Cómo usar el generador de vídeo Wan 3.0: entradas, prompts y presupuestos
La toma de 30 segundos de Wan 3.0 empieza mucho antes del prompt: empieza eligiendo la entrada correcta. El modelo de Alibaba no solo lee texto: lee un guion que subes, una página web que enlazas y hasta diez imágenes, cinco vídeos y cinco clips de audio que adjuntas. Esta guía es el complemento práctico de nuestra guía de Wan 3.0 para 30 segundos (que cubre las especificaciones y cómo planificar una toma larga): aquí repasamos cada entrada, el formato de prompt que sostiene 30 segundos, lo que cuesta generar en cada resolución y los errores que cuestan dinero. Última revisión: 2026-10-10.
Las cinco entradas, y para qué sirve cada una
| Entrada | Límite | Para qué sirve |
|---|---|---|
| Documento | 1 archivo, hasta 100 MB y 50 páginas | La fuente de verdad del contenido: un guion, un brief, un storyboard o una presentación se pasan directamente, sin pegarlos en el prompt. |
| Enlace web | 1 enlace | Contexto que vive en una página —una ficha de producto, un artículo, documentación de marca— cuando no tienes el archivo. |
| Imágenes | Hasta 10 | Anclas de identidad: el personaje, el producto, el escenario, el fotograma de estilo. Son lo que mantiene que el último segundo se parezca al primero. |
| Vídeos | Hasta 5 clips, 15 s en total | Movimiento y continuidad: cómo se mueve el sujeto, cómo era la cámara en la toma anterior, un clip que extender. |
| Audio | Hasta 5 clips, 15 s en total | Referencias de sonido: una voz que mantener consistente, un jingle, un ambiente que igualar. |
Se pasa un documento o un enlace, no ambos, y los límites de material los impone la API sin excepciones. Un reparto práctico: el documento o el enlace aportan qué ocurre, las imágenes aportan a quién le ocurre, y el prompt aporta cómo se rodó. El propio prompt admite hasta 20.000 caracteres, así que una escaleta que no cabe en el documento sí cabe en el prompt.
Estructura del prompt para una toma larga
La guía oficial de Alibaba formatea los prompts largos como segmentos con marca de tiempo, cada uno con una línea de cámara y una de escena, bajo líneas globales de estilo y audio. El formato importa más que la longitud:
Style: warm documentary realism, golden-hour light, 16:9.
Audio: quiet street ambience, soft acoustic guitar under the dialogue.
(0:00 - 0:08) Camera: wide shot, slow push-in. Scene: a cyclist rides into an empty market square.
(0:08 - 0:20) Camera: continues to a medium shot, handheld follow. Scene: she stops at a flower stall. Dialogue (vendor): "You're early today."
(0:20 - 0:30) Camera: slow orbit to a close-up. Scene: she smiles and picks up a bunch of sunflowers.- Las líneas globales van primero. El estilo, la luz y la base de audio afectan a todo el clip; decláralos una sola vez arriba, no en cada segmento.
- Una acción por segmento. Los segmentos que apilan dos acciones son los que el modelo promedia hasta convertirlos en papilla.
- Nombra la transición de cámara. En una toma única no hay cortes: escribe cómo viaja la cámara de un beat al siguiente ("continues to a medium shot"), no solo dónde acaba.
- Presupuesta el diálogo. El habla natural va a dos o tres palabras por segundo; deja aire entre las frases en lugar de rellenar los 30 segundos.
- Elige la duración a propósito. El valor por defecto son 5 segundos; -1 pide una "duración inteligente" que elige el modelo. Cuando el clip debe caer en una entrada de música o en un hueco de 15 segundos, fija los segundos explícitamente.
Hay más ejemplos de este formato en nuestra colección de prompts de Wan 3.0, y la visión general de Wan 3.0 resume las capacidades del modelo.
Cuánto cuesta una generación: ejemplos
Wan 3.0 factura por segundo de salida, y la tarifa depende de la resolución y el nivel. El modelo estándar (wan3.0-video) lista $0,05 / $0,10 / $0,20 por segundo en 480p / 720p / 1080p en la lista internacional; wan3.0-video-prime, el nivel rápido con las mismas capacidades, lista $0,068 / $0,14 / $0,28. Desactivar el audio nativo no cambia el precio.
| Clip | Estándar | Prime |
|---|---|---|
| 5 s a 720p | $0,50 | $0,70 |
| 10 s a 480p | $0,50 | $0,68 |
| 10 s a 720p | $1,00 | $1,40 |
| 30 s a 480p | $1,50 | $2,04 |
| 30 s a 720p | $3,00 | $4,20 |
| 30 s a 1080p | $6,00 | $8,40 |
De la aritmética salen dos hábitos. Primero, borrador barato y remate fino: un borrador de 30 segundos a 480p cuesta $1,50 frente a los $6,00 de 1080p, así que cierra el ritmo y el bloqueo antes del render final. Segundo, paga Prime solo cuando estás esperando el render: en lotes nocturnos, el nivel estándar produce el mismo clip por menos. Wan 3.0 también puede extender un clip existente hacia delante o hacia atrás, siempre que la entrada y la salida juntas no superen 30 segundos, lo que suele salir más barato que regenerar.
Fallos comunes
- El documento se rechaza. Si supera los 100 MB o las 50 páginas, la petición falla antes de generar. Divide la presentación o enlaza la página.
- Los límites de referencias son duros. La undécima imagen, un sexto clip de vídeo o un vídeo de referencia que supere los 15 segundos totales no es "arriesgado": se rechaza. Quédate con las anclas que importan.
- Deriva de identidad en tomas largas. Treinta segundos son mucho tiempo para una cara o una etiqueta. Pasa el personaje o el producto como imágenes de referencia y revisa el último tercio del clip, no el primero.
- Sorpresas de la duración inteligente. Con duración -1 el modelo elige la longitud, perfecto para explorar y fatal para un hueque de anuncio de 15 segundos. Si la salida tiene un plazo, fija los segundos.
- Extender más allá del tope. La extensión cuenta entrada más salida: una entrada de 20 segundos no puede extenderse 15 más. Presupuesta la extensión dentro de los 30 segundos.
- Esperar los pesos. Wan 3.0 es solo API y no publica pesos. Si necesitas un modelo abierto que puedas alojar, el último buque insignia abierto de la familia es Wan 2.2 bajo Apache-2.0.
Qué puedes usar hoy en Imgo
Wan 3.0 no está integrado en Imgo y no tiene precio en créditos de Imgo: esta página es una referencia externa. Lo que sí está vivo en Imgo es la familia Seedance 2: clips de 5 a 15 segundos, de 480p hasta 4K en Seedance 2.0 (480p y 720p en los niveles Fast y Mini), hasta 4 imágenes de referencia, 3 vídeos y 3 pistas de audio, y audio nativo generado con la imagen. Dos restricciones que conviene conocer: las imágenes de referencia no se pueden combinar con fotogramas inicial o final, y un fotograma final necesita un fotograma inicial. La facturación es por segundo a la tarifa del modelo —Seedance 2.0 sigue la tarifa oficial de Volcengine y Seedance 2 Fast cuesta alrededor del 55%— y el generador muestra el precio exacto en créditos antes de enviar, en cada ejecución.
Para ver todo lo que se puede generar ahora mismo, consulta la lista de modelos en vivo; para las demás opciones de la clase de Wan 3.0, nuestra página de alternativas a Wan 3.0 y la comparativa Wan 3.0 vs Seedance 2.5 ordenan el panorama.
Fuentes
Compartir
Related Posts
No image
Kling 4.0 Flash abrió en acceso anticipado el 28 de septiembre para un grupo limitado —según los reportes, suscriptores anuales Ultra— con clips de 3 a 20 segundos en 720p. Cómo entrar, cuánto cuesta, cómo escribir los prompts de 8.000 tokens y el plan de keyframes, y qué generar mientras tanto.
No image
Wan 3.0 acepta un documento, un enlace web, imágenes, vídeos y audio como entradas. Esta guía práctica cubre para qué sirve cada entrada, cómo estructurar el prompt de una toma de 30 segundos, ejemplos de presupuesto por segundo de 480p a 1080p en ambos niveles, y los errores más comunes.
No image
Kling 4.0 Flash está en acceso anticipado desde el 28 de septiembre de 2026; el modelo completo y su API siguen pendientes, con octubre de 2026 como objetivo. Esto es lo que hace cada nivel, qué especificaciones destacadas solo están anunciadas y qué usar mientras tanto.