Come usare il generatore video Wan 3.0: input, prompt e budget
La ripresa di 30 secondi in Wan 3.0 comincia ben prima del prompt: comincia dalla scelta dell'input giusto. Il modello di Alibaba non legge solo testo: legge una sceneggiatura caricata, una pagina web collegata e fino a dieci immagini, cinque video e cinque clip audio allegate. Questa guida è il complemento operativo della nostra guida a Wan 3.0 per i 30 secondi (che copre specifiche e pianificazione): qui passiamo in rassegna ogni input, il formato di prompt che tiene insieme 30 secondi, quanto costa una generazione a ogni risoluzione e gli errori che bruciano budget. Ultimo controllo: 2026-10-10.
I cinque input, e a cosa serve ciascuno
| Input | Limite | A cosa serve |
|---|---|---|
| Documento | 1 file, fino a 100 MB e 50 pagine | La fonte di verità dei contenuti: sceneggiatura, brief, storyboard o presentazione passano direttamente, senza essere incollati nel prompt. |
| Link web | 1 link | Contesto che vive su una pagina — una scheda prodotto, un articolo, la documentazione del brand — quando non si ha il file. |
| Immagini | Fino a 10 | Ancore di identità: il personaggio, il prodotto, il luogo, il frame di stile. Sono ciò che fa somigliare l'ultimo secondo al primo. |
| Video | Fino a 5 clip, 15 s in totale | Movimento e continuità: come si muove il soggetto, come lavorava la macchina da presa nella ripresa precedente, una clip da estendere. |
| Audio | Fino a 5 clip, 15 s in totale | Riferimenti sonori: una voce da mantenere coerente, un jingle, un'atmosfera da rispettare. |
Si passa un documento oppure un link, non entrambi, e i limiti dei media sono tetti rigidi applicati dall'API. Una divisione pratica: documento o link porta cosa accade, le immagini portano a chi accade, il prompt porta come è girato. Il prompt stesso può arrivare a 20.000 caratteri, quindi una scaletta che non entra nel documento entra nel prompt.
Struttura del prompt per un piano lungo
La guida ufficiale di Alibaba formatta i prompt lunghi come segmenti con marca temporale, ciascuno con una riga di macchina da presa e una di scena, sotto righe globali di stile e audio. Il formato conta più della lunghezza:
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.- Le righe globali prima di tutto. Stile, luce e letto audio valgono per l'intero clip; dichiarali una volta in alto, non in ogni segmento.
- Un'azione per segmento. I segmenti che accumulano due azioni sono quelli che il modello media in pappetta.
- Nomina la transizione di camera. Nel piano sequenza non ci sono stacchi: scrivi come la camera viaggia da un beat al successivo ("continues to a medium shot"), non solo dove arriva.
- Budgetta il dialogo. Il parlato naturale corre a due o tre parole al secondo; lascia aria tra le battute invece di riempire tutti i 30 secondi.
- Scegli la durata deliberatamente. Il default è 5 secondi; -1 chiede una "durata intelligente" che il modello decide. Quando il clip deve cadere su un'entrata musicale o su uno slot pubblicitario di 15 secondi, imposta i secondi esplicitamente.
Altri esempi pronti di questo formato sono nella nostra collezione di prompt Wan 3.0, e la panoramica di Wan 3.0 riassume le capacità del modello.
Quanto costa una generazione: esempi
Wan 3.0 fattura al secondo di output, e la tariffa dipende da risoluzione e livello. Il modello standard (wan3.0-video) è listato a $0,05 / $0,10 / $0,20 al secondo a 480p / 720p / 1080p nel listino internazionale; wan3.0-video-prime, il livello veloce con le stesse capacità, a $0,068 / $0,14 / $0,28. Disattivare l'audio nativo non cambia il prezzo.
| Clip | Standard | 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 |
Dall'aritmetica derivano due abitudini. Primo, bozza economica e rifinitura netta: una bozza di 30 secondi a 480p costa $1,50 contro $6,00 a 1080p, quindi sistema timing e bloccaggio prima del render finale. Secondo, paga Prime solo quando aspetti il render: nei batch notturni il livello standard produce lo stesso clip per meno. Wan 3.0 può anche estendere un clip esistente in avanti o all'indietro, purché input e output insieme restino entro 30 secondi — in genere più economico che rigenerare.
Errori comuni
- Il documento viene rifiutato. Oltre 100 MB o oltre 50 pagine e la richiesta fallisce prima di generare. Dividi la presentazione o collega la pagina.
- I limiti dei riferimenti sono rigidi. L'undicesima immagine, un sesto videoclip o un video di riferimento oltre i 15 secondi totali non è "rischioso": viene rifiutato. Tieni solo le ancore che contano.
- Deriva d'identità nelle riprese lunghe. Trenta secondi sono tanti per una faccia o un'etichetta. Passa il personaggio o il prodotto come immagini di riferimento e controlla l'ultimo terzo del clip, non il primo.
- Sorprese della durata intelligente. Con durata -1 il modello sceglie la lunghezza: ottimo per esplorare, sbagliato per uno slot pubblicitario di 15 secondi. Se l'output ha una scadenza, imposta i secondi.
- Estendere oltre il tetto. L'estensione conta input più output: un input di 20 secondi non si estende di altri 15. Budgeta l'estensione entro i 30 secondi.
- Aspettarsi i pesi. Wan 3.0 è solo API e non pubblica pesi. Se serve un modello open da ospitare, l'ultimo ammiraglio open della famiglia è Wan 2.2 sotto Apache-2.0.
Cosa puoi usare oggi su Imgo
Wan 3.0 non è integrato in Imgo e non ha un prezzo in crediti Imgo — questa pagina è un riferimento esterno. Ciò che è attivo su Imgo è la famiglia Seedance 2: clip da 5 a 15 secondi, da 480p fino a 4K su Seedance 2.0 (480p e 720p sui livelli Fast e Mini), fino a 4 immagini di riferimento, 3 video e 3 tracce audio, e audio nativo generato insieme all'immagine. Due vincoli da conoscere: le immagini di riferimento non si combinano con frame iniziale o finale, e un frame finale richiede un frame iniziale. La fatturazione è al secondo alla tariffa del modello — Seedance 2.0 segue la tariffa ufficiale Volcengine e Seedance 2 Fast costa circa il 55% — e il generatore mostra il prezzo esatto in crediti prima di ogni invio.
Per vedere tutto ciò che si può generare adesso, consulta la lista dei modelli attivi; per le altre opzioni della classe di Wan 3.0, la nostra pagina di alternative a Wan 3.0 e il confronto Wan 3.0 vs Seedance 2.5 disegnano il quadro.
Fonti
Condividi
Related Posts
No image
Kling 4.0 Flash ha aperto in early access il 28 settembre per un gruppo limitato — abbonati Ultra annuali, secondo i reportage — con clip di 3–20 secondi in 720p. Come entrare, quanto costa, come scrivere i prompt da 8.000 token e il piano di keyframe, e cosa generare nell'attesa.
No image
Wan 3.0 accetta un documento, un link web, immagini, video e audio come input. Questa guida operativa illustra a cosa serve ciascun input, come strutturare il prompt di una ripresa di 30 secondi, esempi di budget al secondo da 480p a 1080p su entrambi i livelli e gli errori più comuni.
No image
Kling 4.0 Flash è in accesso anticipato dal 28 settembre 2026; il modello completo e la sua API sono ancora in attesa, con ottobre 2026 come obiettivo. Ecco cosa fa ciascuna fascia, quali specifiche di punta sono solo annunciate e cosa usare nel frattempo.