Wan 3.0 AI Generador de video

Convierte la descripción de una escena o una imagen fija en un video con Wan 3.0. Crea anuncios de productos, momentos cinematográficos y clips para redes sociales en línea, con hasta 30 segundos de video y sonido opcional.

Texto e imagen a videoReferencias multimodalesHasta 30 segundos · 1080PAudio opcional

Ejemplos de video de Wan 3.0

Explora escenas de fantasía, artes marciales, música y narración de productos con Wan 3.0.

Ejemplo oficial de Wan 3.0

Un festín sobre las nubes

Prompt

“Este es un cortometraje de fantasía de 9 tomas y 30 segundos sobre un reino secreto de montañas inmortales orientales, renderizado de manera estilizada, con una referencia estética al estilo de ilustración de carteles de calendario del Nuevo Estilo Chino: líneas gongbi tradicionales de grosor uniforme delinean personajes, arquitectura y patrones de nubes; las nubes y las olas presentan formas decorativas y estratificadas en lugar de niebla o cuerpos de agua realistas; los colores son aguadas de acuarela con una textura de papel Xuan envejecido, utilizando una paleta de colores verde y naranja rosado desgastados; la imagen general presenta una estética decorativa retro y nostálgica, evitando explícitamente materiales fotorrealistas y el renderizado de motor 3D. La tortuga gigante flota sobre el vasto mar de nubes, llevando montañas inmortales y palacios estratificados en su lomo. Nubes y niebla estampadas, como bolas de algodón en capas, se deslizan sobre las laderas de las montañas. Una hada cabalga un qilin auspicioso y dorado, irrumpiendo entre las nubes y descendiendo, galopando por el aire sobre un festín de dicha suprema, contemplando desde arriba el escenario lleno de música, danza y diversas actuaciones. Finalmente, aterriza en la plataforma elevada de la plaza, uniéndose a músicos y bailarines para llevar todo el lugar a un clímax de júbilo. Después de la convergencia dinámica, todos regresan a la tranquilidad, con las montañas inmortales flotando al final del mar de nubes. Toda la película utiliza una narrativa observacional en tercera persona, con un estilo de cámara mixto en todo momento, empleando solo cuatro técnicas centrales: desplazamiento FPV extremo, seguimiento rápido en perspectiva subjetiva, relevo de corte por coincidencia y extensión en cámara lenta. Todas las tomas FPV y de desplazamiento subjetivo deben usar movimientos de cámara de alta velocidad para resaltar la espectacularidad de la escena. Las nubes y las olas estampadas mantienen sus contornos completos sin colapsar ni deformarse durante los movimientos de alta velocidad. El ritmo de edición es mixto: una toma larga inicial de alta velocidad establece la escala del objeto gigante, la acción central en el medio se desarrolla en detalle con pausas para respirar, el clímax es una convergencia de cortes rápidos y el final es una toma larga lenta. La música es una fusión de música elegante antigua y música electrónica ambiental moderna, con guzheng, konghou y pipa como instrumentos principales, y carillones para enfatizar. El estado de ánimo transita gradualmente de distante a animado, con redobles de tambor densos e intensos en el clímax, volviendo a un estado de ánimo distante al final. Toma 1 (0-4 segundos · Transición de atmósfera) Desplazamiento FPV en toma larga, cayendo en picada a velocidad extrema desde lo alto del mar de nubes. Las nubes estampadas mantienen sus contornos completos en forma de bola de algodón durante el descenso a alta velocidad, expresando la sensación de velocidad a través del desplazamiento general de bloques de color en lugar de la fragmentación o deformación. La cámara roza el contorno apenas visible de la cabeza de la tortuga gigante, luego silba a través de varias capas de montañas y palacios flotantes. Cada capa de paisaje, debido a la velocidad excesiva, aparece solo como contornos fugaces de bloques de color de patrones decorativos. La silueta de las grullas blancas batiendo sus alas en las montañas se simplifica con líneas gongbi para representar las imágenes residuales de velocidad. Finalmente, la cámara desciende rápidamente y frena, estabilizándose de repente cerca de la dirección de la plataforma elevada en la plaza, revelando el contorno de un festival bullicioso con luces y multitudes. El sonido ambiental es el sonido atmosférico de baja frecuencia de las nubes que se agitan superpuesto al silbido del viento fuerte; la música se despliega rápidamente con guzheng y notas electrónicas sostenidas, aumentando gradualmente de volumen. Toma 2 (4-11 segundos · Exhibición central · Nivel A) Seguimiento en perspectiva subjetiva, simulando al hada cabalgando el qilin, una toma larga en primera persona volando a velocidad extremadamente alta cerca del suelo, contemplando el festival. La pantalla genera una sensación de velocidad a través del desplazamiento general de bloques de color debido al movimiento de alta velocidad. Las plumas del cuello del qilin se representan con líneas gongbi y bloques de color, arremolinándose con el flujo de aire, con capas de aguada roja dorada en los bordes de los adornos de plumas. La perspectiva roza bajo la plaza a una velocidad casi incontrolada. El paisaje a ambos lados —las mangas anchas de los bailarines que se agitan como olas de nubes estampadas, las formaciones de músicos tocando pipa, guzheng y konghou al unísono, las linternas y cortinas de gasa colgantes en capas— aparece solo como bloques de color decorativos fugaces debido a la velocidad excesiva. Las multitudes y las luces en la profundidad de la pantalla, debido al paso a alta velocidad, no tienen tiempo para enfocar, formando borrosas franjas de luz naranja cálida. Las nubes estampadas alrededor de la pantalla mantienen sus contornos de bola de algodón, fluyendo con la perspectiva. La acción central es el deslizamiento continuo a alta velocidad del qilin a través de un arco completo: en la fase inicial, el qilin extiende sus alas y galopa cerca del suelo, la perspectiva se sacude violentamente, produciendo una fuerte sensación de velocidad; en la fase de desarrollo, el qilin salta y sobrevuela las cabezas de la multitud, la perspectiva fluctúa enormemente, la vista panorámica de la plaza aparece en un violento temblor y luego es expulsada del encuadre por la velocidad; en la fase de clímax, el qilin se cierne por un momento, batiendo sus alas directamente debajo del aura del árbol espiritual, la velocidad de la pantalla cae repentinamente a cero, creando un fuerte contraste, el aura llena la pantalla con aguadas doradas envejecidas, y las líneas gongbi restauran la claridad y la integridad en el momento de la quietud; luego el qilin acelera aún más ferozmente, lanzándose hacia la plataforma elevada en la plaza, con una sensación continua de velocidad en todo momento. Fenómenos dinámicos: las linternas se balancean violentamente con el flujo de aire, las cortinas de gasa estampadas suben y bajan en capas sin que el contorno colapse. Audio de la toma: el sonido ambiental es la atmósfera bulliciosa de la multitud superpuesta al silbido del flujo de aire; el efecto de sonido clave es la breve amplificación de los arpegios de pipa al pasar la formación de músicos; los redobles de tambor de la música comienzan a intensificarse, con carillones intercalados. Toma 3 (11-19 segundos · Exhibición central · Nivel A) De toma media a primer plano, líneas gongbi delinean los contornos, aguadas cálidas expresan capas de luz y sombra. La música se sienta a un lado de la plataforma elevada, sosteniendo una pipa en diagonal frente a ella. Su piel está renderizada con aguadas de acuarela, mostrando una textura suave y rosada. Un delicado punto de bermellón entre sus cejas está sutilmente difuminado. Varios hilos de perlas que cuelgan de su cabello se representan con líneas gongbi, balanceándose suavemente mientras inclina la cabeza. Viste una túnica de manga ancha color blanco luna con patrones oscuros, superpuesta con una media manga naranja fuego bordada en oro. La tela está renderizada con aguadas de acuarela, mostrando diferentes profundidades y pliegues y sombras naturales, con contornos continuos y uniformes. La acción central es un pasaje musical completo desde el punteo y rasgueo hasta una transición de dedos rodantes, y luego a un rasgueo amplio final: en la fase inicial, el pulgar y el índice derechos alternan el punteo y el rasgueo ligeros, las cuerdas se representan con líneas simples que muestran ligeras vibraciones; en la fase de desarrollo, se pasa a los dedos rodantes, aquí sin bloquear la precisión de los dedos, la cámara se desplaza a un primer plano centrándose en las cuerdas mismas —las cuerdas muestran imágenes residuales borrosas y vibrantes de líneas gongbi debido al punteo a alta velocidad, los movimientos de las manos se expresan a través de un ritmo fluido del contorno general en lugar de detalles de líneas individuales de los dedos; en la fase de clímax, el brazo de la música se levanta repentinamente, su palma realiza un gran rasgueo amplio a través de todas las cuerdas, el arpegio crea un efecto visual explosivo con aguadas de bloques de color, el contorno del instrumento vibra visiblemente con la fuerza, y el contorno de la manga ancha se balancea significativamente hacia arriba y hacia abajo con el movimiento del brazo. La cámara aquí transita a una extensión en cámara lenta, capturando los detalles del balanceo de la seda y la vibración de las cuerdas durante este momento de rasgueo. Los cambios en capas de las aguadas de acuarela son claramente visibles en cámara lenta; finalmente, la mano de la música se detiene sobre las cuerdas, respirando ligeramente, sus ojos se levantan de repente para mirar hacia el centro de la plaza, su expresión absorta y perdida en el momento. Otras reacciones del sujeto: una formación de música y danza de cien personas en la distancia, simplificada en figuras grupales estampadas, levanta sus mangas en respuesta al rasgueo explosivo. Audio de la toma: el efecto de sonido clave es el fuerte sonido del rasgueo de pipa explosivo y el golpe fuerte de los tambores que coinciden precisamente; la instrumentación musical alcanza su pico de densidad aquí, con carillones, sheng y xiao tocando al unísono. Toma 4 (19-21 segundos · Transición de atmósfera, Pausa para respirar) Toma media, vista aérea, el sonido persistente del rasgueo no se ha disipado, una cámara lenta breve y congelada de la vista panorámica de la plaza, el momento en que las mangas anchas de la formación de música y danza de cien personas están suspendidas inmóviles en el aire, las linternas estampadas se balancean gradualmente más lento, la velocidad de la pantalla disminuye repentinamente para crear una fuerte sensación de contraste de respiración, las aguadas de textura de papel Xuan envejecido muestran capas suaves en los haces de luz. Audio de la toma: los redobles de tambor son brevemente escasos, el sonido persistente de los carillones es largo. Toma 5 (21-27 segundos · Exhibición central · Nivel A) De toma media a primer plano, líneas gongbi delinean los contornos, el contraluz expresado con aguadas que muestran halos suaves en el cabello y los bordes de la seda. En el centro de la plaza, una bailarina se para sola frente a la formación de cien personas. Su piel está renderizada con aguadas de acuarela, mostrando una textura suave. Sus cejas están sutilmente difuminadas con finas líneas gongbi, arqueándose hacia arriba. Su cabello negro está recogido en lo alto, con un adorno de oro con patrón de llama en la parte superior, representado con líneas y bloques de color que muestran luz refractada. Viste un vestido de seda largo y transparente de manga ancha con un degradado naranja fuego. La tela de seda está renderizada con aguadas de acuarela, mostrando una calidad ligera y translúcida con bordes en capas. Varios metros de seda larga están envueltos alrededor de sus brazos, cayendo a sus lados. La acción central es el arco completo del remolino de la seda larga: en la fase inicial, los brazos de la bailarina están recogidos, la seda larga cuelga suelta y enrollada a su lado, sus ojos ligeramente cerrados, acumulando impulso; en la fase de desarrollo, su cintura gira repentinamente, impulsando sus brazos a balancearse ampliamente, la seda larga forma una enorme trayectoria espiral en el aire como llamas estampadas, su cuerpo se inclina significativamente con el impulso del balanceo y luego se endereza, la cola de la seda larga arrastra una trayectoria simplificada de imagen residual de movimiento con líneas gongbi, el contorno permanece continuo sin colapsar; en la fase de clímax, la bailarina gira a su máxima velocidad, luego estabiliza su centro de gravedad, sus brazos se extienden repentinamente, la seda larga se despliega completamente a su alrededor en un enorme halo de llama estampado, el contorno permanece uniformemente claro sin romperse ni torcerse en el momento del despliegue; finalmente, la seda larga se recoge y cae lentamente, la bailarina respira ligeramente, sus ojos se abren para mirar hacia la plataforma elevada en la plaza, su expresión relajada y perdida en el momento. Otras reacciones del sujeto: la formación de cien personas levanta sus mangas al unísono en el momento en que la seda larga se despliega, el aura del árbol espiritual se ilumina significativamente, y las nubes estampadas se tiñen con aguadas cálidas. Audio de la toma: el sonido ambiental retrocede brevemente; el efecto de sonido clave es el silbido de la seda larga al desplegarse combinado con fuertes notas de carillón; la instrumentación musical de cinco capas suena al unísono, volumen máximo de toda la película. Toma 6 (27-30 segundos · Transición de atmósfera, Conclusión de toma larga) Toma larga, vista aérea que se eleva lentamente, el resplandor persistente de la seda larga y el júbilo de la plaza se hunden gradualmente en las nubes y la niebla estampadas. La silueta del qilin ha desaparecido en las profundidades de las luces. La formación de cien personas y los músicos se encogen gradualmente, fusionándose con la escala de las montañas inmortales. El aura del árbol espiritual se transforma en un suave y persistente color de aguada. Las nubes estampadas vuelven a converger, cubriendo la ladera de la montaña. La pantalla se congela en una vista panorámica de montañas inmortales envueltas en niebla flotando al final del vasto mar de nubes. Las líneas gongbi en la toma larga se simplifican en suaves contornos montañosos, y las aguadas de textura de papel Xuan envejecido regresan a la tranquilidad. Audio de la toma: el sonido ambiental regresa a la atmósfera distante de baja frecuencia del mar de nubes; solo las notas persistentes del guzheng y las notas electrónicas sostenidas permanecen, desvaneciéndose gradualmente hasta el silencio, concluyendo toda la película.”

De una idea a un video de Wan AI

Elige un punto de partida que se adapte a tu proyecto: una escena escrita, una imagen de producto o una colección de referencias. Establece la duración y la resolución antes de generar.

Ejemplo oficial de Wan 3.0

PPTX

Después

“Un anuncio de producto de gafas inteligentes de alta gama, con un estilo general minimalista, futurista y vanguardista, iluminación sobria, una paleta de colores principales en negro, gris plateado y azul hielo, con acentos de luz blanca suave localizados y gráficos de interfaz de usuario de parámetros. Comenzando sobre un fondo negro puro, un par de gafas inteligentes emerge lentamente de la oscuridad, con reflejos refinados deslizándose por los bordes de las patillas, la silueta de la montura delineada bajo una iluminación de borde fría. La cámara pasa en primerísimo plano sobre las lentes, las plaquetas nasales, las bisagras, las patillas y los detalles del material, mostrando la delicada textura del metal y los materiales compuestos de alto rendimiento, con un tratamiento de superficie refinado y sobrio, y líneas delgadas y fluidas. Luego, el producto gira lentamente en el aire, con gráficos en movimiento minimalistas que muestran información de parámetros clave de forma sincronizada. La cámara converge rápidamente, todos los componentes regresan con precisión para ensamblar el producto completo. Se transiciona a un modelo joven usando las gafas; el modelo tiene rasgos definidos, un comportamiento seguro, vestido con moda urbana elegante y de alta gama, girando la cabeza, levantando la mano, caminando y sonriendo de forma natural en un espacio minimalista y un entorno de iluminación urbana. La cámara muestra las gafas desde ángulos frontal, lateral y oblicuo trasero, destacando el ajuste delgado, la silueta moderna y la versatilidad para el uso diario. El final presenta el producto flotando y congelado sobre un fondo de color sólido, con la cámara acercándose lentamente hacia el logotipo de la marca y el eslogan principal. La música general es una ambientación electrónica minimalista con ritmos precisos, un ritmo limpio y potente. La calidad visual es refinada, sobria y pura, con una fuerte identidad de marca y una estética tecnológica internacional.”

Convierte un PPT de producto en un anuncio de video de Wan

Utiliza una presentación de producto como referencia y describe el estilo de anuncio, las tomas del producto y los escenarios de uso que deseas. Este ejemplo de gafas inteligentes muestra cómo Wan 3.0 convierte la información del producto en un anuncio de tecnología. También puedes combinar la entrada de documentos con referencias de imagen, video o audio.

Ejemplo oficial de Wan 3.0

Traza una ruta para guiar la cámara de Wan - Entrada

Antes

Después

“【Requisitos estrictos de la imagen base】 El metraje final elimina por completo todas las líneas rojas, marcadores numéricos, flechas y marcas auxiliares; no aparece texto ni marcas de agua en el encuadre. Textura de pintura al óleo clásica 8K fotorrealista surrealista, pinceladas gruesas y grano de pigmento claramente discernibles, renderizado de iluminación cinematográfico UE5, contraluz lateral de tonos cálidos de una tarde griega, polvo marrón dorado arremolinándose y flotando en los haces de luz. El caballo de madera blanco gigante, el remolque y los rodillos de madera, las cuerdas de cáñamo gruesas y tensas, la muralla de piedra troyana y la torre de vigilancia redonda a la izquierda, y el complejo de la ciudad montañosa distante conservan su forma, proporciones y posiciones originales inalteradas. Las proporciones humanas son naturales y sin distorsiones; solo permanecen la multitud original tirando de la cuerda y los defensores en la muralla; no se añaden figuras adicionales. Las túnicas mantienen el rojo ocre, el añil, el amarillo tierra y el blanco roto originales. 【Reglas principales de movimiento de cámara】 Perspectiva de dron FPV en primera persona, toma única, un movimiento continuo e ininterrumpido en todo momento, volando a lo largo de la ruta completa de la línea roja 1→2→3→4→5 en la Imagen 1, sin saltar segmentos, simplificar trayectorias ni cambiar el orden. El inicio no es un vuelo recto y plano, sino que primero se eleva hacia arriba a la izquierda para despejar la zona de las cuerdas de remolque, luego se zambulle hacia abajo en un gran arco ondulado. El punto de referencia 2 debe pasar genuinamente por el espacio debajo del vientre del caballo; no puede rodear el cuerpo del caballo ni pasar por su lado. El ritmo general de velocidad en capas es rápido → lento → rápido. 【Segmentado por punto de referencia】 Segmento 1 (punto de referencia 1 → punto de referencia 2): Empuje de entrada a alta velocidad, una inmersión que primero asciende y luego desciende. La cámara despega a baja altitud desde el borde derecho del encuadre, junto a las puntas de las lanzas de los portadores de lanzas que vitorean, se eleva bruscamente hacia arriba a la izquierda a una velocidad extrema, pasando por encima de filas de cuerdas de remolque tensas, ascendiendo por encima del complejo de la ciudad montañosa distante para rozarlo, luego gira bruscamente hacia abajo en la posición justo a la derecha del pecho del caballo, bajando la nariz y zambulléndose a lo largo de la parte superior de las cabezas de la multitud y las lanzas levantadas. Brazos y estandartes pasan rápidamente a ambos lados, el polvo levantado es desgarrado en largas estelas por el flujo de aire, y la nariz se zambulle directamente hacia la sombra bajo el vientre del caballo. Segmento 2 (punto de referencia 2, pasando por el vientre): Agachándose bajo el caballo, la velocidad disminuye repentinamente. La cámara desciende a un nivel extremadamente bajo, pasando entre las cuatro patas masivas como pilares del caballo, atravesando el espacio sombreado directamente debajo del vientre — por encima están los tablones de grano de madera y las marcas de cincel de la parte inferior del vientre, a ambos lados hay cuerdas gruesas, tablones de remolque y rodillos con bandas de hierro, debajo está el suelo polvoriento pisoteado por innumerables pies. La luz se atenúa bruscamente, dejando solo barras de luz dorada que se filtran por las rendijas; la sensación de escala se maximiza. Segmento 3 (punto de referencia 2 → punto de referencia 3): Cámara lenta, inclinándose hacia arriba y girando bruscamente. La cámara emerge del otro lado del vientre y, cerca de la parte trasera del caballo, junto a la muralla izquierda, dibuja un gran arco ascendente en forma de U en cámara lenta, rozando la textura tallada de la cola y las patas traseras. La aeronave se inclina lentamente hacia arriba, y el enorme volumen de la muralla de piedra y la torre de vigilancia redonda en el fondo llena gradualmente el encuadre a medida que la cámara asciende. Segmento 4 (punto de referencia 3 → punto de referencia 4): Manteniendo la cámara lenta, ascendiendo y orbitando a lo largo de la columna vertebral. La cámara asciende lentamente a lo largo de la línea de la columna vertebral del caballo de atrás hacia adelante, pasando una por una las uniones de madera de la espalda, la crin rizada tallada y las ondulaciones de los músculos del cuello. Pájaros que giran en el cielo se dispersan frente a la lente; los defensores apiñados en la muralla y la ciudad montañosa distante se desplazan lentamente hacia atrás abajo. Segmento 5 (punto de referencia 4 → punto de referencia 5): Aceleración repentina, un giro en espiral alrededor de la cabeza para terminar. Después de pasar la parte superior de la crin, la cámara acelera repentinamente, girando a la derecha en un bucle cerrado completo alrededor de la cabeza del caballo — primero lanzándose hacia el cielo abierto a la derecha-delante del caballo, luego invirtiendo bruscamente y retrocediendo, y finalmente acelerando directamente hacia la cabeza del caballo. El movimiento se detiene en seco en el último instante. 【Cuadro final fijo】 La cámara se detiene en una posición de primer plano directamente frente a la cabeza del caballo: el ojo, la fosa nasal y la crin cincelada del caballo dominan el encuadre, la luz de contorno traza un perfil dorado alrededor de la cabeza, y el fondo es el cielo azul desenfocado, las nubes a la deriva y la ciudad montañosa distante. 【Notas de iluminación y calidad】 Sin cortes, sin divisiones de toma, sin interrupciones de transición — conserva la textura nativa FPV de gran angular con ligera distorsión de una sola toma continua. La luz dorada de la tarde siempre proviene de la parte superior derecha del encuadre; al pasar por el vientre, experimenta una transición de exposición natural de brillante a oscuro y de nuevo a brillante. La densidad de partículas de polvo y micro-polvo en el aire se intensifica con la velocidad, y la pincelada de óleo y el grano del pigmento se mantienen consistentes en toda la pieza — no aparece un brillo plástico fotorrealista.”

Traza una ruta para guiar la cámara de Wan

Marca una ruta y puntos numerados en una imagen de referencia, y luego describe el movimiento de la cámara en tu prompt. Este ejemplo de Wan 3.0 presenta una toma de dron continua a través de una escena de caballos de madera, donde el camino dibujado guía los giros, los cambios de altura y el ritmo. El video generado elimina las marcas de referencia.

Ejemplo oficial de Wan 3.0

Crea una escena a partir de tus palabras

Describe un sujeto, un entorno, una acción y el movimiento de la cámara para crear un video a partir de texto. Wan 3.0 te da espacio para una breve historia visual, ya sea que estés imaginando un mundo surrealista o planeando un clip social cinematográfico. Elige una duración de 2 a 30 segundos y una salida de hasta 1080P.

Ejemplo oficial de Wan 3.0

“Genera una CG de apertura cinematográfica de un juego de ciencia ficción japonés, de aproximadamente 24 segundos de duración, basada en tres imágenes de referencia. [Image 1] es la única referencia de apariencia para el personaje masculino. [Image 2] es la única referencia de apariencia para el personaje femenino. [Image 3] es la referencia para el espacio, los materiales arquitectónicos y la iluminación de un dojo tradicional de madera. Durante toda la película, mantén estrictamente la coherencia en los rasgos faciales, peinados, vestimenta, proporciones corporales y accesorios mecánicos de ambos personajes. No cambies las gafas, el cabello gris plateado y el abrigo largo gris oscuro del masculino; no cambies los moños dobles, la máscara mecánica roja y el traje de combate blanco de la femenina. 【Estilo General】 Una CG de apertura de un RPG de acción japonés de alto presupuesto, con arte de animación de ciencia ficción maduro, renderizado cel-shaded exquisito combinado con un espacio 3D cinematográfico. La atmósfera visual es similar a la de un jugador entrando en un nivel de entrenamiento oculto: un espacio virtual digital blanco frío se carga gradualmente en un dojo tradicional marrón cálido, fusionando tecnología con un espacio de artes marciales oriental. La cámara es contenida, creando una sensación de presión, sin combate formal, solo mostrando el enfrentamiento antes de que comience el nivel. 【Planos y Diálogo】 [0–3 segundos] Un espacio virtual blanco puro e ilimitado. El personaje masculino está de espaldas a la femenina en primer plano, mientras que la personaje femenina aparece a lo lejos. Solo un débil zumbido electrónico y un sonido de pulso bajo están presentes en el espacio. La cámara se acerca suave y rápidamente desde un plano muy lejano, rodeando al masculino hasta su frente, formando un primer plano de su torso. La expresión del masculino es tranquila, como si hubiera estado esperando aquí durante mucho tiempo. El masculino no habla. [3–8 segundos] La cámara asciende rápidamente a una vista cenital vertical. Líneas de coordenadas digitales gris claro y rejillas arquitectónicas se iluminan secuencialmente bajo sus pies, extendiéndose por el suelo, como si un nivel oculto se estuviera cargando. Acompañado por un sonido de inicio de sistema bajo, las tablas de madera se generan pieza por pieza desde debajo de sus pies hacia afuera; los pilares de madera se elevan verticalmente uno por uno; las vigas se conectan automáticamente en el aire; las paredes, puertas shoji y estructuras de techo se construyen capa por capa. El proceso de generación arquitectónica es continuo y preciso, con el efecto visual de un motor de juego de alta gama cargando una escena en tiempo real. [8–11.5 segundos] La cámara desciende rápidamente desde arriba, pasando a un ángulo bajo cerca del suelo de madera, deslizándose hacia adelante entre los dos personajes. El dojo está completamente generado. La cálida luz del sol atraviesa las ventanas shoji, proyectando sombras largas y regulares en el suelo de madera. Una pequeña cantidad de polvo flota en el aire, el sonido de la generación arquitectónica cesa gradualmente y el espacio cae en un breve silencio. La femenina primero mira alrededor del dojo recién generado, hace una pausa de medio segundo, luego baja la voz y pregunta en un japonés alerta y tranquilo: 「ここは……何のステージ？」 El ritmo de pronunciación es natural, aproximadamente: Ko-ko wa……nan-no su-tē-ji? Significado: Esto es... ¿qué tipo de escenario? [11.5–14.5 segundos] Corte a un plano medio-corto de la personaje femenina. Ella ya no habla. Ajusta rápidamente su centro de gravedad, su cuerpo se hunde ligeramente, y levanta su mano derecha, con la palma hacia el masculino, adoptando una postura defensiva de artes marciales precisa y contenida. Su máscara mecánica roja emite un breve resplandor, y el dispositivo mecánico en su oído completa un escaneo. Su mirada permanece vigilante, sin expresión exagerada. [14.5–19 segundos] Corte a un plano medio del personaje masculino. El masculino se gira con calma, el dobladillo de su abrigo largo se balancea ligeramente. Levanta lentamente su mano derecha, con la palma hacia la femenina, respondiendo a su postura con una actitud tranquila. La cámara se acerca lentamente al masculino. El masculino termina sus líneas completa y tranquilamente, con pausas naturales entre ellas, respondiendo en un japonés bajo, tranquilo y con tono de gestor de nivel: 「お前の適性を測る、最初の試練だ。」 El ritmo de pronunciación es natural, aproximadamente: O-ma-e no te-ki-sei o ha-ka-ru、sai-sho no shi-ren da. Significado: Esta es la primera prueba para medir tu aptitud. El masculino no muestra una sonrisa clara al hablar, su voz es firme, sin ira ni gritos. [19–24 segundos] Corte a un primer plano frontal del masculino. El fondo del dojo muestra gradualmente un ligero efecto de disipación digital, el ambiente cálido es cubierto por una intensa luz blanca fría, desvaneciéndose de nuevo en el espacio virtual blanco puro original. Una luz de escaneo blanca fría barre la superficie de las gafas del masculino. Después de que la pantalla se detiene durante medio segundo, se escucha una voz femenina de sistema baja desde la distancia, sin mostrar subtítulos: 「適性試験、開始。」 Pronunciación: Te-ki-sei shi-ken、kai-shi. Significado: Prueba de aptitud, inicio. Finalmente, acompañado por un sonido de confirmación de sistema corto y potente, la pantalla se congela y termina. 【Diseño de Sonido】 Al principio, usa sonidos ambientales electrónicos bajos, pulsos espaciales débiles y resonancia mecánica distante. Durante la generación de la escena, añade sonidos de activación de rejilla digital, sonidos de despliegue de módulos de madera, sonidos de pilares de madera elevándose y sonidos de cierre estructural de baja frecuencia. Los sonidos deben tener peso pero no ser excesivamente ruidosos. Después de que el dojo esté completamente generado, el sonido ambiental disminuye repentinamente, conservando solo la reverberación del espacio de madera, la ligera fricción de la tela y los sonidos de respiración de los personajes. Los personajes usan actuación de voz natural en japonés: La voz de la femenina es joven, tranquila y alerta, evitando tonos de anime lindos o exagerados. La voz del masculino es baja, madura y serena, como la de un mentor, guardián de nivel o guía de misión. La voz femenina del sistema es clara, fría y sin emociones, como un aviso de sistema de juego. 【Control de Generación】 Cuando los personajes hablen, la sincronización labial japonesa debe ser precisa y sincronizada. Solo el personaje que esté en el plano debe hablar, evitando voces desincronizadas. Cada línea japonesa debe pronunciarse completamente, sin apresurar ni comprimir la velocidad del habla; se deben mantener pausas y respiraciones naturales antes y después de las líneas. Enfatizar la secuencia de carga del dojo: Coordenadas digitales se activan → La rejilla se extiende hacia afuera → Las tablas de madera se colocan pieza por pieza → Los pilares de madera se elevan secuencialmente → Las vigas se conectan automáticamente → Las paredes y puertas shoji se generan → El dojo completo se cierra. Ninguno de los personajes participa en combates rápidos, corre o salta. Solo observan el entorno, ajustan sus posturas, levantan las palmas para iniciar una pose y se enfrentan. Las palmas de las manos y las estructuras de los dedos de los personajes deben ser naturales; los rasgos faciales, peinados, máscaras, gafas y vestimenta deben permanecer estables durante todo el proceso; la perspectiva arquitectónica debe ser precisa; el movimiento de la cámara debe ser fluido. No deben aparecer subtítulos, títulos, interfaces de usuario, menús de juego, valores numéricos, identificadores, bordes de storyboard o marcas de agua en pantalla.”

Guía el movimiento con referencias multimodales

Combina imágenes de personajes con referencias de video para el movimiento y la dirección de la cámara. Añade audio para guiar el ambiente, o usa un documento o una página web pública como un brief creativo. Dile a Wan cómo cada referencia debe influir en la escena para dar forma al aspecto, la acción y la atmósfera de un nuevo video.

Ejemplo oficial de Wan 3.0

“Generar un video musical cinematográfico internacional de hip-hop de 24 segundos con calidad fotorrealista, una estética de video musical de alta costura urbana y un ritmo rápido, seguro y potente. [Imágenes de referencia] Imagen 1: Referencia para la alineación del grupo de cuatro personas, identidades de los personajes, vestuario y estilo general. El video completo presentará consistentemente a cuatro personas: una vocalista principal femenina, un DJ masculino y un artista de apoyo (hype performer) a cada lado. No se permiten personajes nuevos, duplicaciones o intercambios de personajes. Imagen 2: Referencia para el rostro, peinado, maquillaje, vestuario de estilo funcional plateado y negro, y micrófono de mano de la vocalista principal femenina. Todos los primeros planos deben mantener el mismo rostro y atuendo. Imagen 3: Referencia para el escenario en la azotea, cabina de DJ, suelo mojado reflectante, iluminación, barandilla de cristal y horizonte de la ciudad. Todo el video se desarrollará consistentemente en la misma azotea. [Concepto central] Diferentes voces, un ritmo. La misma vocalista principal cambia naturalmente entre ocho idiomas en el mismo himno de hip-hop internacional original y pegadizo. La música tiene aproximadamente 106 BPM, entrando inmediatamente en un ritmo fuerte en el primer segundo sin una lenta construcción atmosférica; utiliza bombos pesados e impactantes, cajas nítidas y claras, una línea de bajo elástica y sincopada, y un gancho de sintetizador electrónico de dos compases claro, memorable y tarareable, con metales cortos. Este gancho central se establece desde el principio, regresando continuamente con breves variaciones entre cada cambio de idioma, y estalla completamente en el 'beat drop' a los 21 segundos. Los ocho idiomas fluyen como un rap continuo dentro de la misma canción, siempre cayendo naturalmente en el ritmo, no recitando palabras mecánicamente frase por frase; el acompañamiento siempre mantiene la melodía, el ritmo y una sensación de avance, sin debilitarse debido a la sincronización labial. [Secuencia de planos] Todo el video mantiene un eje espacial claro y estable: la vocalista principal siempre está en el centro delantero, el DJ siempre está en la consola de equipos trasera y los dos artistas de apoyo siempre están a cada lado. La cámara se mueve principalmente hacia adelante, hacia atrás o panea suavemente a lo largo del eje frontal, ejecutando cada plano solo un movimiento principal; el ritmo proviene principalmente de la actuación, los cambios de tamaño de plano y los cortes duros, sin depender de círculos continuos, paneos rápidos frecuentes o inversiones repentinas. Plano 1 | 0-3 segundos Toma aérea a baja altitud sobre los edificios de la ciudad, descendiendo rápidamente al escenario en la azotea de la Imagen 3. La vocalista principal está en el centro delantero, el DJ en la consola de equipos trasera y los dos artistas de apoyo a cada lado. A medida que la cámara se acerca a la vocalista principal, transiciona a un acercamiento (push-in) gran angular de ángulo bajo. La vocalista principal mira directamente a la cámara, cantando: “One beat.” El último golpe fuerte cae, corte duro. Plano 2 | 3-6 segundos Primer plano medio frontal del busto de la vocalista principal, referenciando estrictamente la Imagen 2. El estabilizador se acerca una corta distancia a lo largo del eje frontal y se detiene naturalmente, con las luces de la ciudad formando un bokeh borroso en el fondo. La vocalista principal sostiene el micrófono en una mano y, con la otra, apunta hacia la cámara al ritmo, asintiendo con la cabeza con fuerza. La vocalista principal canta: “同一个节拍.” La última palabra cae al ritmo, corte duro directo al siguiente tamaño de plano. Plano 3 | 6-9 segundos Toma macro del DJ operando el tocadiscos, los faders y los botones luminosos, luego paneando rápidamente hacia arriba para revelar al DJ en el fondo y a la vocalista principal actuando de lado en primer plano. El equipo y la disposición de los personajes permanecen estables. La vocalista principal canta: “ひとつのリズム.” Corte duro en el momento en que el DJ presiona un botón. Plano 4 | 9-12 segundos Plano medio lateral de 3/4 de la vocalista principal, con la cámara paneando suavemente una corta distancia de izquierda a derecha, manteniendo siempre un horizonte horizontal y el eje espacial establecido. Los dos artistas de apoyo se mueven al ritmo en el fondo a cada lado, con movimientos diferentes pero ritmo unificado. La vocalista principal sigue la cámara con la mirada y ligeros giros de cabeza. La vocalista principal canta: “하나의 리듬.” En el último golpe, la vocalista principal levanta la mano y la pasa por delante de la cámara, creando una transición por barrido. Plano 5 | 12-15 segundos Panorámica gran angular de ángulo bajo. La vocalista principal camina hacia la cámara a lo largo del área de actuación en la azotea, su chaqueta plateada es suavemente agitada por el viento nocturno, con las luces de la ciudad en el fondo creando un paralaje de movimiento obvio, y el suelo mojado reflejando una cálida luz dorada. La vocalista principal canta: “Um só ritmo.” Los pasos caen en el golpe fuerte, corte duro. Plano 6 | 15-18 segundos Primer plano medio de la vocalista principal y la artista de apoyo femenina a la derecha. Ambas se paran primero espalda con espalda, luego giran simultáneamente hacia la cámara. La vocalista principal termina de cantar, y la artista de apoyo responde al ritmo con movimientos de hombros y brazos, sin robar el protagonismo. La vocalista principal canta: “จังหวะเดียวกัน.” El último golpe es naturalmente barrido por el hombro de la artista de apoyo derecha que pasa por delante de la cámara, completando una transición de cobertura. Plano 7 | 18-21 segundos Un acercamiento (push) corto, potente pero constante hacia adelante, pasando de un plano medio a un primer plano de la vocalista principal y deteniéndose inmediatamente. La vocalista principal entra en un clímax de 'flow', con ojos decididos y gestos potentes. El DJ y los dos artistas de apoyo levantan simultáneamente las manos en el fondo, y las luces de la azotea se intensifican con el ritmo. La vocalista principal canta: “Un mismo ritmo.” La última palabra termina, corte duro directo en la composición estable. Plano 8 | 21-24 segundos Primer plano a contraluz lateral de la vocalista principal, con un lado de su rostro iluminado por una cálida luz de contorno dorada y el otro lado conservando una sombra azul profunda. La vocalista principal canta primero: “إيقاع واحد.” Luego el 'beat drop', y la cámara se retira suavemente a lo largo del eje frontal a un plano general heroico, con el horizonte permaneciendo horizontal. Las cuatro personas forman una postura triangular estable, con la vocalista principal al frente, el DJ en el centro trasero y los dos artistas de apoyo a cada lado. Todos dan un paso hacia la cámara al ritmo. La vocalista principal canta: “Different voices, one beat.” Todos responden al unísono en el último golpe: “One beat.” Todos congelan sus movimientos, la vocalista principal mira directamente a la cámara y la escena termina. [Requisitos de actuación] Todas las letras de la vocalista principal deben estar sincronizadas labialmente con precisión, manteniendo una pronunciación, acentos y velocidad de habla naturales en los ocho idiomas, pero la línea vocal, la identidad y el 'flow' general de la vocalista principal deben permanecer consistentes. La cabeza, los hombros, los gestos y el peso corporal se mueven naturalmente con el ritmo. No hay recitación mecánica, ni cambio de personaje, vestuario, edad o línea vocal al cambiar de idioma. [Requisitos visuales] Azotea de la ciudad desde la hora azul hasta la noche, con una paleta de colores azul profundo, gris plateado, dorado cálido y una pequeña cantidad de neón magenta. Una mezcla de lentes de cine de 24 mm, 35 mm, 50 mm, profundidad de campo superficial real, grano de película delicado, ligera neblina atmosférica y textura de piel realista. La edición crea una sensación de velocidad a través de cambios claros en planos generales, medios y primeros planos, pero los planos adyacentes no invierten frecuentemente la dirección del movimiento. Utiliza principalmente cortes duros, cortes por coincidencia (match cuts) y un barrido natural; evita círculos a gran escala, paneos rápidos continuos, ángulos holandeses y acercamientos (push-ins) inconsistentes. Sin subtítulos, sin texto de letras, sin logotipos de marca, sin interfaz de usuario, sin marcas de agua. Rasgos faciales claros, dedos naturales, micrófono y equipo de DJ estables, sin flotación ni distorsión. Las identidades, vestuario, peinados, accesorios y el entorno de las cuatro personas permanecen consistentes durante todo el video.”

Incorpora el sonido a la escena

La generación de video de Wan puede incluir diálogos, música y sonido ambiental junto con la imagen. Describe el audio que deseas y habilita el sonido en el generador, o déjalo desactivado para un clip silencioso que podrás musicalizar más tarde. Esto es adecuado para videos de actuaciones, escenas atmosféricas e historias cortas.

Explora otros modelos

Cambia entre los mejores modelos de video en un solo generador.

NEW

Wan 3.0 Prime

Gemini Omni Flash

MiniMax H3

Seedance 2.5

Seedance 2.0

Seedance 2.0 Mini

Comparación de Wan 3.0 y Wan 3.0 Prime

Ambos modelos admiten los mismos modos de generación y tipos de referencia. Elige Wan 3.0 para un menor costo de créditos, o Prime cuando la generación más rápida sea más importante.

Característica	Wan 3.0	Wan 3.0 Prime
Modos de generación	Texto, fotogramas inicial/final, referencias	Texto, fotogramas inicial/final, referencias
Resolución	480P / 720P / 1080P	480P / 720P / 1080P
Duración de salida	2–30 segundos	2–30 segundos
Entradas de referencia	Imagen, video, audio, documento o página web	Imagen, video, audio, documento o página web
Sonido generado	Opcional; desactivado por defecto	Opcional; desactivado por defecto
Costo inicial · 480P, 2 segundos	28 créditos	42 créditos
Ventaja principal	Menor costo de créditos	Generación más rápida

Utiliza el mismo enfoque creativo con cualquiera de los modelos. Tu resolución, duración de salida y duración del video de referencia determinan el total de créditos que se muestra en el generador.

Wan 3.0 Prime

Elige tu plan

Las imágenes gratuitas incluyen una marca de agua. Actualiza para obtener resultados limpios, generación más rápida y uso comercial.

Profesional

-50%

$20$10/mes

Facturado anualmente ·$240$120/año

Ventajas del modelo ilimitado

Seedream 3.5Ilimitado
Seedream 3.5 ProIlimitado no incluido
MiniMax H3 TurboIlimitado no incluido
MiniMax H3Ilimitado no incluido

Actualiza para desbloquear todos los modelos avanzados y disfruta de descuentos exclusivos
MiniMax H3-70%GeminiNano BananaGPT-50%Seedream-40%VeoSeedance 2.5Kling
2,000 créditos por mes
Hasta 2,000 imágenes rápidas
Hasta 200 videos básicos
Cola prioritaria
Sin marcas de agua
Procesamiento por lotes con herramientas de IA
Privacidad total

Recomendado

Élite

-50%

$40$20/mes

Facturado anualmente ·$480$240/año

Ventajas del modelo ilimitado

Seedream 3.5Ilimitado
Seedream 3.5 ProIlimitado
MiniMax H3 TurboIlimitado no incluido
MiniMax H3Ilimitado no incluido

Actualiza para desbloquear todos los modelos avanzados y disfruta de descuentos exclusivos
MiniMax H3-70%GeminiNano BananaGPT-50%Seedream-40%VeoSeedance 2.5Kling
5,000 créditos por mes
Hasta 5,000 imágenes rápidas
Hasta 500 videos básicos
Cola de máxima prioridad
Sin marcas de agua
Procesamiento por lotes con herramientas de IA
Privacidad total

Máximo

-50%

$80$40/mes

Facturado anualmente ·$960$480/año

Ventajas del modelo ilimitado

Seedream 3.5Ilimitado
Seedream 3.5 ProIlimitado
MiniMax H3 TurboIlimitado
MiniMax H3Ilimitado

Actualiza para desbloquear todos los modelos avanzados y disfruta de descuentos exclusivos
MiniMax H3-70%GeminiNano BananaGPT-50%Seedream-40%VeoSeedance 2.5Kling
10,000 créditos por mes
Hasta 10,000 imágenes rápidas
Hasta 1,000 videos básicos
Cola de máxima prioridad
Sin marcas de agua
Procesamiento por lotes con herramientas de IA
Privacidad total

Preguntas frecuentes sobre Wan 3.0

Aprende a usar Wan AI en línea, animar imágenes, añadir referencias y planificar tus créditos de video.

¿Qué es Wan AI, y dónde encaja Wan 3.0?

Wan AI es la familia de modelos generativos de Alibaba. Wan 3.0 es un modelo de video de esa familia, que admite texto a video, animación de primer fotograma y de primer/último fotograma, y generación de referencia multimodal. Puedes usarlo en línea en Raphael sin instalar un modelo localmente.

¿Cómo uso Wan 3.0 en línea?

Escribe la descripción de tu escena en el generador de arriba. Añade una imagen para imagen a video, o cambia al modo de referencia para usar otros materiales de origen. Elige la duración, resolución, relación de aspecto y configuración de sonido, revisa el total de créditos y luego genera tu video.

¿Cómo funciona la imagen a video de Wan?

Sube una imagen como primer fotograma y describe el movimiento o la dirección de la cámara. Un fotograma final opcional puede guiar cómo termina el clip. Para varias imágenes que guían sujetos o estilo en lugar de los primeros y últimos fotogramas, usa el modo de referencia en su lugar.

¿Qué materiales de referencia puedo usar?

El modo de referencia acepta hasta 10 imágenes, 5 videos y 5 clips de audio, además de un documento o una página web pública. Los documentos y los enlaces a páginas web no se pueden usar juntos. Añade archivos a través de la misma entrada de material y pega un enlace completo de una página web pública en el cuadro de prompt para crear una tarjeta de referencia.

¿Qué duraciones y resoluciones de video están disponibles?

Elige una duración en segundos enteros de 2 a 30 segundos y una resolución de 480P, 720P o 1080P. Los videos de referencia pueden sumar hasta 15 segundos, y su duración combinada más la salida debe permanecer dentro de los 30 segundos. Una referencia de video de 10 segundos, por lo tanto, deja hasta 20 segundos para la salida.

¿Puede Wan 3.0 generar video con sonido?

Sí. Habilita el sonido para generar audio con el video y describe el diálogo, la música o el ambiente en tu prompt. El sonido está desactivado por defecto en Raphael, y activarlo no cambia la tarifa de créditos.

¿Es gratuita la generación de video de Wan AI en Raphael?

Wan 3.0 utiliza créditos en lugar de generación gratuita. La salida cuesta 14 créditos por segundo a 480P, 27 a 720P y 53 a 1080P. La duración del video de referencia se cobra a la misma tarifa; las imágenes, el audio, los documentos y las referencias de páginas web no añaden un cargo de entrada separado. Verifica el total que se muestra antes de generar.

¿Cuál es la diferencia entre Wan 3.0 y Prime?

Ambos admiten los mismos modos, resoluciones, duraciones y tipos de referencia. Wan 3.0 cuesta menos créditos; Prime es la opción de generación más rápida. Elige según tu presupuesto y necesidades de tiempo de entrega, sin tratar a Prime como un conjunto separado de capacidades creativas.

Wan 3.0 AI Generador de video

Ejemplos de video de Wan 3.0

De una idea a un video de Wan AI

Convierte un PPT de producto en un anuncio de video de Wan

Traza una ruta para guiar la cámara de Wan

Crea una escena a partir de tus palabras

Guía el movimiento con referencias multimodales

Incorpora el sonido a la escena

Explora otros modelos

Wan 3.0 Prime

Gemini Omni Flash

MiniMax H3

Seedance 2.5

Seedance 2.0

Seedance 2.0 Mini

Comparación de Wan 3.0 y Wan 3.0 Prime

Elige tu plan

Profesional

Ventajas del modelo ilimitado

Élite

Ventajas del modelo ilimitado

Máximo

Ventajas del modelo ilimitado

Preguntas frecuentes sobre Wan 3.0

¿Qué es Wan AI, y dónde encaja Wan 3.0?

¿Cómo uso Wan 3.0 en línea?

¿Cómo funciona la imagen a video de Wan?

¿Qué materiales de referencia puedo usar?

¿Qué duraciones y resoluciones de video están disponibles?

¿Puede Wan 3.0 generar video con sonido?

¿Es gratuita la generación de video de Wan AI en Raphael?

¿Cuál es la diferencia entre Wan 3.0 y Prime?

Convierte tu próxima idea en un video de Wan 3.0