Wan 3.0: 30 segundos, referencia All-in-One, un solo modelo
Wan 3.0 es el nuevo modelo de video All-in-One de Alibaba: texto a video, imagen a video y referencia a video unificados en un solo modelo, hasta 30 segundos por toma, con hasta 10 imágenes de referencia y audio de referencia en la mezcla. Ya está en el generador de abajo: mismo campo de prompt, mismos créditos — 480p para el volumen, 1080p para el corte final.
- Qué es
- El modelo de video con IA Wan de nueva generación de Alibaba Cloud (lanzado en agosto de 2026): una arquitectura All-in-One que unifica texto a video, imagen a video y referencia a video en un solo modelo.
- Video
- Hasta 30 segundos por toma (el doble que Wan 2.7), en 480p/720p/1080p — audio activado o desactivado, mismo precio en ambos casos.
- Referencias
- Omni-referencia: hasta 10 imágenes de referencia + 5 videos de referencia + 5 clips de audio de referencia mezclados en una sola pasada — personaje, escena y voz fijados de una vez.
- En Molyin
- Disponible — genera abajo ahora mismo: texto a video, imagen a video (primer fotograma / primer y último fotograma) y referencia a video, de 2 a 30 segundos, con los mismos créditos que todo lo demás.
Datos de esta página verificados a fecha de 2026-08-12.
Disponible el día del lanzamiento — cámara y acción
Wan 3.0 está listo abajo: texto a video, imagen a video (primer fotograma / primer y último fotograma) y referencia a video con un deslizador de 2 a 30 segundos en 480p/720p/1080p, en el mismo campo de prompt con los mismos créditos. Itera en 480p para ahorrar créditos y cambia a 1080p para el corte final.
¿Qué es Wan 3.0?
Wan 3.0 es el modelo de video Wan de nueva generación de Alibaba Cloud, y la palabra clave es All-in-One: en la generación anterior, texto a video, imagen a video y referencia a video eran tres modelos separados — esta generación los unifica en uno. Solo tienes que entregarle tus recursos y el modelo decide qué hacer. La duración por toma se duplica de los 15 segundos de Wan 2.7 a 30, las imágenes de referencia pasan de 5 a 10 y, por primera vez, puedes mezclar audio de referencia: el rostro de un personaje, la atmósfera de una escena, el timbre de una voz — todo fijado con un solo prompt.
Otros dos cambios son discretamente prácticos: el audio de salida pasa de estar siempre activado a poder activarse o desactivarse (mismo precio) — quien quiera una base limpia para postproducción ya no tiene que quitar la pista después. Y un nuevo nivel económico de 480p reduce a la mitad el costo de los borradores. El selector de proporción también gana un ingenioso valor adaptativo por defecto: déjalo sin definir y el modelo elige el encuadre a partir de tus recursos y tu intención.
Nuestro enfoque es el de siempre: integrado el día del lanzamiento. Wan 3.0 ya está en nuestro generador de video con IA, compartiendo un mismo sistema de créditos con la familia Wan 2.7, Seedance, Kling y Veo — todos los modelos en un solo hub de modelos. Una película de 30 segundos, rodada hoy.
Wan 3.0 de un vistazo
Un solo modelo reúne a todo el equipo de preproducción — escribir, rodar, poner voz, revisar — sin cambiar de herramienta.
30 segundos en una sola pasada
La duración por toma se duplica de 15 a 30 segundos: arcos narrativos más largos, acciones más completas — un prompt rueda la toma entera, sin coser segmentos.
Omni-referencia, entradas mezcladas
Hasta 10 imágenes de referencia + 5 videos de referencia + 5 clips de audio de referencia en la misma entrada: las imágenes fijan el look, los videos fijan el movimiento, el audio fija la voz — toma de cada fuente lo que necesites.
Audio activado o desactivado
Actívalo para una pieza terminada con sonido; desactívalo para una base limpia que sonorizarás en postproducción — mismo precio, tú decides. Es la primera vez que la familia Wan ofrece este interruptor.
El nivel económico de 480p
Un nuevo nivel de 480p: haz borradores, revisa y explora ideas aquí primero, a cerca de una cuarta parte del costo de 1080p — y luego vuelve a ejecutar el mismo prompt en un nivel superior para el corte final.
Encuadre inteligente adaptativo
El selector de proporción gana un valor adaptativo por defecto: déjalo sin definir y el modelo elige el encuadre a partir de tus recursos de referencia y tu intención. ¿Necesitas control exacto? Las cinco proporciones explícitas siguen ahí.
Primer y último fotograma intactos
El primer fotograma fija la apertura, el primer y el último fotograma fijan ambos extremos — los controles característicos de imagen a video se conservan al completo. El inicio y el final son tuyos; el modelo se encarga del medio.
Wan 3.0 vs Wan 2.7
Especificación por especificación — y ambas columnas están disponibles en Molyin. 3.0 apuesta por el video largo y la omni-referencia; 2.7 conserva la edición de video y el mejor precio en 1080p. Elige según tu necesidad, sin quebraderos de cabeza.
| Capacidad | Wan 2.7 | Wan 3.0 |
|---|---|---|
| Duración máxima por toma | 15 segundos (10 s en referencia a video) | 30 segundos |
| Entradas de referencia | ≤5 imágenes + ≤5 videos, ≤5 combinados | ≤10 imágenes + ≤5 videos + ≤5 audios |
| Audio de salida | Siempre activado, sin interruptor | Activado o desactivado, mismo precio |
| Niveles de resolución | 720p / 1080p | 480p / 720p / 1080p (nuevo nivel económico) |
| Proporción | Cinco proporciones explícitas | valor adaptativo inteligente + cinco explícitas |
| Edición y extensión de video | Sí — Wan 2.7 Video Edit + extensión de video | No — usa Wan 2.7 Video Edit para las ediciones |
Molyin ofrece actualmente texto a video, imagen a video (primer/último fotograma) y referencia a video de 2 a 30 segundos en 480p/720p/1080p — los créditos funcionan en ambas familias.
Wan 3.0 dentro de toda la gama
| Modelo | Rol en la gama | Disponibilidad | En Molyin |
|---|---|---|---|
| Wan 3.0 | Buque insignia de omni-referencia, 30 s + tres niveles de resolución | Lanzado en agosto de 2026 | Disponible — genera en esta página |
| Wan 2.7 | El clásico todoterreno, mejor precio en 1080p | Disponibilidad general | Disponible |
| Wan 2.7 Video Edit | Especialista en edición de video (reestilizar / cambiar elementos) | Disponibilidad general | Disponible |
| MiniMax H3 | 2K nativo + audio siempre activado | Disponibilidad general | Disponible |
| Seedance 2.5 | Tomas únicas de 30 segundos, dirigidas segundo a segundo | Disponibilidad general | Disponible |
| Kling 3.0 | Buque insignia rival, referencias de elementos con nombre | Disponibilidad general | Disponible |
Disponibilidad verificada el 6 de agosto de 2026.
El guion segmentado de 30 segundos
El patrón de prompt que mantiene cohesionadas las tomas largas de Wan 3.0: establece la escena una vez y luego dirige segmentos segundo a segundo como una lista de planos. Sacado directamente de nuestra guía de prompts completa — así es como una toma de 30 s se mantiene coherente.
[Configuración global] + [Segundos de inicio-fin] + [Contenido de imagen y cámara] + opcional [Transición]
Segmento de tiempo
Segundos de inicio y fin explícitos (p. ej. 0-5s, 5-12s). Cortar 30 segundos en 3-5 segmentos es lo más estable.
Imagen y cámara
Qué ocurre en este segmento y cómo se mueve la cámara — con la carga de acción ajustada a la longitud del segmento.
Configuración global
Un párrafo de apertura que fija el estilo, el tono de color, la atmósfera y las prohibiciones duras para todo el clip.
Transición
Cómo se unen los segmentos: corte natural, fundido encadenado, cortinilla — basta con nombrarla.
Preguntas frecuentes sobre Wan 3.0
Las preguntas que los creadores hacen de verdad, respondidas sin rodeos.
Empieza a crear con Molyin hoy
Regístrate gratis y convierte tu primera idea en un video cinematográfico en minutos.