Wan 3.0 AI Gerador de Vídeos

Transforme uma descrição de cena ou uma imagem estática em vídeo com Wan 3.0. Crie anúncios de produtos, momentos cinematográficos e clipes sociais online, com até 30 segundos de vídeo e som opcional.

Texto e imagem para vídeoReferências multimodaisAté 30 segundos · 1080PÁudio opcional

Exemplos de Vídeo Wan 3.0

Explore cenas de fantasia, artes marciais, música e narrativas de produtos com Wan 3.0.

Exemplo oficial de Wan 3.0

Um Banquete Acima das Nuvens

Prompt

“Este é um curta-metragem de fantasia de 9 cenas e 30 segundos sobre um reino secreto de montanhas imortais orientais, renderizado de forma estilizada, com uma referência estética ao estilo de ilustração de pôster de calendário do Novo Estilo Chinês — linhas gongbi tradicionais de espessura uniforme delineiam personagens, arquitetura e padrões de nuvens; nuvens e ondas apresentam formas decorativas em camadas, em vez de névoa ou corpos d'água realistas; as cores são aguadas de aquarela com uma textura de papel Xuan envelhecido, usando uma paleta de cores verde e laranja-rosado envelhecidas; a imagem geral apresenta uma estética decorativa retrô e nostálgica, evitando explicitamente materiais fotorrealistas e renderização de motor 3D. A tartaruga gigante flutua acima do vasto mar de nuvens, carregando montanhas imortais e palácios em camadas em suas costas. Nuvens e névoa padronizadas, como bolas de algodão em camadas, flutuam sobre as encostas das montanhas. Uma fada cavalga um qilin auspicioso dourado, rompendo as nuvens e descendo, galopando pelo ar sobre um banquete de bem-aventurança suprema, observando o palco repleto de música, dança e várias performances. Ela finalmente aterrissa na plataforma elevada na praça, juntando-se a músicos e dançarinos para levar todo o local a um clímax de jubilação. Após a convergência dinâmica, todos retornam à tranquilidade, com as montanhas imortais flutuando no fim do mar de nuvens. O filme inteiro utiliza uma narrativa observacional em terceira pessoa, com um estilo de câmera misto, usando apenas quatro técnicas centrais: deslocamento FPV extremo, acompanhamento rápido em perspectiva subjetiva, revezamento de match cut e extensão em câmera lenta. Todas as cenas FPV e de deslocamento subjetivo devem usar movimentos de câmera de alta velocidade para destacar a cena espetacular. Nuvens e ondas padronizadas mantêm seus contornos completos sem colapsar ou deformar durante movimentos de alta velocidade. O ritmo de edição é misto: uma cena de abertura longa em alta velocidade estabelece a escala do objeto gigante, a ação central no meio se desenrola em detalhes com pausas para respiração, o clímax é uma convergência de cortes rápidos e o final é uma cena longa e lenta. A música é uma fusão de música elegante antiga e música eletrônica ambiente moderna, com guzheng, konghou e pipa como instrumentos principais, e sinos para ênfase. O humor transita gradualmente de distante para animado, com batidas de bateria densas e intensas no clímax, retornando a um humor distante no final. Cena 1 (0-4 segundos · Transição de Atmosfera) Deslocamento FPV em plano geral, caindo em velocidade extrema do alto do mar de nuvens. Nuvens padronizadas mantêm seus contornos completos em forma de bola de algodão durante a descida em alta velocidade, expressando velocidade através do deslocamento geral de blocos de cor, em vez de fragmentação ou deformação. A câmera roça o contorno tênue da cabeça da tartaruga gigante, depois assobia através de várias camadas de montanhas e palácios flutuantes. Cada camada de cenário, devido à velocidade excessiva, aparece apenas como contornos fugazes de blocos de cor de padrões decorativos. A silhueta de garças brancas batendo as asas nas montanhas é simplificada com linhas gongbi para representar rastros de velocidade. Finalmente, a câmera desce rapidamente e freia, estabilizando-se subitamente perto da direção da plataforma elevada na praça, revelando o contorno de um festival movimentado com luzes e multidões. O som ambiente é o som atmosférico de baixa frequência de nuvens agitadas sobreposto ao assobio de um vento forte; a música se desenrola rapidamente com guzheng e notas eletrônicas sustentadas, aumentando gradualmente de volume. Cena 2 (4-11 segundos · Destaque Principal · Tier-A) Acompanhamento em perspectiva subjetiva, simulando a fada cavalgando o qilin, um plano-sequência em primeira pessoa voando em altíssima velocidade perto do chão, observando o festival. A tela gera uma sensação de velocidade através do deslocamento geral de blocos de cor devido ao movimento de alta velocidade. As penas do pescoço do qilin são representadas com linhas gongbi e blocos de cor, girando com o fluxo de ar, com camadas de aguada vermelha dourada nas bordas dos ornamentos de penas. A perspectiva desliza baixo sobre a praça em uma velocidade quase descontrolada. O cenário dos dois lados — mangas largas de dançarinos ondulando como ondas de nuvens padronizadas, formações de músicos tocando pipa, guzheng e konghou em uníssono, lanternas e cortinas de gaze penduradas em camadas — aparece apenas como blocos de cor decorativos fugazes devido à velocidade excessiva. As multidões e luzes na profundidade da tela, devido à passagem em alta velocidade, não têm tempo para focar, formando rastros de luz laranja quente borrados. Nuvens padronizadas ao redor da tela mantêm seus contornos de bola de algodão, fluindo com a perspectiva. A ação central é o deslizamento contínuo em alta velocidade do qilin através de um arco completo: na fase inicial, o qilin abre as asas e galopa perto do chão, a perspectiva treme violentamente, transmitindo uma forte sensação de velocidade; na fase de desenvolvimento, o qilin salta e passa sobre as cabeças da multidão, a perspectiva flutua muito, a vista panorâmica da praça aparece em agitação violenta e é então jogada para fora do quadro pela velocidade; na fase de clímax, o qilin paira por um momento, batendo as asas diretamente abaixo da aura da árvore espiritual, a velocidade da tela cai subitamente para zero, criando um forte contraste, a aura preenche a tela com aguadas douradas envelhecidas, e as linhas gongbi restauram a clareza e a completude no momento de quietude; então o qilin acelera ainda mais ferozmente, mergulhando em direção à plataforma elevada na praça, com uma sensação contínua de velocidade. Fenômenos dinâmicos: lanternas balançam violentamente com o fluxo de ar, cortinas de gaze padronizadas sobem e descem em camadas sem colapso de contorno. Áudio da cena: o som ambiente é a atmosfera agitada da multidão sobreposta ao assobio do fluxo de ar; o efeito sonoro principal é a breve amplificação dos arpejos de pipa ao passar pela formação de músicos; as batidas de bateria da música começam a intensificar, com sinos intercalados. Cena 3 (11-19 segundos · Destaque Principal · Tier-A) Plano médio para close-up, linhas gongbi delineiam os contornos, aguadas quentes expressam camadas de luz e sombra. A musicista senta-se de um lado da plataforma elevada, segurando uma pipa diagonalmente à sua frente. Sua pele é renderizada com aguadas de aquarela, mostrando uma textura suave e rosada. Um delicado ponto vermelho-carmim entre suas sobrancelhas é sutilmente esfumado. Várias contas de pérolas penduradas em seu cabelo são representadas com linhas gongbi, balançando suavemente enquanto ela abaixa a cabeça. Ela veste um vestido de mangas largas branco-lua com padrões escuros, sobreposto por uma meia-manga laranja-fogo bordada a ouro. O tecido é renderizado com aguadas de aquarela, mostrando profundidades variadas e dobras e sombras naturais, com contornos contínuos e uniformes. A ação central é uma passagem musical completa, do dedilhar e palhetar a uma transição de dedos rolantes, e depois a um arpejo final: na fase inicial, o polegar e o indicador direitos alternam toques e dedilhados leves, as cordas são representadas com linhas simples mostrando leves vibrações; na fase de desenvolvimento, transita para dedos rolantes, aqui sem travar a precisão dos dedos, a câmera muda para um close-up focando nas próprias cordas — as cordas mostram rastros borrados e vibrantes de linhas gongbi devido ao dedilhar em alta velocidade, os movimentos das mãos são expressos através de um ritmo fluido de contorno geral, em vez de detalhes de linhas de dedos individuais; na fase de clímax, o braço da musicista levanta-se subitamente, sua palma faz um grande arpejo varrendo todas as cordas, o arpejo cria um efeito visual explosivo com aguadas de blocos de cor, o contorno do instrumento vibra visivelmente com a força, e o contorno da manga larga balança para cima e para baixo significativamente com o movimento do braço. A câmera aqui transita para uma extensão em câmera lenta, capturando os detalhes do balanço da seda e da vibração das cordas durante este momento de varredura. As mudanças em camadas das aguadas de aquarela são claramente visíveis em câmera lenta; finalmente, a mão da musicista pausa acima das cordas, respirando levemente, seus olhos se levantam subitamente para olhar em direção ao centro da praça, sua expressão absorta e perdida no momento. Outras reações dos sujeitos: uma formação de cem pessoas de música e dança ao longe, simplificada em figuras de grupo padronizadas, levanta suas mangas em resposta ao arpejo explosivo. Áudio da cena: o efeito sonoro principal é o som forte do arpejo de pipa explosivo e a batida pesada da bateria coincidindo precisamente; a instrumentação musical atinge seu pico de densidade aqui, com sinos, sheng e xiao tocando em uníssono. Cena 4 (19-21 segundos · Transição de Atmosfera, Pausa para Respiração) Plano médio, vista aérea, o som remanescente do arpejo ainda não se dissipou, um breve movimento lento, como que congelado, da vista panorâmica da praça, o momento em que as mangas largas da formação de cem pessoas de música e dança estão suspensas imóveis no ar, as lanternas padronizadas balançam gradualmente mais devagar, a velocidade da tela diminui subitamente para criar uma forte sensação de contraste de respiração, as aguadas com textura de papel Xuan envelhecido mostram camadas suaves nos feixes de luz. Áudio da cena: batidas de bateria brevemente esparsas, som remanescente dos sinos longo. Cena 5 (21-27 segundos · Destaque Principal · Tier-A) Plano médio para close-up, linhas gongbi delineiam os contornos, luz de fundo expressa com aguadas mostrando halos suaves nos cabelos e bordas da seda. No centro da praça, uma dançarina se destaca sozinha diante da formação de cem pessoas. Sua pele é renderizada com aguadas de aquarela, mostrando uma textura suave. Suas sobrancelhas são sutilmente esfumadas com finas linhas gongbi, arqueando para cima. Seu cabelo preto está preso no alto, com um ornamento dourado com padrão de chama no topo, representado com linhas e blocos de cor mostrando luz refratada. Ela veste um vestido de seda longo e transparente de mangas largas com gradiente laranja-fogo. O tecido de seda é renderizado com aguadas de aquarela, mostrando uma qualidade leve e translúcida com bordas em camadas. Vários metros de seda longa estão enrolados em seus braços, caindo ao seu lado. A ação central é o arco completo da seda longa girando: na fase inicial, os braços da dançarina são recolhidos, a seda longa solta e enrolada ao seu lado, seus olhos ligeiramente fechados, reunindo impulso; na fase de desenvolvimento, sua cintura gira subitamente, impulsionando seus braços a balançarem amplamente, a seda longa forma uma enorme trajetória espiral no ar como chamas padronizadas, seu corpo inclina-se significativamente com o impulso do balanço e depois se endireita, a ponta da seda longa arrasta um rastro simplificado de pós-imagem de movimento com linhas gongbi, o contorno permanece contínuo sem colapsar; na fase de clímax, a dançarina gira em sua velocidade máxima, então estabiliza seu centro de gravidade, seus braços se abrem subitamente, a seda longa se desenrola completamente ao seu redor em um enorme halo de chama padronizado, o contorno permanece uniformemente claro sem quebrar ou torcer no momento do desenrolar; finalmente, a seda longa se recolhe e cai lentamente, a dançarina respira levemente, seus olhos se abrem para olhar em direção à plataforma elevada na praça, sua expressão relaxada e perdida no momento. Outras reações dos sujeitos: a formação de cem pessoas levanta suas mangas em uníssono no momento em que a seda longa se desenrola, a aura da árvore espiritual brilha significativamente, e nuvens padronizadas são tingidas com aguadas quentes. Áudio da cena: o som ambiente recua brevemente; o efeito sonoro principal é o assobio da seda longa se desenrolando combinado com notas fortes de sinos; instrumentação de cinco camadas da música toca em uníssono, volume máximo de todo o filme. Cena 6 (27-30 segundos · Transição de Atmosfera, Conclusão de Plano Longo) Plano geral, vista aérea subindo lentamente, o brilho remanescente da seda longa e a jubilação da praça afundam gradualmente nas nuvens e névoa padronizadas. A silhueta do qilin desapareceu nas profundezas das luzes. A formação de cem pessoas e os músicos diminuem gradualmente, misturando-se à escala das montanhas imortais. A aura da árvore espiritual transforma-se em uma aguada suave e persistente de cor. Nuvens padronizadas se recombinam, cobrindo a encosta da montanha. A tela congela em uma vista panorâmica de montanhas imortais envoltas em névoa flutuando no fim do vasto mar de nuvens. As linhas gongbi no plano geral são simplificadas em contornos suaves de montanhas, e as aguadas com textura de papel Xuan envelhecido retornam à tranquilidade. Áudio da cena: o som ambiente retorna à atmosfera de baixa frequência distante do mar de nuvens; apenas as notas finais do guzheng e as notas eletrônicas sustentadas permanecem, diminuindo gradualmente até o silêncio, concluindo todo o filme.”

De uma ideia a um vídeo Wan AI

Escolha um ponto de partida que se adapte ao seu projeto: uma cena escrita, uma imagem de produto ou uma coleção de referências. Defina a duração e a resolução antes de gerar.

Exemplo oficial de Wan 3.0

PPTX

Depois

“Um anúncio de produto de óculos inteligentes de alta qualidade, com um estilo geral minimalista, futurista e moderno, iluminação contida, uma paleta de preto, cinza-prata e azul-gelo como tons principais, com detalhes de luz branca suave localizada e gráficos de UI de parâmetros. Abrindo em um fundo preto puro, um par de óculos inteligentes emerge lentamente da escuridão, com reflexos refinados deslizando pelas hastes, a silhueta da armação delineada sob uma iluminação de borda fria. A câmera passa em close-up extremo sobre as lentes, plaquetas nasais, dobradiças, hastes e detalhes do material, exibindo a textura delicada do metal e dos materiais compósitos de alto desempenho, com um tratamento de superfície refinado e contido e linhas finas e fluidas. O produto então gira lentamente no ar, com gráficos de movimento minimalistas exibindo informações de parâmetros essenciais em sincronia. A câmera então converge rapidamente, todos os componentes retornando precisamente para montar o produto completo. Transiciona para uma jovem modelo usando os óculos — a modelo tem traços definidos, postura confiante, vestida com moda urbana elegante e sofisticada, virando a cabeça, levantando a mão, andando e sorrindo naturalmente em um espaço minimalista e ambiente de iluminação urbana. A câmera mostra os óculos de ângulos frontal, lateral e oblíquo-traseiro, destacando o ajuste fino, a silhueta moderna e a versatilidade para o dia a dia. O final apresenta o produto flutuando e congelado contra um fundo de cor sólida, com a câmera avançando lentamente em direção ao logotipo da marca e ao slogan principal. A música geral é uma ambiência eletrônica minimalista com batidas precisas, ritmo limpo e poderoso. A qualidade visual é refinada, contida e pura, com uma forte assinatura de marca e estética tecnológica internacional.”

Transforme um PPT de Produto em um Anúncio em Vídeo Wan

Use uma apresentação de produto como referência e descreva o estilo do anúncio, os planos do produto e os cenários de uso desejados. Este exemplo de óculos inteligentes mostra como a Wan 3.0 transforma informações de produto em um anúncio de tecnologia. Você também pode combinar a entrada de documentos com referências de imagem, vídeo ou áudio.

Exemplo oficial de Wan 3.0

Desenhe um Caminho para Guiar a Câmera - Imagem de entrada

Antes

Depois

“【Requisitos rígidos para a imagem base】 A filmagem final remove completamente todas as linhas vermelhas, marcadores numéricos, setas e marcas auxiliares; nenhum texto ou marca d'água aparece no quadro. Textura de pintura a óleo clássica fotorrealista surreal 8K, pinceladas grossas e granulação de pigmento claramente discerníveis, renderização de iluminação cinematográfica UE5, contraluz lateral em tons quentes de uma tarde grega, poeira marrom-dourada agitando-se e flutuando através dos feixes de luz. O cavalo de madeira branco gigante, o reboque de madeira e os rolos, as cordas de cânhamo grossas e esticadas, a muralha de pedra troiana e a torre de vigia redonda à esquerda, e o complexo da cidade-montanha distante mantêm todos a sua forma, proporções e posições originais inalteradas. As proporções humanas são naturais e sem distorção; apenas a multidão original puxando a corda e os defensores na muralha permanecem — nenhuma figura extra é adicionada. As vestes permanecem nas cores originais ocre-vermelho, índigo, amarelo-terra e branco-sujo. 【Regras principais de movimento da câmera】 Perspectiva de drone FPV em primeira pessoa, plano sequência, um movimento contínuo ininterrupto do início ao fim, voando ao longo do caminho completo da linha vermelha 1→2→3→4→5 na Imagem 1, sem pular nenhum segmento, simplificar nenhuma trajetória, ou mudar a ordem. A abertura não é um voo reto e plano — primeiro sobe para cima-esquerda para passar pela zona das cordas de reboque, depois mergulha para baixo em um grande arco ondulado. O ponto de passagem 2 deve passar genuinamente pelo espaço sob a barriga do cavalo; não pode contornar o corpo do cavalo ou passar pela lateral. A cadência geral de velocidade em camadas é rápido → lento → rápido. 【Segmentado por ponto de passagem】 Segmento 1 (ponto de passagem 1 → ponto de passagem 2): impulso de entrada em alta velocidade, um mergulho que primeiro sobe e depois desce. A câmera decola em baixa altitude da borda direita do quadro, ao lado das pontas das lanças dos lanceiros que aplaudem, sobe bruscamente para cima-esquerda em velocidade extrema, varrendo fileiras de cordas de reboque esticadas, subindo acima do complexo da cidade-montanha distante para passar por ele, então guina bruscamente para baixo na posição logo à direita do peito do cavalo, pressionando o nariz para baixo e mergulhando ao longo do topo das cabeças da multidão e das lanças erguidas. Braços e estandartes passam rapidamente em ambos os lados, a poeira levantada é rasgada em longas fitas pela corrente de ar, e o nariz mergulha direto para a sombra sob a barriga do cavalo. Segmento 2 (ponto de passagem 2, passando pela barriga): mergulhando sob o cavalo, a velocidade diminui subitamente. A câmera desce a um nível extremamente baixo, passando entre as quatro pernas maciças do cavalo, que parecem pilares, atravessando o espaço sombrio diretamente sob a barriga — acima estão as tábuas de madeira e as marcas de cinzel da parte inferior da barriga, em ambos os lados estão cordas grossas, tábuas de reboque e rolos com faixas de ferro, abaixo está o chão empoeirado pisoteado por inúmeros pés. A luz diminui abruptamente, deixando apenas barras de luz dourada vazando pelas frestas; a sensação de escala atinge o seu máximo. Segmento 3 (ponto de passagem 2 → ponto de passagem 3): câmera lenta, inclinando para cima e virando bruscamente. A câmera emerge do outro lado da barriga e, perto da parte traseira do cavalo, próximo à muralha da cidade à esquerda, traça um grande arco ascendente em forma de U em câmera lenta, varrendo a textura esculpida da cauda e das patas traseiras. A estrutura da câmera inclina-se lentamente para cima, e o volume maciço da muralha de pedra da cidade e da torre de vigia redonda ao fundo preenche gradualmente o quadro à medida que a câmera sobe. Segmento 4 (ponto de passagem 3 → ponto de passagem 4): mantendo câmera lenta, subindo e orbitando ao longo da espinha. A câmera sobe lentamente ao longo da linha da espinha do cavalo, de trás para frente, varrendo as junções de madeira das costas, a crina esculpida e encaracolada, e as ondulações dos músculos do pescoço, um por um. Pássaros circulando no céu se dispersam na frente da lente; os defensores densamente agrupados na muralha e a cidade-montanha distante recuam lentamente abaixo. Segmento 5 (ponto de passagem 4 → ponto de passagem 5): aceleração súbita, um giro rápido ao redor da cabeça para finalizar. Após passar o topo da crina, a câmera acelera subitamente, girando para a direita em um loop completo e fechado ao redor da cabeça do cavalo — primeiro disparando para o céu aberto à direita-frente do cavalo, depois revertendo bruscamente e voltando, e finalmente acelerando direto em direção à cabeça do cavalo. O movimento para abruptamente no último instante. 【Quadro final de retenção】 A câmera se fixa em uma posição de close-up diretamente em frente à cabeça do cavalo: o olho, a narina e a crina cinzelada do cavalo dominam o quadro, a luz de contorno traça um contorno dourado ao redor da cabeça, e o fundo é o céu azul desfocado, nuvens flutuantes e a cidade-montanha distante. 【Notas de iluminação e qualidade】 Sem cortes, sem divisões de plano, sem quebras de transição — mantenha a textura nativa de leve distorção grande-angular FPV de um único plano contínuo. A luz dourada da tarde sempre vem do canto superior direito do quadro; ao passar pela barriga, ela passa por uma transição natural de exposição de claro para escuro e de volta para claro. A densidade de partículas de poeira e micro-poeira suspensa no ar intensifica-se com a velocidade, e a pincelada da pintura a óleo e a granulação do pigmento permanecem consistentes em toda a peça — nenhum brilho plástico fotorrealista aparece.”

Desenhe um Caminho para Guiar a Câmera

Marque uma rota e pontos numerados em uma imagem de referência e, em seguida, descreva o movimento da câmera em seu prompt. Este exemplo do Wan 3.0 apresenta uma tomada contínua de drone através de uma cena de cavalos de madeira, usando o caminho desenhado para guiar curvas, mudanças de altura e ritmo. O vídeo final remove as marcas de referência.

Exemplo oficial de Wan 3.0

Construa uma cena a partir de suas palavras

Descreva um assunto, cenário, ação e movimento de câmera para criar um vídeo a partir do texto. O Wan 3.0 oferece espaço para uma curta história visual, seja você imaginando um mundo surreal ou planejando um clipe social cinematográfico. Escolha uma duração de 2 a 30 segundos e saída de até 1080P.

Exemplo oficial de Wan 3.0

“Gerar uma CG de abertura cinematográfica de jogo japonês de ficção científica, com aproximadamente 24 segundos de duração, baseada em três imagens de referência. [Image 1] é a única referência de aparência para o personagem masculino. [Image 2] é a única referência de aparência para a personagem feminina. [Image 3] é a referência para o espaço, materiais arquitetônicos e iluminação de um dojo tradicional de madeira. Ao longo de todo o filme, manter estritamente consistentes as características faciais, penteados, vestuário, proporções corporais e acessórios mecânicos para ambos os personagens. Não alterar os óculos de proteção do masculino, o cabelo grisalho prateado e o casaco longo cinza escuro; não alterar os coques duplos da feminina, a máscara mecânica vermelha e o traje de combate branco. 【Estilo Geral】 CG de abertura de RPG de ação japonês de alto orçamento, com arte de animação de ficção científica madura, renderização cel-shaded requintada combinada com espaço 3D cinematográfico. A atmosfera visual é semelhante a um jogador entrando em um nível de treinamento oculto: um espaço virtual digital branco frio carrega gradualmente em um dojo tradicional marrom quente, misturando tecnologia com um espaço de artes marciais oriental. A câmera é contida, criando uma sensação de pressão, sem combate formal, apenas mostrando o confronto antes do início do nível. 【Cenas e Diálogo】 [0–3 segundos] Um espaço virtual branco puro e sem limites. O personagem masculino está de costas para a personagem feminina em primeiro plano, enquanto a personagem feminina aparece ao longe. Apenas um zumbido eletrônico fraco e um som de pulso baixo estão presentes no espaço. A câmera avança suave e rapidamente de um plano extremamente longo, circulando para a frente do masculino, formando um close-up de seu tronco. A expressão do masculino é calma, como se ele estivesse esperando ali há muito tempo. O masculino não fala. [3–8 segundos] A câmera ascende rapidamente para uma vista aérea vertical. Linhas de coordenadas digitais cinza claro e grades arquitetônicas se acendem sequencialmente sob seus pés, espalhando-se pelo chão, como se um nível oculto estivesse carregando. Acompanhado por um som de inicialização de sistema baixo, tábuas de madeira se geram peça por peça de debaixo de seus pés para fora; pilares de madeira se erguem verticalmente um por um; vigas se conectam automaticamente no ar; paredes, portas shoji e estruturas de telhado se constroem camada por camada. O processo de geração arquitetônica é contínuo e preciso, com o efeito visual de um motor de jogo de alta qualidade carregando uma cena em tempo real. [8–11.5 segundos] A câmera desce rapidamente de cima, transicionando para um ângulo baixo perto do chão de madeira, deslizando para a frente entre os dois personagens. O dojo está totalmente gerado. A luz solar quente passa pelas janelas shoji, projetando sombras longas e regulares no chão de madeira. Uma pequena quantidade de poeira flutua no ar, o som da geração arquitetônica cessa gradualmente, e o espaço cai em um breve silêncio. A feminina primeiro olha ao redor do dojo recém-gerado, pausa por meio segundo, então abaixa a voz e pergunta em um japonês alerta e calmo: 「ここは……何のステージ？」 O ritmo de pronúncia é natural, aproximadamente: Ko-ko wa……nan-no su-tē-ji? Significado: Isto é... que tipo de palco? [11.5–14.5 segundos] Corte para um plano médio-fechado da personagem feminina. Ela não fala mais. Ela ajusta rapidamente seu centro de gravidade, seu corpo afundando ligeiramente, e levanta a mão direita, com a palma voltada para o masculino, adotando uma postura defensiva de artes marciais precisa e contida. Sua máscara mecânica vermelha emite um breve brilho, e o dispositivo mecânico em sua orelha completa uma varredura. Seu olhar permanece vigilante, sem expressão exagerada. [14.5–19 segundos] Corte para um plano médio do personagem masculino. O masculino vira-se calmamente, a barra de seu casaco longo balançando ligeiramente. Ele levanta lentamente a mão direita, com a palma voltada para a feminina, respondendo à postura dela com uma atitude calma. A câmera avança lentamente em direção ao masculino. O masculino termina suas falas completa e calmamente, com pausas naturais entre elas, respondendo em um japonês baixo, calmo e semelhante a um gerente de nível: 「お前の適性を測る、最初の試練だ。」 O ritmo de pronúncia é natural, aproximadamente: O-ma-e no te-ki-sei o ha-ka-ru、sai-sho no shi-ren da. Significado: Este é o primeiro teste para medir sua aptidão. O masculino não mostra um sorriso claro ao falar, sua voz é firme, sem raiva ou tom de grito. [19–24 segundos] Corte para um close-up frontal do masculino. O fundo do dojo mostra gradualmente um leve efeito de dissipação digital, o ambiente quente é coberto por uma intensa luz branca fria, desvanecendo-se de volta ao espaço virtual branco puro original. Uma luz de varredura branca fria passa pela superfície dos óculos de proteção do masculino. Após a tela pausar por meio segundo, uma voz feminina de sistema baixa é ouvida à distância, sem exibir legendas: 「適性試験、開始。」 Pronúncia: Te-ki-sei shi-ken、kai-shi. Significado: Teste de aptidão, iniciar. Finalmente, acompanhado por um som de confirmação de sistema curto e poderoso, a tela congela e termina. 【Design de Som】 No início, usar sons ambientes eletrônicos baixos, pulsos espaciais fracos e ressonância mecânica distante. Durante a geração da cena, adicionar sons de ativação de grade digital, sons de desdobramento de módulos de madeira, sons de pilares de madeira subindo e sons de fechamento estrutural de baixa frequência. Os sons devem ter peso, mas não ser excessivamente barulhentos. Após o dojo ser totalmente gerado, o som ambiente diminui subitamente, retendo apenas a reverberação do espaço de madeira, o leve atrito do tecido e os sons de respiração dos personagens. Os personagens usam dublagem japonesa natural: A voz da feminina é jovem, calma e alerta, evitando tons de anime fofos ou exagerados. A voz do masculino é baixa, madura e composta, como a de um mentor, guardião de nível ou guia de missão. A voz feminina do sistema é clara, fria e sem emoção, como um aviso de sistema de jogo. 【Controle de Geração】 Quando os personagens falam, a sincronização labial japonesa deve ser precisa e sincronizada. Apenas o personagem atualmente em cena deve falar, evitando vozes incompatíveis. Cada fala japonesa deve ser dita completamente, sem pressa ou compressão da velocidade da fala; pausas e respirações naturais devem ser mantidas antes e depois das falas. Enfatizar a sequência de carregamento do dojo: Coordenadas digitais ativam → Grade se espalha para fora → Tábuas de madeira se dispõem peça por peça → Pilares de madeira se erguem sequencialmente → Vigas se conectam automaticamente → Paredes e portas shoji se geram → Dojo completo se fecha. Nenhum dos personagens se envolve em combate rápido, corrida ou pulos. Eles apenas observam o ambiente, ajustam suas posturas, levantam as palmas das mãos para iniciar uma pose e se confrontam. As palmas das mãos e a estrutura dos dedos dos personagens devem ser naturais; as características faciais, penteados, máscaras, óculos de proteção e vestuário devem permanecer estáveis durante todo o processo; a perspectiva arquitetônica deve ser precisa; o movimento da câmera deve ser fluido. Nenhuma legenda, título, interface de usuário, menus de jogo, valores numéricos, identificadores, bordas de storyboard ou marcas d'água devem aparecer na tela.”

Guie o movimento com referências multimodais

Combine imagens de personagens com referências de vídeo para movimento e direção de câmera. Adicione áudio para guiar o humor ou use um documento ou página da web pública como um briefing criativo. Diga ao Wan como cada referência deve influenciar a cena para moldar a aparência, a ação e a atmosfera de um novo vídeo.

Exemplo oficial de Wan 3.0

“Gerar um videoclipe de hip-hop internacional cinematográfico de 24 segundos com qualidade fotorrealista, uma estética de MV de moda urbana de alta qualidade e um ritmo acelerado, confiante e poderoso. [Imagens de Referência] Imagem 1: Referência para a formação do grupo de quatro pessoas, identidades dos personagens, vestuário e estilo geral. O vídeo inteiro apresentará consistentemente quatro pessoas: uma vocalista principal feminina, um DJ masculino e um performer de hype em cada lado. Não são permitidos novos personagens, duplicação ou troca de personagens. Imagem 2: Referência para o rosto, penteado, maquiagem, vestuário estilo funcional prateado e preto, e microfone de mão da vocalista principal feminina. Todos os close-ups devem manter o mesmo rosto e roupa. Imagem 3: Referência para o palco no telhado, cabine de DJ, chão molhado e reflexivo, iluminação, guarda-corpo de vidro e horizonte da cidade. O vídeo inteiro ocorrerá consistentemente no mesmo telhado. [Conceito Central] Diferentes vozes, um ritmo. A mesma vocalista principal alterna naturalmente entre oito idiomas no mesmo hino de hip-hop internacional original e cativante. A música tem aproximadamente 106 BPM, entrando imediatamente em um groove forte no primeiro segundo, sem uma construção atmosférica lenta; usa kicks pesados e impactantes, snares nítidos e claros, uma linha de baixo saltitante e sincopada, e um gancho de sintetizador eletrônico de dois compassos e metais curtos, claro, memorável e fácil de cantarolar. Este gancho central é estabelecido desde o início, retornando continuamente com breves variações entre cada troca de idioma, e explode totalmente no beat drop aos 21 segundos. Os oito idiomas fluem como um rap contínuo dentro da mesma música, sempre caindo naturalmente na batida, não recitando palavras mecanicamente frase por frase; o acompanhamento sempre mantém melodia, ritmo e um senso de avanço, não enfraquecendo devido à sincronização labial. [Sequência de Planos] O vídeo inteiro mantém um eixo espacial claro e estável: a vocalista principal está sempre no centro da frente, o DJ está sempre na console de equipamentos traseira, e os dois performers estão sempre em cada lado. A câmera se move principalmente para frente, para trás ou faz panorâmicas suaves ao longo do eixo frontal, com cada plano executando apenas um movimento principal; o ritmo vem principalmente da performance, mudanças de tamanho de plano e cortes secos, não dependendo de círculos contínuos, panorâmicas rápidas frequentes ou inversões súbitas. Plano 1 | 0-3 segundos Plano aéreo de baixa altitude sobrevoando edifícios da cidade, descendo rapidamente para o palco no telhado da Imagem 3. A vocalista principal está no centro da frente, o DJ está na console de equipamentos traseira, e os dois performers estão em cada lado. À medida que a câmera se aproxima da vocalista principal, ela transiciona para um push-in grande angular de baixo ângulo. A vocalista principal olha diretamente para a câmera, cantando: “One beat.” A última batida forte cai, corte seco. Plano 2 | 3-6 segundos Close-up médio frontal do busto da vocalista principal, referenciando estritamente a Imagem 2. O estabilizador avança uma curta distância ao longo do eixo frontal e para naturalmente, com as luzes da cidade formando um bokeh desfocado ao fundo. A vocalista principal segura o microfone em uma mão e, com a outra, aponta para a câmera no ritmo, balançando a cabeça com força. A vocalista principal canta: “同一个节拍。” A última palavra cai na batida, corte seco direto para o próximo tamanho de plano. Plano 3 | 6-9 segundos Plano macro do DJ operando o toca-discos, faders e botões luminosos, em seguida, uma panorâmica rápida para cima para revelar o DJ ao fundo e a vocalista principal performando de lado em primeiro plano. O equipamento e o arranjo dos personagens permanecem estáveis. A vocalista principal canta: “ひとつのリズム.” Corte seco no momento em que o DJ pressiona um botão. Plano 4 | 9-12 segundos Plano médio lateral 3/4 da vocalista principal, com a câmera fazendo uma panorâmica suave de curta distância da esquerda para a direita, sempre mantendo um horizonte horizontal e o eixo espacial estabelecido. Os dois performers dançam ao fundo em cada lado, com movimentos diferentes, mas ritmo unificado. A vocalista principal segue a câmera com os olhos e leves movimentos de cabeça. A vocalista principal canta: “하나의 리듬.” Na última batida, a vocalista principal levanta a mão e passa pela câmera, criando uma transição de varredura. Plano 5 | 12-15 segundos Panorâmica grande angular de baixo ângulo. A vocalista principal caminha em direção à câmera ao longo da área de performance no telhado, sua jaqueta prateada levemente soprada pelo vento noturno, com as luzes da cidade ao fundo criando uma paralaxe de movimento óbvia, e o chão molhado refletindo uma luz dourada quente. A vocalista principal canta: “Um só ritmo.” Passos caem na batida forte, corte seco. Plano 6 | 15-18 segundos Close-up médio da vocalista principal e da performer feminina à direita. As duas primeiro ficam de costas uma para a outra, depois viram-se simultaneamente para a câmera. A vocalista principal termina de cantar, e a performer responde ao ritmo com movimentos de ombro e braço, sem roubar o foco. A vocalista principal canta: “จังหวะเดียวกัน.” A última batida é naturalmente varrida pelo ombro da performer direita passando pela câmera, completando uma transição de cobertura. Plano 7 | 18-21 segundos Um push-in curto, poderoso, mas constante, movendo-se de um plano médio para um close-up da vocalista principal e parando imediatamente. A vocalista principal entra em um clímax de flow, com olhos determinados e gestos poderosos. O DJ e os dois performers levantam as mãos simultaneamente ao fundo, e as luzes do telhado se intensificam com a batida. A vocalista principal canta: “Un mismo ritmo.” A última palavra termina, corte seco diretamente na composição estável. Plano 8 | 21-24 segundos Close-up lateral retroiluminado da vocalista principal, com um lado do rosto iluminado por uma luz de contorno dourada quente, e o outro lado mantendo uma sombra azul profunda. A vocalista principal canta primeiro: “إيقاع واحد.” Então a batida cai, e a câmera recua suavemente ao longo do eixo frontal para um plano geral heroico, com o horizonte permanecendo horizontal. As quatro pessoas formam uma postura triangular estável, com a vocalista principal na frente, o DJ no centro traseiro e os dois performers em cada lado. Todos dão um passo à frente em direção à câmera no ritmo. A vocalista principal canta: “Different voices, one beat.” Todos respondem em uníssono na última batida: “One beat.” Todos congelam seus movimentos, a vocalista principal olha diretamente para a câmera, e a cena termina. [Requisitos de Performance] Todas as letras da vocalista principal devem ser precisamente sincronizadas labialmente, com pronúncia natural, sotaques e velocidade de fala mantidos em todos os oito idiomas, mas a linha vocal, identidade e flow geral da vocalista principal permanecem consistentes. Cabeça, ombros, gestos e peso corporal movem-se naturalmente com a batida. Nenhuma recitação mecânica, nenhuma mudança de personagem, roupa, idade ou linha vocal ao trocar de idioma. [Requisitos Visuais] Telhado de cidade na hora azul até a noite, com uma paleta de cores azul profundo, cinza prateado, dourado quente e uma pequena quantidade de néon magenta. Uma mistura de lentes de cinema de 24mm, 35mm, 50mm, profundidade de campo rasa real, granulação de filme delicada, leve névoa atmosférica e textura de pele realista. A edição cria uma sensação de velocidade através de mudanças claras em planos gerais, médios e próximos, mas planos adjacentes não invertem frequentemente a direção do movimento. Usa principalmente cortes secos, cortes de continuidade e uma varredura natural; evita círculos em grande escala, panorâmicas rápidas contínuas, ângulos holandeses e push-ins inconsistentes. Sem legendas, sem texto de letras, sem logotipos de marca, sem UI, sem marcas d'água. Feições faciais claras, dedos naturais, microfone e equipamento de DJ estáveis, sem flutuação ou distorção. As identidades, roupas, penteados, acessórios e cenário de todas as quatro pessoas permanecem consistentes ao longo do vídeo.”

Traga o som para a cena

A geração de vídeo Wan pode incluir diálogo, música e som ambiente junto com a imagem. Descreva o áudio que você deseja e ative o som no gerador, ou deixe-o desativado para um clipe silencioso que você pode sonorizar mais tarde. Isso é adequado para vídeos de performance, cenas atmosféricas e contos.

Explore outros modelos

Alterne entre os principais modelos de vídeo em um único gerador.

NEW

Wan 3.0 Prime

Gemini Omni Flash

MiniMax H3

Seedance 2.5

Seedance 2.0

Seedance 2.0 Mini

Comparação entre Wan 3.0 e Wan 3.0 Prime

Ambos os modelos suportam os mesmos modos de geração e tipos de referência. Escolha Wan 3.0 para um custo de crédito menor, ou Prime quando a geração mais rápida for mais importante.

Recurso	Wan 3.0	Wan 3.0 Prime
Modos de geração	Texto, quadros inicial/final, referências	Texto, quadros inicial/final, referências
Resolução	480P / 720P / 1080P	480P / 720P / 1080P
Duração da saída	2–30 segundos	2–30 segundos
Entradas de referência	Imagem, vídeo, áudio, documento ou página da web	Imagem, vídeo, áudio, documento ou página da web
Som gerado	Opcional; desativado por padrão	Opcional; desativado por padrão
Custo inicial · 480P, 2 segundos	28 créditos	42 créditos
Principal vantagem	Menor custo de crédito	Geração mais rápida

Use a mesma abordagem criativa com qualquer modelo. Sua resolução, duração de saída e duração do vídeo de referência determinam o total de créditos exibido no gerador.

Wan 3.0 Prime

Escolha Seu Plano

Imagens gratuitas incluem marca d'água. Atualize para saídas limpas, geração mais rápida e uso comercial.

Profissional

-50%

$20$10/mês

Cobrado Anualmente ·$240$120/ano

Vantagens de Modelo Ilimitado

Seedream 3.5Ilimitado
Seedream 3.5 ProNão Inclui Ilimitado
MiniMax H3 TurboNão Inclui Ilimitado
MiniMax H3Não Inclui Ilimitado

Atualize para desbloquear todos os modelos avançados e aproveitar descontos exclusivos
MiniMax H3-70%GeminiNano BananaGPT-50%Seedream-40%VeoSeedance 2.5Kling
2,000 créditos por mês
Até 2,000 imagens rápidas
Até 200 vídeos básicos
Fila de Prioridade
Sem marcas d'água
Processamento em lote com ferramentas de IA
Privacidade Total

Recomendado

Elite

-50%

$40$20/mês

Cobrado Anualmente ·$480$240/ano

Vantagens de Modelo Ilimitado

Seedream 3.5Ilimitado
Seedream 3.5 ProIlimitado
MiniMax H3 TurboNão Inclui Ilimitado
MiniMax H3Não Inclui Ilimitado

Atualize para desbloquear todos os modelos avançados e aproveitar descontos exclusivos
MiniMax H3-70%GeminiNano BananaGPT-50%Seedream-40%VeoSeedance 2.5Kling
5,000 créditos por mês
Até 5,000 imagens rápidas
Até 500 vídeos básicos
Fila de Prioridade Máxima
Sem marcas d'água
Processamento em lote com ferramentas de IA
Privacidade Total

Máximo

-50%

$80$40/mês

Cobrado Anualmente ·$960$480/ano

Vantagens de Modelo Ilimitado

Seedream 3.5Ilimitado
Seedream 3.5 ProIlimitado
MiniMax H3 TurboIlimitado
MiniMax H3Ilimitado

Atualize para desbloquear todos os modelos avançados e aproveitar descontos exclusivos
MiniMax H3-70%GeminiNano BananaGPT-50%Seedream-40%VeoSeedance 2.5Kling
10,000 créditos por mês
Até 10,000 imagens rápidas
Até 1,000 vídeos básicos
Fila de Prioridade Máxima
Sem marcas d'água
Processamento em lote com ferramentas de IA
Privacidade Total

Perguntas Frequentes sobre Wan 3.0

Saiba como usar o Wan AI online, animar imagens, adicionar referências e planejar seus créditos de vídeo.

O que é Wan AI, e onde o Wan 3.0 se encaixa?

Wan AI é a família de modelos generativos da Alibaba. O Wan 3.0 é um modelo de vídeo dessa família, suportando texto para vídeo, animação de primeiro quadro e de primeiro/último quadro, e geração de referência multimodal. Você pode usá-lo online no Raphael sem instalar um modelo localmente.

Como uso o Wan 3.0 online?

Escreva a descrição da sua cena no gerador acima. Adicione uma imagem para imagem para vídeo, ou mude para o modo de referência para usar outros materiais de origem. Escolha a duração, resolução, proporção e configuração de som, revise o total de créditos e, em seguida, gere seu vídeo.

Como funciona a imagem para vídeo Wan?

Carregue uma imagem como o primeiro quadro e descreva o movimento ou a direção da câmera. Um quadro final opcional pode guiar como o clipe termina. Para várias imagens que guiam assuntos ou estilo, em vez dos primeiros e últimos quadros, use o modo de referência.

Quais materiais de referência posso usar?

O modo de referência aceita até 10 imagens, 5 vídeos e 5 clipes de áudio, além de um documento ou uma página da web pública. Documentos e links de páginas da web não podem ser usados juntos. Adicione arquivos através da mesma entrada de material e cole um link completo de página da web pública na caixa de prompt para criar um cartão de referência.

Quais durações e resoluções de vídeo estão disponíveis?

Escolha uma duração em segundos inteiros de 2 a 30 segundos e uma resolução de 480P, 720P ou 1080P. Os vídeos de referência podem totalizar até 15 segundos, e sua duração combinada mais a saída deve permanecer dentro de 30 segundos. Uma referência de vídeo de 10 segundos, portanto, deixa até 20 segundos para a saída.

O Wan 3.0 pode gerar vídeo com som?

Sim. Ative o som para gerar áudio com o vídeo e descreva o diálogo, a música ou o ambiente em seu prompt. O som está desativado por padrão no Raphael, e ativá-lo não altera a taxa de crédito.

A geração de vídeo Wan AI é gratuita no Raphael?

O Wan 3.0 usa créditos em vez de geração gratuita. A saída custa 14 créditos por segundo em 480P, 27 em 720P e 53 em 1080P. A duração do vídeo de referência é cobrada na mesma taxa; imagens, áudio, documentos e referências de páginas da web não adicionam uma cobrança de entrada separada. Verifique o total exibido antes de gerar.

Qual a diferença entre Wan 3.0 e Prime?

Ambos suportam os mesmos modos, resoluções, durações e tipos de referência. O Wan 3.0 custa menos créditos; o Prime é a opção de geração mais rápida. Escolha com base no seu orçamento e necessidades de prazo, sem tratar o Prime como um conjunto separado de capacidades criativas.

Wan 3.0 AI Gerador de Vídeos

Exemplos de Vídeo Wan 3.0

De uma ideia a um vídeo Wan AI

Transforme um PPT de Produto em um Anúncio em Vídeo Wan

Desenhe um Caminho para Guiar a Câmera

Construa uma cena a partir de suas palavras

Guie o movimento com referências multimodais

Traga o som para a cena

Explore outros modelos

Wan 3.0 Prime

Gemini Omni Flash

MiniMax H3

Seedance 2.5

Seedance 2.0

Seedance 2.0 Mini

Comparação entre Wan 3.0 e Wan 3.0 Prime

Escolha Seu Plano

Profissional

Vantagens de Modelo Ilimitado

Elite

Vantagens de Modelo Ilimitado

Máximo

Vantagens de Modelo Ilimitado

Perguntas Frequentes sobre Wan 3.0

O que é Wan AI, e onde o Wan 3.0 se encaixa?

Como uso o Wan 3.0 online?

Como funciona a imagem para vídeo Wan?

Quais materiais de referência posso usar?

Quais durações e resoluções de vídeo estão disponíveis?

O Wan 3.0 pode gerar vídeo com som?

A geração de vídeo Wan AI é gratuita no Raphael?

Qual a diferença entre Wan 3.0 e Prime?

Transforme sua próxima ideia em um vídeo Wan 3.0