Como usar o gerador de vídeo Wan 3.0: entradas, prompts e orçamentos
A tomada de 30 segundos no Wan 3.0 começa bem antes do prompt: começa na escolha da entrada certa. O modelo da Alibaba não lê apenas texto — lê um roteiro que você envia, uma página que você vincula e até dez imagens, cinco vídeos e cinco clipes de áudio que você anexa. Este guia é o companheiro prático do nosso guia Wan 3.0 de 30 segundos (que cobre as especificações e o planejamento): aqui passamos por cada entrada, o formato de prompt que segura 30 segundos, quanto custa uma geração em cada resolução e os erros que queimam orçamento. Última verificação: 2026-10-10.
As cinco entradas, e para que serve cada uma
| Entrada | Limite | Para que serve |
|---|---|---|
| Documento | 1 arquivo, até 100 MB e 50 páginas | A fonte da verdade do conteúdo: roteiro, briefing, storyboard ou apresentação entram diretamente, sem serem colados no prompt. |
| Link da web | 1 link | Contexto que vive numa página — uma ficha de produto, um artigo, documentação de marca — quando você não tem o arquivo. |
| Imagens | Até 10 | Âncoras de identidade: o personagem, o produto, o cenário, o frame de estilo. São elas que fazem o último segundo parecer com o primeiro. |
| Vídeos | Até 5 clipes, 15 s no total | Movimento e continuidade: como o sujeito se move, como a câmera se comportou na tomada anterior, um clipe para estender. |
| Áudio | Até 5 clipes, 15 s no total | Referências sonoras: uma voz para manter consistente, um jingle, um ambiente para igualar. |
Você passa um documento ou um link, nunca ambos, e os limites de mídia são tetos rígidos impostos pela API. Uma divisão prática: o documento ou o link carrega o que acontece, as imagens carregam com quem acontece, e o prompt carrega como é filmado. O prompt em si pode chegar a 20.000 caracteres, então uma escala que não cabe no documento cabe no prompt.
Estrutura do prompt para um plano longo
O guia oficial da Alibaba formata prompts longos como segmentos com marcação de tempo, cada um com uma linha de câmera e uma de cena, sob linhas globais de estilo e áudio. O formato importa mais que o comprimento:
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.- Linhas globais primeiro. Estilo, luz e a cama de áudio valem para o clipe inteiro; declare-as uma vez no topo, não em cada segmento.
- Uma ação por segmento. Os segmentos que empilham duas ações são os que o modelo termina medindo numa papa.
- Nomeie a transição da câmera. Num plano único não há cortes — escreva como a câmera viaja de um beat para o próximo ("continues to a medium shot"), não só onde ela termina.
- Orcemente o diálogo. A fala natural corre a duas ou três palavras por segundo; deixe ar entre as falas em vez de encher os 30 segundos.
- Escolha a duração de propósito. O padrão são 5 segundos; -1 pede uma "duração inteligente" que o modelo escolhe. Quando o clipe precisa cair numa deixa musical ou num slot de anúncio de 15 segundos, defina os segundos explicitamente.
Mais exemplos prontos desse formato estão na nossa coleção de prompts Wan 3.0, e o panorama do Wan 3.0 resume as capacidades do modelo.
Quanto custa uma geração: exemplos
O Wan 3.0 cobra por segundo de saída, e a tarifa depende da resolução e do nível. O modelo padrão (wan3.0-video) está listado a $0,05 / $0,10 / $0,20 por segundo em 480p / 720p / 1080p na lista internacional; o wan3.0-video-prime, o nível rápido com as mesmas capacidades, a $0,068 / $0,14 / $0,28. Desligar o áudio nativo não muda o preço.
| Clipe | Padrão | 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 |
Da aritmética saem dois hábitos. Primeiro, rascunho barato e acabamento fino: um rascunho de 30 segundos em 480p custa $1,50 contra $6,00 em 1080p, então acerte timing e blocking antes do render final. Segundo, pague o Prime só quando estiver esperando o render — em lotes noturnos o nível padrão produz o mesmo clipe por menos. O Wan 3.0 também estende um clipe existente para frente ou para trás, desde que entrada e saída juntas fiquem dentro de 30 segundos — geralmente mais barato que regenerar.
Falhas comuns
- O documento é rejeitado. Acima de 100 MB ou de 50 páginas, a requisição falha antes de gerar. Divida a apresentação ou vincule a página.
- Os limites de referência são rígidos. A décima primeira imagem, um sexto clipe de vídeo ou vídeo de referência acima dos 15 segundos totais não é "arriscado": é recusado. Fique só com as âncoras que importam.
- Deriva de identidade em tomadas longas. Trinta segundos é muito tempo para um rosto ou um rótulo. Passe o personagem ou o produto como imagens de referência e confira o último terço do clipe, não o primeiro.
- Surpresas da duração inteligente. Com duração -1 o modelo escolhe o comprimento: ótimo para explorar, errado para um slot de anúncio de 15 segundos. Se a saída tem prazo, defina os segundos.
- Estender além do teto. A extensão conta entrada mais saída: uma entrada de 20 segundos não ganha mais 15. Orce a extensão dentro dos 30 segundos.
- Esperar pesos. O Wan 3.0 é só API e não publica pesos. Se você precisa de um modelo aberto para hospedar, o último carro-chefe aberto da família é o Wan 2.2 sob Apache-2.0.
O que você pode usar no Imgo hoje
O Wan 3.0 não está integrado ao Imgo e não tem preço em créditos Imgo — esta página é uma referência externa. O que está ativo no Imgo é a família Seedance 2: clipes de 5 a 15 segundos, de 480p até 4K no Seedance 2.0 (480p e 720p nos níveis Fast e Mini), até 4 imagens de referência, 3 vídeos e 3 faixas de áudio, e áudio nativo gerado junto com a imagem. Duas restrições que vale conhecer: imagens de referência não se combinam com quadro inicial ou final, e um quadro final exige um quadro inicial. A cobrança é por segundo na tarifa do modelo — o Seedance 2.0 segue a tarifa oficial da Volcengine e o Seedance 2 Fast custa cerca de 55% dela — e o gerador mostra o preço exato em créditos antes de cada envio.
Para ver tudo o que dá para gerar agora, consulte a lista de modelos ativos; para as outras opções da classe do Wan 3.0, nossa página de alternativas ao Wan 3.0 e a comparação Wan 3.0 vs Seedance 2.5 desenham o panorama.
Fontes
Compartilhar
Related Posts
No image
O Kling 4.0 Flash abriu em acesso antecipado em 28 de setembro para um grupo limitado — assinantes anuais Ultra, segundo os relatos — com clipes de 3–20 segundos em 720p. Como entrar, quanto custa, como escrever os prompts de 8.000 tokens e o plano de keyframes, e o que gerar enquanto isso.
No image
O Wan 3.0 aceita um documento, um link da web, imagens, vídeos e áudio como entradas. Este guia prático cobre para que serve cada entrada, como estruturar o prompt de uma tomada de 30 segundos, exemplos de orçamento por segundo de 480p a 1080p nos dois níveis e os erros mais comuns.
No image
O Kling 4.0 Flash está em acesso antecipado desde 28 de setembro de 2026; o modelo completo e sua API ainda estão pendentes, com previsão para outubro de 2026. Veja o que cada nível faz, quais especificações de destaque são apenas anunciadas e o que usar enquanto isso.