, smiles, nods and says in a broad Beijing accent: "哟，吃了么您呐？没事儿遛遛弯儿，舒坦！" (Eaten yet? Just out for a stroll. Feels great!) The cage sways as the bird flutters; pots of jasmine stir by the grey brick wall.

Diálogo com sincronia labial no idioma em que você escreve

Escreva a fala, indique quem fala e o idioma, e o Wan 3.0 a entrega com o movimento labial correspondente. Nesta demonstração de 24 segundos, três imagens de referência fixam dois personagens de jogo e um dojo: ela pergunta onde estão, ele diz que esta é a primeira prova dela, e uma voz fria de sistema inicia o teste, tudo em japonês e cada fala na boca certa.

As outras demonstrações do Wan 3.0 da Alibaba trazem falas em inglês, mandarim, coreano, português, tailandês, espanhol e árabe. Acrescente uma indicação de leitura, como baixa e calma ou rápida e nervosa, para que a entrega combine com a cena.

Diálogo com sincronia labial no idioma em que você escreve – Wan 3.0
Entrada
Wan 3.0 logoWan 3.0
Prompt (resumido): About 24 s, a cinematic Japanese sci-fi game opening. Image 1 is the silver-haired man in goggles and a long grey coat, Image 2 the woman with twin buns, a red mechanical mask and a white combat suit, Image 3 a wooden dojo. In a blank white virtual space a grid spreads under their feet and the dojo assembles plank by plank. She asks, guarded: 「ここは……何のステージ？」 He raises a palm and answers calmly: 「お前の適性を測る、最初の試練だ。」 The dojo dissolves to white and a system voice says: 「適性試験、開始。」 Accurate Japanese lip sync, no subtitles. (Wan 3.0 · 16:9 · 24s · 1080p)

Até 10 imagens e 5 clipes como referência

O Wan 2.5 partia de um prompt de texto ou de uma única imagem usada como primeiro quadro. O Wan 3.0 no Yovid acrescenta o modo de referência, em que até 10 imagens e 5 clipes de vídeo de 1 a 15 segundos fixam as pessoas, criaturas, produtos e lugares enquanto o prompt os dirige.

Esta demonstração de 30 segundos usou nove imagens: uma para a mulher, uma para um reino de lótus e sete para criaturinhas, cada uma desenhada em 2D ao lado da versão em 3D. O rosto dela se mantém do início ao fim enquanto as criaturas saem dos desenhos para o 3D. Cite cada arquivo no prompt (Image 1, Image 2 e assim por diante) e dê a cada um uma única função.

Até 10 imagens e 5 clipes como referência – Wan 3.0
Entrada
Wan 3.0 logoWan 3.0
Prompt (resumido): 30 s, 16:9, surreal Eastern fantasy. Image 1 is the only identity reference for a young woman in an open light-blue denim shirt; 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, enters the realm and touches a lotus; a glowing drop reveals the 2D creatures, which turn into their 3D forms and gather around her. (Wan 3.0 · 16:9 · 30s · 1080p)

Espaço para uma lista de planos completa: prompts de 10.000 caracteres

O Wan 2.5 limitava os prompts a 1.500 caracteres, o suficiente para um plano bem descrito. O Wan 3.0 no Yovid aceita até 10.000, então cabe um plano inteiro: planos por segundo, a técnica de câmera de cada um, as deixas de música e todas as falas.

Esta demonstração de 30 segundos saiu de um único prompt de texto, sem imagens de referência. Ele organizou nove planos com tempos, de um mergulho entre as nuvens a um lento afastamento, e o Wan 3.0 seguiu a ordem e o ritmo.

Espaço para uma lista de planos completa: prompts de 10.000 caracteres – Wan 3.0
Wan 3.0 logoWan 3.0
Prompt (resumido): A nine-shot, 30-second fantasy in a retro Chinese calendar-poster style: even ink outlines, patterned clouds, watercolor on aged rice paper. 0–4 s: an FPV dive through the clouds past a giant turtle carrying a mountain of palaces. 4–11 s: a first-person ride on a golden qilin low over a festival. 11–19 s: a pipa player builds to one sweeping strum, held in slow motion. 19–21 s: a held breath over the square. 21–27 s: a dancer whirls a flame-orange silk into a ring. 27–30 s: a slow rise as the mountain sinks back into the clouds. Guzheng and pipa over ambient electronics. (Wan 3.0 · 16:9 · 30s · 720p)

Configurações e créditos do Wan 3.0 no Yovid

Escolha o quadro antes de escrever para que a marcação de cena seja composta para ele; quando você parte de uma imagem, a proporção adaptativa mantém o formato dela. Os créditos são cobrados por segundo de saída, definidos só pela resolução, e os clipes de referência acrescentam os próprios segundos.

Duração2 a 30 segundos5 segundos por padrão. O Wan 2.5 oferecia 5 ou 10.
Resolução480p, 720p ou 1080p720p por padrão; as mesmas três faixas do Wan 2.5.
Proporção16:9, 9:16, 1:1, 4:3, 3:4 ou adaptativa
EntradasTexto, primeiro quadro com último quadro opcional, ou referênciasAté 10 imagens e 5 clipes de 1–15 s (MP4 ou MOV, até 100 MB cada).
SomAtivado por padrão, sem créditos extrasVozes, música e efeitos; desative a cada geração.
CréditosCerca de 1,2, 2,4 ou 4,8 por segundoEm 480p, 720p ou 1080p, tarifas base dos pacotes de créditos; um clipe de 5 segundos em 720p custa cerca de 12 créditos.

Quem migra do Wan 2.5 para o Wan 3.0

A maioria de quem procura o Wan 2.5 quer um clipe que fale e tenha trilha sonora, sem emendar pedaços de 10 segundos. O Wan 3.0 atende melhor estes trabalhos:

  • Criadores de dramas curtos e esquetes: Cenas de diálogo com mais de 10 segundos, com o mesmo elenco mantido entre episódios por imagens de referência.
  • Equipes de publicidade e de redes sociais: Comerciais de produto com locução e música em uma só renderização, o produto mantido fiel a partir das suas próprias fotos.
  • Criadores de videoclipes e de dança: Apresentações em que a letra, a batida e a sincronia labial saem da mesma geração.
  • Animadores e estúdios de jogos: Aberturas e trailers estilizados, de nanquim e aquarela a CG em cel shading, em uma única passada de 30 segundos.
  • Equipes com uma biblioteca de prompts do Wan 2.5: Os prompts antigos são um ponto de partida pronto: rode um do jeito que está e depois acrescente momentos com tempo, referências e falas para preencher a duração extra.

Wan 3.0, sucessor do Wan 2.5, vs Seedance 2.5, MiniMax H3 e Kling 3.0

O Wan 2.5 não está na tabela porque o Yovid não o roda. Todas as células, exceto a última linha, vêm das configurações que cada modelo oferece hoje no gerador do Yovid.

Wan 3.0, o sucessor do Wan 2.5, comparado com Seedance 2.5, MiniMax H3 e Kling 3.0 no Yovid
Recurso / ModeloWan 3.0Seedance 2.5MiniMax H3Kling 3.0
Clipe mais longo30 s30 s15 s15 s
Resolução máxima1080p1080p2K1080p
Proporções16:9, 9:16, 1:1, 4:3, 3:416:9, 9:16, 1:1, 4:3, 3:4, 21:921:9, 16:9, 4:3, 1:1, 3:4, 9:1616:9, 9:16, 1:1
Imagens de referência10309—
Vídeos de referência5103—
Editar ou estender um clipe enviado—Sim——
Créditos por 5 s em 720p12312313
Ideal paraO tipo de clipe do Wan 2.5, com som, agora de até 30 segundos e com orçamento apertado.Grandes pilhas de referências, além de editar ou estender filmagens enviadas.Clipes nítidos em 2K de até 15 segundos.Clipes animados de personagens, de 15 segundos, em até 1080p.

Os créditos são a tarifa base dos pacotes de créditos para um clipe de 5 segundos em 720p (ou na resolução mais próxima que o modelo oferece) e seguem os preços atuais do Yovid.

Wan 3.0 como substituto do Wan 2.5: pontos fortes e limites

O que você ganha migrando para o Wan 3.0 no Yovid e o que deixa para trás.

Pontos fortes

  • Três vezes a duração: 2 a 30 segundos por clipe, contra os 5 ou 10 do Wan 2.5.
  • Som sem custo extra: Vozes, música e efeitos continuam ativados por padrão e custam o mesmo que um clipe mudo.
  • Referências que o Wan 2.5 nunca teve: Até 10 imagens e 5 clipes de vídeo mantêm pessoas, produtos e lugares consistentes.
  • Prompts mais longos: Até 10.000 caracteres contra os 1.500 do Wan 2.5, então cabe uma lista de planos com tempos.

Limites

  • Não é o Wan 2.5: Se um projeto precisa combinar com filmagens já feitas no Wan 2.5, o Yovid não consegue reproduzir esse modelo; o Alibaba Cloud Model Studio ainda documenta a prévia do 2.5.
  • Sem envio de áudio: A API do Wan 2.5 podia montar um clipe em torno de um arquivo de áudio seu; no Yovid, o Wan 3.0 trabalha a partir de texto, imagens e clipes de vídeo.
  • Acesso por plano: Fora do plano gratuito. O Lite ou superior, ou qualquer pacote de créditos avulso, libera o Wan 3.0, 1080p incluído.
  • Resolução: Continua indo só até 1080p, como o Wan 2.5. Para 2K ou 4K, escolha o MiniMax H3 ou o Veo 3.1, ou passe o clipe pelo upscaler de vídeo do Yovid.

Como rodar um prompt no estilo do Wan 2.5 no Wan 3.0

  1. Passo 1

    Abra o Wan 3.0

    Comece por esta página e o gerador abre com o Wan 3.0 selecionado. O Wan 2.5 não está na lista de modelos.

  2. Passo 2

    Escreva a cena e o som

    Descreva os planos, coloque o diálogo entre aspas e indique o idioma, depois adicione um primeiro quadro ou até 10 imagens e 5 clipes, se tiver.

  3. Passo 3

    Defina a duração e gere

    Escolha de 2 a 30 segundos, uma proporção e uma resolução, confira o custo em créditos, depois gere e baixe o MP4.

Experimente o Wan 3.0 agora

Prompts do Wan 3.0 para começar

Prompts reais da vitrine do Wan 3.0 da Alibaba, encurtados e traduzidos do chinês, ao lado dos clipes que eles geraram. Cada um abre no gerador do Yovid com o Wan 3.0; os prompts que citam Image 1, Image 2 e assim por diante precisam das suas próprias imagens de referência.

  • Chamada de cortina, uma só tomada

    Texto para vídeo · 24 s

    A 24-second, 16:9 single continuous take with a realistic film look, one 35 mm lens and no cuts. A singer of about 28, dark hair pinned up, in a muted wine-red velvet gown, has nearly missed her entrance. 0–12 s: the camera backs away fast as she threads a narrow backstage, past a makeup artist blotting her forehead, a rolling costume rack and a painted flat pushed across her path; 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 on standby.) 12–21 s: in the wings he raises a hand: "最后八小节。" (Last eight bars.) The orchestra thins to bass and sparse piano, and the camera slowly circles her as 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.

    Fonte: Alibaba Cloud Model Studio · Wan 3.0

    Experimente este prompt

  • Oito idiomas, um refrão

    Três referências · 24 s

    A 24-second photoreal hip-hop video on a city rooftop at blue hour. Image 1 sets the four-piece crew (female lead vocalist, male DJ, two hype performers), Image 2 the lead’s face and silver-black techwear, Image 3 the rooftop stage and skyline. An original 106 BPM anthem with a two-bar synth-and-brass hook. Eight shots, one language each, every line 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." At the 21-second drop the camera pulls back to the whole crew: "Different voices, one beat." Exact lip sync, the same face and voice throughout, no captions or logos.

    Fonte: Alibaba Cloud Model Studio · Wan 3.0

    Experimente este prompt

  • Luta entre gata e lobo

    Duas referências · 30 s

    A 30-second, 16:9, 1080P cinematic 3D animated action short. @Image 1 is the only tabby-cat heroine: brown-grey stripes, amber eyes, teal hooded cape, bronze shoulder guards, ringed tail. @Image 2 is the only grey-wolf hero: layered grey fur, ice-blue eyes, blue-and-gold cloud-pattern robe. Their swords stay sheathed on their backs throughout. In a ruined cave temple under a giant weathered stone Buddha head they spar bare-handed: punches, sweeps and wrist grabs, a chase up broken stairs, a one-second slow-motion clash at the top of a leap, a ledge that gives way until he catches her wrist, and a back-to-back landing in drifting pink petals. No dialogue or music, only impacts, cloth, falling stone, footsteps and wind.

    Fonte: Alibaba Cloud Model Studio · Wan 3.0

    Experimente este prompt

  • Para dentro do reino dos lótus

    Nove referências · 30 s

    A 30-second, 16:9 cinematic surreal Eastern fantasy. Image 1 is the only identity reference for a young woman with long, softly wavy dark-brown hair, an open light-blue denim shirt and cream trousers; keep her face identical in every shot. Image 2 fixes a hidden realm of giant translucent lotus flowers glowing peach, coral and pale gold. Images 3–9 each show one small creature, 2D on the left and 3D on the right. She parts the vines and walks in; she touches a lotus and a glowing drop reflects three of the 2D creatures; they leap a stream and turn into their 3D forms; she kneels, smiling, as they gather around her; the camera rises as every lotus blooms at once. Live action blended with film-grade CG, no captions or logos.

    Fonte: Alibaba Cloud Model Studio · Wan 3.0

    Experimente este prompt
Leia o guia de como escrever prompts (em inglês)

Mais modelos de vídeo no Yovid

Wan 3.0Seedance 2.5MiniMax H3Kling 3.0Veo 3.1Hailuo 2.3Sora 2

Guias para migrar do Wan 2.5 para o Wan 3.0

Compare todos os modelos de vídeo do Yovid e depois escreva os prompts mais longos e com tempos que aproveitam a duração extra do Wan 3.0 (conteúdo em inglês).

Todos os 14 modelos de vídeo do Yovid comparados, incluindo o Wan 3.0Uma fórmula plano a plano para prompts de texto para vídeo
Prompts de imagem para vídeo: seis exemplos dissecados
Ver todos os guias do Yovid

Perguntas frequentes

O que é o Wan 2.5?

O Wan 2.5 é um modelo de geração de vídeo da equipe Wan da Alibaba, lançado como prévia no Alibaba Cloud Model Studio em setembro de 2025. Ele criava clipes de 5 ou 10 segundos em 480p, 720p ou 1080p a partir de texto ou de uma única imagem, com diálogo, efeitos e música gerados junto com a imagem.

Posso usar o Wan 2.5 grátis online no Yovid?

Não. O Yovid não roda o Wan 2.5. Ele roda o sucessor, o Wan 3.0, que mantém o som nativo e cria clipes de até 30 segundos. O cadastro no Yovid é grátis e inclui créditos para os modelos do plano gratuito; o Wan 3.0 em si exige o plano Lite ou superior, ou qualquer pacote de créditos avulso.

O Wan 2.5 é de código aberto?

Não. A Alibaba publicou pesos abertos do Wan 2.1 e do Wan 2.2, mas o Wan 2.5 saiu como uma prévia hospedada, que você usa pelos serviços da Alibaba em vez de baixar.

O que mudou do Wan 2.5 para o Wan 3.0?

O clipe mais longo passou de 10 para 30 segundos. No caminho, o Wan 2.6 acrescentou cenas multiplano e referências de vídeo, o Wan 2.7 acrescentou edição de vídeo, e o Wan 3.0 trouxe rostos mais realistas e variados e mais consistência com as suas referências. O som gerado se manteve o tempo todo.

Qual pode ser a duração de um vídeo do Wan 3.0 no Yovid?

Qualquer número inteiro de segundos de 2 a 30 por geração, como um único clipe contínuo; o padrão é 5 segundos. É o triplo do máximo de 10 segundos do Wan 2.5.

O Wan 3.0 gera áudio como o Wan 2.5?

Sim. O som vem ativado por padrão e inclui vozes, efeitos e música, com sincronia labial nas falas. Não custa créditos extras e você pode desativá-lo em qualquer clipe. Ao contrário da API do Wan 2.5, o Yovid não aceita um arquivo de áudio seu como entrada.

Quantos créditos o Wan 3.0 consome?

Pelas tarifas base dos pacotes de créditos, são cerca de 1,2 créditos por segundo em 480p, 2,4 em 720p e 4,8 em 1080p, então um clipe de 5 segundos em 720p sai por cerca de 12 créditos e um clipe completo de 30 segundos em 1080p, por cerca de 144. Os clipes de referência acrescentam os próprios segundos à conta.

Posso reaproveitar meus prompts do Wan 2.5?

Sim, como ponto de partida. Os prompts do Wan 2.5 tinham limite de 1.500 caracteres e o Wan 3.0 no Yovid aceita até 10.000, então qualquer um deles cabe. Espere um resultado diferente, já que é outro modelo, e use o espaço extra para momentos com tempo, diálogo entre aspas e referências.

Quais resoluções e proporções o Wan 3.0 aceita?

480p, 720p e 1080p, as mesmas faixas que o Wan 2.5 oferecia, em 16:9, 9:16, 1:1, 4:3 ou 3:4, ou adaptativa para seguir o seu primeiro quadro. O 1080p está incluído em todos os planos pagos e pacotes de créditos.

O Yovid é afiliado à Alibaba ou à equipe Wan?

Não. O Yovid é uma plataforma independente que roda o Wan 3.0 ao lado de modelos de vídeo da ByteDance, da Kuaishou, do Google, da MiniMax e da OpenAI. Ele não é operado nem endossado pela Alibaba.

Crie o clipe que o Wan 2.5 não conseguia: 30 segundos, com som incluído

Escreva a cena e as falas, adicione referências se tiver e deixe o Wan 3.0 renderizar imagem e som juntos.

Crie com o Wan 3.0