Wan 3.0 API

Wan 3.0 es el modelo de generación de vídeo de Alibaba Tongyi Lab, presentado en beta pública el 6 de agosto de 2026. Construido sobre el paradigma diffusion-transformer de la serie Wan, produce vídeo nativo de hasta 30 segundos en una sola toma continua y genera audio sincronizado en la misma pasada. Su sistema Omni-Reference admite imágenes, vídeos, clips de audio, documentos, hojas de cálculo, diapositivas, PDF y URLs de páginas web, hasta 20 entradas de referencia por generación, direccionables por posición en el prompt. Ofrece tres niveles de resolución (480p, 720p y 1080p) y todas las relaciones de aspecto de 16:9 a 9:16. El modelo destaca por su fidelidad visual, coherencia de movimiento y adherencia al prompt. Representa con fiabilidad condiciones de iluminación, colocación de objetos y secuencias de acción especificadas, y mantiene la consistencia de escena durante todo el clip en planos estáticos o de movimiento lento. Retiene bien el detalle superficial en tomas de producto, incluidos textos de etiquetas y reflejos especulares. Según la información disponible, es el primero de su clase en generar vídeo a partir de documentos y páginas web. Está pensado para cine con IA y narración breve, comunicación corporativa e informes trimestrales, explicaciones de marketing, contenido corto para TikTok, Instagram Reels y YouTube Shorts, tomas de producto para comercio electrónico y publicidad, y modificación de vídeo existente mediante instrucciones en lenguaje natural. Se accede a través de Alibaba Cloud Model Studio y Qwen Cloud con el ID de modelo wan3.0-video, y también en wan.video y plataformas de terceros. Su beta pública no admite salida 4K y requiere aprobación de acceso.

Tu factura depende del proveedor que uses, de sus precios y de tu uso. Las entradas más largas u otras condiciones pueden tener precios distintos. Se factura según el costo real de generación. Consulta tu factura para el importe final.

Acepta entradas de texto, imagen, vídeo, audio, documentos, hojas de cálculo, diapositivas, PDF y URLs de páginas web. Su sistema Omni-Reference permite combinar hasta 20 referencias en una sola generación, direccionables por posición en el prompt.

Genera vídeo nativo de hasta 30 segundos en una sola toma continua. El audio se genera sincronizado con el vídeo en la misma pasada.

Ofrece tres niveles de resolución: 480p, 720p y 1080p. Admite todas las relaciones de aspecto desde 16:9 hasta 9:16.

Sí, modifica contenido de vídeo existente mediante instrucciones en lenguaje natural. Esto incluye cambios de escena, modificaciones del entorno y reestilización visual.

Está disponible a través de Alibaba Cloud Model Studio y Qwen Cloud con el ID de modelo wan3.0-video. También se ofrece en wan.video y en plataformas de terceros como CometAPI, Runway, Morphic y WaveSpeedAI.

Actualmente está en vista previa de API y requiere aprobación de acceso; es de pesos cerrados y no permite despliegue local. La beta pública no admite salida 4K y el modelo aún no ha aparecido en Video Arena.