Actualizado
Wan 3.0: el modelo de vídeo de Alibaba para clips de 30 segundos con sonido
Wan es el modelo de generación de vídeo de Alibaba. En la versión 3.0 es un único modelo para todo: rodar un clip desde texto, animar un fotograma, montar una escena con tus fotos y vídeos, editar o alargar un clip terminado. Los clips duran hasta treinta segundos, y los diálogos, el sonido y la música se generan junto con la imagen. Todos los vídeos de esta página los ha hecho el propio Wan 3.0 en Twelver.
Abajo está el propio modelo, no capturas. Describe un clip o sube un fotograma: la respuesta llega a esta misma página, y el primer intento no pide registro.
Qué estás probando ahora mismo
No es un modo demo: la petición va al mismo modelo que el chat principal. La única diferencia es que aquí la conversación termina tras la primera respuesta; puedes seguir en el chat y el clip se va contigo. Una tarea tarda de dos a cinco minutos; es normal y no hace falta cerrar la página.
Varios planos en una sola petición
Wan 3.0 entiende un guion: puedes repartir el clip segundo a segundo, y el modelo corta entre planos él solo, cambiando el encuadre y dándole a cada uno su propio sonido. Este clip salió de una sola petición de texto, sin fotogramas de partida y sin montaje.
Cómo escribir un guion
Cada plano es un tramo con su marca de tiempo: qué hay en el plano, cómo se mueve la cámara y qué se oye. Pon la frase de un personaje entre comillas y el modelo la dirá. Mantén cada plano en cuatro a seis segundos para que el modelo tenga tiempo de mostrar la acción entera.
Fotograma a vídeo: una continuación sin costura
En el modo fotograma a vídeo tu imagen se convierte en el primer fotograma del clip, tal cual la diste. Es útil para historias largas: el último fotograma de un clip pasa a ser el primero del siguiente, y la unión no se nota. El clip de abajo empieza justo donde terminó el anterior.
También puedes dar un último fotograma, y el modelo inventa el movimiento entre las dos imágenes. En este modo la forma del clip sigue al fotograma.
Referencias: el producto sigue siendo el producto
Wan 3.0 admite más referencias que cualquier otro motor de aquí: hasta diez imágenes, cinco vídeos y cinco audios a la vez. Las imágenes sostienen personajes, productos y estilo; los vídeos, un movimiento de cámara o una coreografía; el audio, el timbre de una voz o el ritmo de una música. Este clip salió de una sola foto de un frasco: su forma y las letras de la etiqueta quedaron como en la imagen.
Las referencias hay que nombrarlas y describirlas
La petición las cita como Image 1, Video 1, Audio 1 —cada tipo se numera aparte, en orden de carga— y las describe con palabras: «la mujer del vestido rojo de Image 1 coge el frasco de Image 2».
Una referencia de audio fija la voz, no las palabras: escribe la frase en la petición y di con qué voz se dice: «Image 1 dice con la voz de Audio 1: “…”».
Editar y alargar un clip terminado
Puedes rehacer tu propio vídeo con palabras: quitar o añadir un objeto, cambiar la ropa, el estilo o la luz, cambiar la frase de un personaje. Lo que no pediste cambiar se queda como estaba. A la izquierda, el original; a la derecha, el mismo clip tras la edición.
El alargado añade segundos nuevos a un clip, tras su final o antes de su inicio. El clip de abajo son esos mismos cinco segundos con otros cinco que Wan escribió a continuación: la cámara se aleja y muestra toda la barra.
Cómo se cobran la edición y el alargado
El original se paga junto con el resultado. Editar un clip de 5 segundos cuesta como 10. Un alargado devuelve el original entero más la parte nueva, así que añadir 5 segundos a un clip de 5 son 15 segundos cobrados.
El techo son 30 segundos entre entrada y salida, y el original puede durar como mucho 15. Un clip corto se alarga más: uno de cinco segundos, otros veinte; uno de diez, otros diez.
Di con palabras dónde va la parte nueva: «tras el último fotograma» o «antes del primer fotograma».
Cuatro modos
| Modo | Qué se le da | Cuándo usarlo |
|---|---|---|
| Texto a vídeo | Solo una descripción | No hay fotograma, hay una idea. Guion por tiempos; la proporción se fija a mano. |
| Fotograma a vídeo | Un primer fotograma, opcionalmente el último | Dar vida a una foto o continuar el clip anterior sin costura. La forma sigue al fotograma. |
| Referencias | Hasta 10 imágenes, 5 vídeos y 5 audios | Mantener personajes y productos, repetir un movimiento de cámara, fijar una voz o un ritmo. |
| Editar y alargar | Un vídeo de hasta 15 s y hasta 10 imágenes | Cambiar un clip terminado con palabras o escribirle segundos nuevos. |
En qué se diferencia Wan de HappyHorse
Dos motores del mismo proveedor con modos parecidos. La diferencia se reduce a duración, referencias y precio.
| Wan 3.0 | HappyHorse 1.1 | |
|---|---|---|
| Duración del clip | 2–30 s, y alarga clips | 3–15 s |
| Referencias | Hasta 10 imágenes, 5 vídeos y 5 audios | Hasta 9 imágenes |
| Entrada de edición | Hasta 15 s | Hasta un minuto |
| Precio por segundo | Más barato en 720p, tiene 480p | Más barato en 1080p |
Cuándo elegir otro modelo
- Un personaje que habla con tu voz grabada: Hailuo, que sincroniza los labios con el habla de forma bastante más limpia. La referencia de audio de Wan fija el timbre, y las palabras salen de la petición.
- Editar un original de un minuto: HappyHorse, que admite vídeo de hasta sesenta segundos. Wan admite hasta quince.
- Coser varios clips con transiciones inventadas: Seedance. Wan alarga un solo clip.
- Por encima de 1080p: Veo.
Cómo no gastar de más
- Borradores en 480p. Cuesta la mitad que 720p, y la composición, el movimiento y el sonido ya se ven ahí. El 1080p cuesta el doble que el 720p: súbelo una vez, en la toma final.
- Cuenta la entrada, no solo la salida. Editar, alargar y las referencias de vídeo suman al coste la duración del original. Recórtalo antes a la parte que necesitas: recortar es gratis.
- Un clip largo, plano a plano. Prueba la idea en cinco segundos antes de pedir treinta.
- El montaje es gratis. Recortar, unir, poner sonido o sacar un fotograma son operaciones corrientes con el archivo, no generación.
Preguntas frecuentes
¿Qué es Wan y de quién es este modelo?
¿Qué hay de nuevo en Wan 3.0 respecto a 2.7?
¿Qué duración tiene un clip de Wan 3.0?
¿Puede Wan poner mi voz a un personaje?
¿Cuántas referencias admite Wan 3.0?
¿Cómo alargo un vídeo terminado?
¿Cuánto cuesta un clip de Wan 3.0?
¿Tengo que elegir Wan a mano en el chat?
Ejemplos y precios en la página de generación de vídeo. Qué cambió en la 3.0, en la entrada del lanzamiento. Otros modelos están en el índice del libro; el vídeo en general, en el libro de generación de vídeo.
Pruébalo tú mismo
Todo lo de esta guía funciona en Twelver
Un chat para texto, imágenes, vídeo, música y voz — sin servicios ni suscripciones aparte.
Abrir el chat de Twelver