Write a scene and Wan 3.0 films it, sound included.
Wan 3.0
O modelo Wan mais novo da Alibaba filma até 30 segundos em um único plano contínuo, com diálogos, efeitos e música gerados junto com a imagem. Comece com um prompt, uma foto ou uma combinação de imagens, clipes e áudio de referência.
Resultados reais desta página, sem edição. Cada cartão mostra exatamente o que foi enviado.
Prompt: One continuous tracking shot through a rain-slick night market in Hong Kong. The camera glides past steaming noodle stalls and neon signs reflected in puddles, then settles on a street vendor who looks up and says, "Last bowl of the night." Cinematic lighting, shallow depth of field, ambient rain and sizzling woks.
Prompt: The subject slowly turns toward the camera and smiles, soft wind in the hair, gentle push-in, natural ambient sound.
Imagem de entradaPrompt: Image 1 walks along a sunny beach at golden hour, waves rolling in, handheld camera.
Imagem de entradaUm só modelo cobre geração por texto, imagem e referência, então todos os modos compartilham os mesmos controles de duração, resolução e áudio.
Escolha qualquer duração de 2 a 30 segundos. Uma única passada contínua mantém os movimentos de câmera e os personagens estáveis durante todo o plano, em vez de juntar clipes curtos.
Diálogos, ambiente, efeitos e música são gerados junto com a imagem, então lábios e passos ficam sincronizados. Coloque as falas entre aspas.
Combine até 10 imagens, 5 clipes de vídeo e 5 clipes de áudio em uma única solicitação. Rostos, produtos, vozes e estilos permanecem consistentes ao longo do clipe.
Envie um primeiro quadro para animar uma foto, ou adicione um último quadro para decidir exatamente onde o plano termina.
Faça rascunhos baratos em 480P e depois renderize a versão final em 720P ou 1080P. Escolha 16:9, 9:16, 4:3, 3:4 ou 1:1, ou deixe o modelo definir o enquadramento.
Placas, rótulos e legendas saem nítidos, o que faz diferença em vídeos de produto, cardápios e explicativos.
Cobrança por segundo de vídeo. O áudio não custa nada a mais.
| Resolução | Por segundo | Clipe de 5 s | Clipe de 10 s | Clipe de 30 s |
|---|---|---|---|---|
| 480P | 9 créditos | 45 créditos | 90 créditos | 270 créditos |
| 720P | 18 créditos | 90 créditos | 180 créditos | 540 créditos |
| 1080P | 36 créditos | 180 créditos | 360 créditos | 1080 créditos |
Imagens e áudio de referência são gratuitos. Cada segundo de vídeo de referência é cobrado como um segundo de saída. Se uma geração falhar, os créditos voltam automaticamente para o seu saldo.
Text começa com um prompt. Image anima um primeiro quadro, com último quadro opcional. Reference aceita imagens, clipes e áudio.
Diga quem aparece, o que acontece, como a câmera se move e o que se ouve. No modo Reference, chame seus arquivos de Image 1, Video 1, Audio 1.
Escolha de 2 a 30 segundos e 480P, 720P ou 1080P. O botão mostra o custo exato. A maioria dos clipes fica pronta em 1 a 5 minutos e é salva em My Videos.
O Wan 3.0 rende mais quando o prompt lê como um único movimento de câmera: onde começa, por onde passa e onde termina.
As falas entre aspas são ditas em cena. Acrescente os sons que quer ouvir, como chuva, trânsito ou uma multidão.
As tags são numeradas por tipo, na ordem de envio: “Image 2 holds the product from Image 1 while Audio 1 plays.”
480P custa um quarto do 1080P. Defina a ideia com rascunhos curtos e depois renderize a duração final em resolução máxima.
Have a different question and can't find the answer you're looking for? Reach out to our support team by sending us an email and we'll get back to you as soon as we can.
O Wan 3.0 é o modelo de vídeo mais recente da equipe Tongyi Wan da Alibaba, lançado em beta público em agosto de 2026. Um único modelo cuida de texto para vídeo, imagem para vídeo e referência para vídeo, renderiza até 30 segundos em até 1080P e gera áudio na mesma passada.
Qualquer número inteiro de segundos de 2 a 30. Ao adicionar vídeos de referência, a duração total deles somada à do vídeo gerado precisa ficar dentro de 30 segundos, e o controle de duração se ajusta sozinho.
A cobrança é por segundo: 9 créditos em 480P, 18 em 720P e 36 em 1080P. Um clipe de 5 segundos em 720P custa 90 créditos. Com áudio ligado ou desligado, o preço é o mesmo. Imagens e áudio de referência são gratuitos; os segundos de vídeo de referência são cobrados à mesma tarifa da saída.
Até 10 imagens (JPG, PNG, WEBP), 5 clipes de vídeo (MP4, MOV) e 5 clipes de áudio (MP3, WAV). Cada clipe tem de 1 a 15 segundos, e cada tipo soma no máximo 15 segundos. No prompt, chame-os de Image 1, Video 1, Audio 1 e assim por diante.
Sim. No modo Image, envie um primeiro quadro para animá-lo e, se quiser, um último quadro para que o plano termine exatamente onde você deseja. O vídeo mantém a proporção do seu primeiro quadro.
Sim. Desative Audio para obter um clipe mudo. O preço é o mesmo nos dois casos.
16:9, 9:16, 4:3, 3:4 e 1:1. O modo Reference também oferece Auto, em que o modelo define o enquadramento a partir das suas referências. O modo Image segue o seu primeiro quadro.
O Wan 3.0 dobra a duração máxima para 30 segundos, adiciona um nível de rascunho em 480P e uma proporção adaptativa, fixa o primeiro e o último quadro e aceita vídeo e áudio como referência, além de imagens.
Normalmente de 1 a 5 minutos; clipes de 30 segundos em 1080P demoram mais. Você pode sair da página. Os vídeos prontos aparecem em My Videos.
Os créditos dessa geração voltam automaticamente para o seu saldo, e você pode tentar de novo na hora.