Wan 3.0 grátis online: gerador de vídeo com IA

Escreva um prompt no estilo de um diretor, parta de um primeiro quadro ou reúna até 10 imagens e 5 clipes como referência, e o Wan 3.0 devolve um único clipe de 2 a 30 segundos com vozes, música e efeitos já mixados. Renderize em 480p, 720p ou 1080p. Comece a criar com o Wan 3.0 no Yovid.

Veja o que o Wan 3.0 consegue criar

Reencontro no trem

Duas linhas do tempo, 30 s

Baile da Regência

Cena com multidão, 30 s

Expedição na geladeira

Animação 3D, 20 s

Filme de marca de um café

História acolhedora de produto

Carregamento no dojo

Diálogo em japonês, 24 s

Crie um vídeo com o Wan 3.0

Por que escolher o Wan 3.0 no Yovid

Uma história inteira de 30 segundos em uma geração: Defina qualquer duração de 2 a 30 segundos e receba abertura, desenvolvimento e final em um só clipe.
Uma tomada contínua, dirigida pelo prompt: Descreva o trajeto da câmera e o ritmo momento a momento, e o Wan 3.0 mantém um único plano ininterrupto.
Vozes, música e efeitos na mesma passada: Diálogos, canções e efeitos sonoros são gerados com a imagem, com lábios sincronizados, em vários idiomas.
Até 10 imagens e 5 clipes como referência: Fixe pessoas, criaturas, produtos e lugares com uma pilha de referências e depois dirija-os com palavras.
Personagens fiéis ao modelo em plena velocidade: Pelo, figurinos e objetos se mantêm ao longo de 30 segundos de perseguições, quedas e combate corpo a corpo.
Todas as configurações do Wan 3.0 em um só lugar: Cinco proporções mais a adaptativa, três resoluções, 2 a 30 segundos e três formas de começar.
Custo baixo por segundo, com som incluído: Cerca de 2,4 créditos por segundo em 720p, com o mesmo preço com o som ligado ou desligado.

Uma história inteira de 30 segundos em uma geração

O Wan 3.0 dura o dobro dos 15 segundos do Wan 2.7, o que deixa espaço para um plano de apresentação, uma escalada de energia, um clímax e um fechamento calmo. O clipe abaixo usa os 30 segundos completos a partir de um único prompt de texto, de um mergulho entre as nuvens a um festival e um lento afastamento, sem nenhuma imagem de referência.

No Yovid, você escolhe a duração num controle deslizante, qualquer número inteiro de segundos de 2 a 30. Teste a ideia com 5 segundos e gaste os 30 completos na versão que você pretende guardar, já que cada segundo extra é cobrado.

Uma história inteira de 30 segundos em uma geração – Wan 3.0 — Prompt (resumido): Nine shots, 30 seconds, in a retro Chinese calendar-poster style with even ink outlines, patterned clouds and aged rice-paper watercolor. A giant turtle carries a mountain of palaces through a sea of clouds; a fairy rides a golden qilin down over a festival, a pipa player strikes a sweeping chord, a dancer whirls a long red silk, and the square peaks before the mountain drifts off into the clouds. (Wan 3.0 · 16:9 · 30s · 720p)

Uma tomada contínua, dirigida pelo prompt

A duração só ajuda se a câmera se comportar. Aqui, o prompt traça um trajeto por um teatro (corredor dos camarins, araras de figurino, as coxias, o palco) e um ritmo para cada trecho, e o modelo mantém um plano de 24 segundos: uma corrida em meio à equipe, uma quietude repentina nas coxias e, depois, a cortina subindo diante de uma casa cheia.

Marcações de tempo como “0–7 s” e “12–14 s” dão as instruções mais claras. O Wan 3.0 no Yovid aceita prompts de até 10.000 caracteres, então cabe uma lista de planos completa, com diálogo.

Uma tomada contínua, dirigida pelo prompt – Wan 3.0 — Prompt (resumido): A 24-second single take, realistic film look, one 35 mm lens and no cuts. A singer in a wine-red velvet gown nearly misses her entrance: 0–12 s the camera backs away fast as she dodges racks and a sliding set wall; 12–21 s she stops in the wings, the stage manager whispers "最后八小节。" (Last eight bars.), the music thins and the camera slowly circles her; 21–24 s the cue light turns green, the curtain rises and she walks into the light. (Wan 3.0 · 16:9 · 24s · 1080p)

Vozes, música e efeitos na mesma passada

O som vem ativado por padrão. O Wan 3.0 constrói a trilha sonora junto com os quadros, então cada fala cai na boca certa, cada passo na batida e a música muda com o corte. Nesta demonstração, uma vocalista rima o mesmo refrão em oito idiomas, entre eles inglês, mandarim, japonês, coreano, tailandês e árabe, com o mesmo rosto, a mesma roupa e a mesma voz do começo ao fim.

Coloque as falas entre aspas e diga quem as fala e em que idioma. O áudio é grátis no Wan 3.0: o preço em créditos é o mesmo com o som ligado ou desligado.

Vozes, música e efeitos na mesma passada – Wan 3.0 — Prompt (resumido): A 24-second hip-hop video on a city rooftop at blue hour. Image 1 fixes the four-person crew, Image 2 the lead vocalist, Image 3 the rooftop stage. One catchy 106 BPM hook; the lead switches language 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." Ending: "Different voices, one beat." Precise lip sync. (Wan 3.0 · 16:9 · 24s · 1080p)

Prompt (resumido): A 24-second hip-hop video on a city rooftop at blue hour. Image 1 fixes the four-person crew, Image 2 the lead vocalist, Image 3 the rooftop stage. One catchy 106 BPM hook; the lead switches language 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." Ending: "Different voices, one beat." Precise lip sync. (Wan 3.0 · 16:9 · 24s · 1080p)

Até 10 imagens e 5 clipes como referência

Mude o gerador para referências e o Wan 3.0 aceita até 10 imagens e 5 clipes de vídeo de 1 a 15 segundos em um único pedido. Dê uma função a cada arquivo e cite-o no prompt: @Image 1 para a pessoa, @Image 2 para o cenário, o restante para personagens ou objetos.

Esta demonstração usou nove imagens: uma jovem, um cenário de jardim de lótus e sete criaturas, cada uma desenhada em 2D e modelada em 3D. O rosto dela se mantém do primeiro ao último quadro enquanto as criaturas saem dos desenhos planos para o 3D.

Até 10 imagens e 5 clipes como referência – Wan 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)

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)

Personagens fiéis ao modelo em plena velocidade

A ação rápida é onde personagens gerados costumam se desviar. Nesta demonstração com duas imagens, um par de artistas marciais animais luta por 30 segundos num templo de caverna em ruínas, com uma perseguição escada acima, um choque em câmera lenta no alto de um salto e uma saliência que desaba, e as marcas do pelo, as túnicas, as caudas e as espadas embainhadas continuam como foram desenhadas.

O prompt carrega a maior parte do peso: lista o que não pode mudar em cada referência, divide a luta em momentos com tempo marcado e nomeia cada som, de impactos e tecidos a pedras caindo.

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.

Todas as configurações do Wan 3.0 em um só lugar

Escolha o quadro antes de escrever, para que a marcação de cena seja composta para ele. Quando você parte de uma imagem, o Wan 3.0 mantém o formato dela em vez de forçar uma proporção predefinida.

Duração	2 a 30 segundos5 segundos por padrão.
Resolução	480p, 720p ou 1080p720p por padrão.
Proporção	16:9, 9:16, 1:1, 4:3, 3:4 ou adaptativa
Entradas	Texto, primeiro quadro com último quadro opcional, ou referênciasReferências: até 10 imagens e 5 clipes de 1–15 s (MP4 ou MOV, até 100 MB cada).
Som	Ativado por padrãoVozes, música e efeitos; desative a cada geração.
Tamanho do prompt	Até 10.000 caracteres
Saída	MP4

Custo baixo por segundo, com som incluído

O Wan 3.0 é cobrado por segundo de saída, e só a resolução muda a tarifa. Som, proporção e tipo de entrada não mudam. Quando você adiciona clipes de referência, os segundos deles também contam, cobrados como entrada mais saída.

Isso mantém os clipes longos ao alcance: acerte o prompt em 480p e depois rode de novo em 1080p para a versão que você vai publicar.

480p	Cerca de 1,2 créditos por segundoUm clipe completo de 30 segundos custa cerca de 36 créditos.
720p	Cerca de 2,4 créditos por segundoO padrão; um clipe de 5 segundos custa cerca de 12 créditos.
1080p	Cerca de 4,8 créditos por segundoUm clipe completo de 30 segundos custa cerca de 144 créditos.
Clipes de referência	Cobrados como segundos de entrada mais saídaUma referência de 10 segundos com um resultado de 10 segundos é cobrada como 20 segundos.

Para quem o Wan 3.0 foi feito

Trinta segundos com som, uma pilha de dez imagens de referência e um preço baixo por segundo combinam melhor com estes trabalhos:

Criadores de dramas curtos e séries: Cenas de meio minuto com falas, e o mesmo elenco mantido entre episódios por imagens de referência.
Anunciantes e equipes de marca: Comerciais de produto e filmes de marca com locução e música, o produto mantido fiel a partir das suas próprias fotos.
Criadores de videoclipes e de dança: Apresentações em que sincronia labial, batida e cortes saem de uma só geração, em vários idiomas.
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.
Profissionais de marketing de locais e viagens: Filmes de clima para cafés, hotéis e destinos, construídos em torno das fotos que você já tem.

Wan 3.0 vs Seedance 2.5, MiniMax H3, Kling 3.0 e Veo 3.1

Todas as células, exceto a última linha, vêm das configurações que cada modelo oferece hoje no gerador do Yovid, para você pesar duração, referências e custo antes de gastar um crédito.

Wan 3.0 comparado com Seedance 2.5, MiniMax H3, Kling 3.0 e Veo 3.1 Fast no Yovid
Recurso / Modelo	Wan 3.0	Seedance 2.5	MiniMax H3	Kling 3.0	Veo 3.1 Fast
Clipe mais longo	30 s	30 s	15 s	15 s	8 s
Resolução máxima	1080p	1080p	2K	1080p	4K
Proporções	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
Imagens de referência	10	30	9	—	—
Vídeos de referência	5	10	3	—	—
Editar ou estender um clipe enviado	—	Sim	—	—	—
Créditos por 5 s em 720p	12	31	23	13	15
Ideal para	Clipes de 30 segundos com som pelo menor preço por segundo.	As maiores pilhas de referências, além de edição ou extensão de filmagens.	Clipes em 2K de até 15 segundos a partir de poucas referências.	Clipes animados de personagens, de 15 segundos, em 1080p.	Planos de destaque de oito segundos, em até 4K.

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.

Pontos fortes e limites do Wan 3.0

Onde o Wan 3.0 é a melhor escolha no Yovid e onde um modelo ou ferramenta diferente se encaixa melhor.

Pontos fortes

30 segundos com som: O dobro da duração do Wan 2.7, com diálogo, música e efeitos sem custo extra em créditos.
Preço por segundo: Cerca de 2,4 créditos por segundo em 720p, menos da metade da tarifa do Seedance 2.5.
Pilha de referências: Até 10 imagens e 5 clipes em um único pedido mantêm pessoas, produtos e lugares consistentes.
Prompts longos: Aceita até 10.000 caracteres, então cabe uma lista de planos com tempos e todas as falas.

Limites

Resolução: Vai até 1080p. Para 2K ou 4K, escolha o MiniMax H3 ou o Veo 3.1, ou passe o clipe pelo upscaler de vídeo do Yovid.
Acesso por plano: Fora do plano gratuito. Qualquer plano pago ou pacote de créditos avulso libera o modelo, 1080p incluído.
Menos entradas que a API: A API da própria Alibaba também aceita áudio, documentos e páginas da web e pode editar ou estender clipes; no Yovid você trabalha a partir de texto, imagens e clipes de vídeo.
Texto na tela: A Alibaba observa que a renderização de texto e a textura do áudio ainda estão melhorando, então adicione títulos e legendas num editor.

Crie um vídeo com o Wan 3.0 em três passos

Passo 1
Abra o Wan 3.0
Comece por esta página ou abra o gerador de vídeo e escolha o Wan 3.0 na lista de modelos.
Passo 2
Descreva a cena e adicione entradas
Escreva os planos, o som e o diálogo, adicione um primeiro quadro ou até 10 imagens e 5 clipes e defina duração, proporção e resolução.
Passo 3
Gere e baixe
Assista ao resultado com o som ligado, aperte o prompt se algum momento estiver fora do ritmo e baixe o MP4.

Experimente o Wan 3.0 agora

Os prompts do Wan 3.0 por trás das demonstrações

Prompts reais do Wan 3.0, encurtados e traduzidos do chinês, ao lado dos clipes que eles geraram. Abra um no gerador e troque pelos seus detalhes; os prompts que citam Image 1, 2 e assim por diante precisam das suas próprias imagens de referência.

Os últimos oito compassos
Texto para vídeo · 24 s
A 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.
Fonte: Alibaba Cloud Model Studio · Wan 3.0
Experimente este prompt
Banquete acima das nuvens
Texto para vídeo · 30 s
A 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.
Fonte: Alibaba Cloud Model Studio · Wan 3.0
Experimente este prompt
Carregamento no dojo
Três referências · 24 s
About 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.
Fonte: Alibaba Cloud Model Studio · Wan 3.0
Experimente este prompt
Um ritmo, oito idiomas
Três referências · 24 s
A 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.
Fonte: Alibaba Cloud Model Studio · Wan 3.0
Experimente este prompt
Luta nas ruínas
Duas referências · 30 s
A 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.
Fonte: Alibaba Cloud Model Studio · Wan 3.0
Experimente este prompt
Reino dos lótus
Nove referências · 30 s
A 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.
Fonte: Alibaba Cloud Model Studio · Wan 3.0
Experimente este prompt

Leia o guia de como escrever prompts (em inglês)

Seedance 2.5 Wan 2.5 MiniMax H3 Kling 3.0 Veo 3.1 Seedance 2.0 Sora 2

Guias para vídeos melhores com o Wan 3.0

Como estruturar um prompt longo, exemplos de imagem para vídeo e uma comparação lado a lado de todos os modelos de vídeo do Yovid (conteúdo em inglês).

Como escrever um prompt de texto para vídeo, plano a plano Seis exemplos de prompts de imagem para vídeo, analisados

Modelos de vídeo com IA comparados em duração, resolução e referências

Ver todos os guias do Yovid

Perguntas frequentes

O que é o Wan 3.0?

O Wan 3.0 é o modelo de vídeo mais novo da família Wan da Alibaba, lançado no Alibaba Cloud Model Studio em agosto de 2026. Ele cria clipes de até 30 segundos com som gerado a partir de texto, imagens e referências de vídeo, com foco em rostos realistas e personagens consistentes. O Yovid roda o modelo no navegador, ao lado do Seedance, do Kling, do Veo e de outros modelos.

Posso usar o Wan 3.0 de graça?

Criar uma conta no Yovid é grátis e vem com créditos de cadastro para os modelos do plano gratuito. O Wan 3.0 em si exige um plano pago (Lite ou superior) ou qualquer pacote de créditos avulso. Com cerca de 1,2 créditos por segundo em 480p, testar uma ideia custa pouco.

Qual é a duração máxima de um vídeo do Wan 3.0?

Qualquer número inteiro de segundos de 2 a 30 por geração, como um único clipe contínuo. O padrão é 5 segundos.

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 de 30 segundos em 1080p, por cerca de 144. O som não custa nada a mais. Clipes de referência são cobrados como segundos de entrada mais saída.

O Wan 3.0 gera áudio e diálogo com sincronia labial?

Sim. O som vem ativado por padrão e inclui vozes, música e efeitos, com sincronia labial nas falas. Coloque o diálogo entre aspas e informe o idioma; as demonstrações da Alibaba incluem falas em inglês, mandarim, japonês, coreano, português, tailandês, espanhol e árabe. Você pode desativar o som em qualquer geração.

O que posso enviar como referência?

Um primeiro quadro com um último quadro opcional, ou uma pilha de referências com até 10 imagens e 5 clipes de vídeo (de 1 a 15 segundos cada, MP4 ou MOV, até 100 MB). Cite cada arquivo no prompt, por exemplo @Image 1 ou @Video 1. As entradas de áudio, documentos e páginas da web da API da Alibaba não estão disponíveis no Yovid.

Quais resoluções e proporções o Wan 3.0 aceita?

480p, 720p e 1080p, em 16:9, 9:16, 1:1, 4:3 ou 3:4, ou adaptativa para seguir o seu primeiro quadro. O 1080p está disponível em todos os planos pagos e pacotes de créditos.

Wan 3.0 vs Wan 2.7 e Wan 2.5: o que mudou?

O Wan 3.0 dobra o limite de 15 segundos do Wan 2.7 para 30 segundos, renderiza rostos mais naturais e variados e segura as referências com mais firmeza. O Yovid roda o Wan 3.0; o Wan 2.5 e o Wan 2.7 não são oferecidos aqui.

Wan 3.0 ou Seedance 2.5: qual devo usar?

Os dois chegam a 30 segundos com som. O Wan 3.0 custa cerca de 2,4 créditos por segundo em 720p, contra aproximadamente 6 do Seedance 2.5. O Seedance 2.5 aceita pilhas de referências maiores (30 imagens e 10 clipes) e pode editar ou estender filmagens enviadas, o que o Wan 3.0 não faz no Yovid.

Posso usar os vídeos do Wan 3.0 comercialmente?

O uso comercial está incluído nos planos Pro, Premium e anuais e nos pacotes de créditos avulsos; o Lite mensal não inclui. Você continua responsável pelos direitos sobre seus prompts e referências, incluindo rostos, marcas e músicas.

Sua cena de 30 segundos, com trilha sonora incluída

Escreva os planos, adicione referências se tiver e deixe o Wan 3.0 renderizar imagem e som juntos.

Crie com o Wan 3.0