Wan 3.0 API

O Wan 3.0 é um modelo de geração de vídeo da Alibaba Tongyi Lab, construído sobre o paradigma diffusion-transformer refinado ao longo da série Wan. Ele produz vídeos nativos de até 30 segundos em uma única tomada contínua e gera áudio sincronizado na mesma passagem. O recurso Omni-Reference aceita múltiplos tipos de entrada — imagens, vídeos, clipes de áudio, documentos, planilhas, slides, PDFs e URLs de páginas web — com até 20 referências por geração, que podem ser endereçadas posicionalmente no prompt, como imagem 1 ou vídeo 3. O modelo também modifica conteúdo de vídeo existente por instruções em linguagem natural. Ele oferece três níveis de resolução (480p, 720p e 1080p) e suporta todas as proporções de 16:9 a 9:16. Entre seus pontos fortes estão a fidelidade visual, a coerência de movimento e a aderência ao prompt, com renderização confiável de condições de iluminação, posicionamento de objetos e sequências de ação. A consistência de cena permanece estável ao longo do clipe em tomadas estáticas ou de movimento lento, e a retenção de detalhes de superfície é forte em fotos de produto, mantendo textos de rótulos e reflexos especulares durante toda a duração. O Wan 3.0 é indicado para narrativas de cinema com IA e conteúdo curto, comunicações corporativas e atualizações trimestrais, explicadores de marketing, conteúdo para TikTok, Instagram Reels e YouTube Shorts, fotos de produto para e-commerce e publicidade, além de mudanças de cena, modificações de ambiente e reestilização visual de vídeos existentes. Ele está disponível via API no Alibaba Cloud Model Studio e Qwen Cloud, sob o ID de modelo wan3.0-video, e também em wan.video e plataformas de terceiros. Por ser um modelo de pesos fechados em prévia de API, o acesso exige aprovação.

Sua conta depende do provedor que você usa, dos preços dele e do seu uso. Entradas mais longas ou outras condições podem ter preços diferentes. Cobrado com base no custo real de geração. Consulte sua conta para o valor final.

O modelo aceita texto, imagem, vídeo, áudio, documento, planilha, slide, PDF e URL de página web como entrada. O recurso Omni-Reference permite combinar até 20 referências em uma única geração.

O Wan 3.0 gera vídeos nativos de até 30 segundos em uma única tomada contínua. Estão disponíveis três níveis de resolução: 480p, 720p e 1080p, com suporte a todas as proporções de 16:9 a 9:16.

Sim. O Wan 3.0 gera áudio sincronizado na mesma passagem em que produz o vídeo, sem uma etapa separada.

Sim. O modelo modifica conteúdo de vídeo existente por meio de instruções em linguagem natural, permitindo mudanças de cena, alterações de ambiente e reestilização visual.

O Wan 3.0 amplia a série Wan com geração de até 30 segundos, áudio sincronizado e o recurso Omni-Reference com até 20 entradas. O Wan 2.7 é o modelo anterior da mesma família.

O modelo está em prévia de API e exige aprovação de acesso. É um modelo de pesos fechados, sem opção de implantação local, e a versão beta pública não suporta saída em 4K.