Wan 3.0 Video
wan / 3-0-video

Wan3.0 es el modelo integral de generación de video de Alibaba, creado para la producción multimodal. Admite texto, imagen, video, audio y referencias estructuradas para producir contenido de video más coherente, realista y controlable, con capacidades mejoradas de narrativa y edición.

Pricing: 8 credits/s for 480P ($0.04/s), 16 credits/s for 720P ($0.08/s), and 32 credits/s for 1080P ($0.16/s), all 20% below official pricing. Note: The billing rule is (input video duration + output video duration) × unit price. High-tier top-ups (+10% bonus) provide an additional 10% reduction in effective pricing.
Input
Start Frame
End Frame

Click to upload or drag and drop images. Single side: [240, 8000] px; aspect ratio ≤ 8:1

Images: JPEG/JPG/PNG/WebP/BMP, Max 20MB

Text prompt used to describe the desired video content. Supports both Chinese and English, with a maximum length of 20,000 characters.

0/20000

Click to upload or drag and drop

Supported formats: JPEG, PNG, WEBP, BMP Maximum file size: 20MB; Maximum files: 10

Maximum 10 images. Mapped in array order to Image1, Image2, ... in the prompt. Specifications are the same as first_frame_url. Cannot be used together with first frame / last frame.

Click to upload or drag and drop

Supported formats: MP4, QUICKTIME Maximum file size: 100MB; Maximum files: 5

Maximum 5 clips. Each clip: 1–15s; total combined duration ≤ 15s. Mapped in array order to Video1, Video2, ... in the prompt. Formats: mp4, mov. Single side: [240, 4096] px; aspect ratio ≤ 8:1; file size per clip ≤ 100MB. Additionally, on the output side: total input video duration + output duration (duration parameter) must not exceed 30 seconds.

Click to upload or drag and drop

Supported formats: MPEG, WAV, X-WAV Maximum file size: 15MB; Maximum files: 5

Maximum 5 clips. Each clip: 1–15s; total combined duration ≤ 15s. Mapped in array order to Audio1, Audio2, ... in the prompt. Formats: wav, mp3; file size ≤ 15MB per clip. When not used as the sole media input, it is still recommended to pair with images or videos.

Text
0 / 1
No items yet. Click Add to start.

Maximum 1 publicly accessible webpage (no login required). Cannot be used together with reference_file_urls, nor with first frame / last frame.

Text
0 / 1
No items yet. Click Add to start.

Maximum 1 file. Cannot be used together with reference_link_urls, nor with first frame / last frame. Supported formats: docx, doc, xlsx, xls, pptx, ppt, pdf, txt, key, pages, numbers, md. File size ≤ 100MB. For file types such as pdf, docx, ppt, key, pages, etc., page count ≤ 50 pages.

Preset resolution levels for video generation.

Aspect ratio for generated video. "Adaptive" auto-recommends a ratio based on input media proportions and intent.

Duration of the generated video, in seconds. When no video input is provided, the value must be an integer in the range of [2, 30]. When a video input is provided, the total duration of the input video plus the output video must not exceed 30 seconds. Passing -1 enables smart duration mode, where the model automatically recommends an appropriate duration based on the input.

Whether the output video includes audio. true (default): Includes audio; false: No audio track.

Random seed for result reproducibility. 0 <= x <= 2147483647

A configurable parameter. Defaults to true in the Playground.

There is no guarantee that everything can be filtered out; if you are not satisfied with the results, you will need to make your own arrangements.
Output
output typevideo
Examples

Explore different use cases and parameter configurations

README

Complete guide to using wan/3-0-video

Wan3.0 API redefine la creación de video multimodal con mayor control

Original image

Un cortometraje puede desarrollarse a través de múltiples acciones, ubicaciones, cambios de cámara y momentos narrativos sin reducirse a un único instante aislado. Wan3.0 API es ideal para secuencias como una persecución urbana, una aventura en miniatura, una comedia surrealista o una escena de acción cinematográfica donde los personajes, los objetos, los entornos y la lógica narrativa deben permanecer conectados a medida que avanza la historia.

Cuando varios personajes, vestuarios, entornos o referencias visuales deben seguir siendo reconocibles a lo largo de una escena, Wan 3.0 API puede utilizar esos materiales como guía creativa persistente. Esto resulta útil para películas de moda, secuencias de coreografía, presentaciones de personajes, escenas históricas y otras producciones en las que la apariencia, el estilismo, las relaciones espaciales y la continuidad del movimiento son fundamentales.

Un video existente puede convertirse en el punto de partida para realizar cambios creativos controlados en lugar de regenerarse desde cero. Wan3.0-Video API admite tareas como reemplazar a un sujeto, cambiar un entorno, eliminar un accesorio, modificar el estilo visual, ajustar elementos seleccionados de la escena o ampliar una secuencia existente conservando el movimiento y la estructura que deben permanecer intactos.

Los videos construidos en torno al diálogo, la música, el sonido ambiental, el movimiento rítmico o una atmósfera expresiva pueden beneficiarse de tratar el audio como parte de la dirección creativa desde el principio. Wan 3.0 Video API admite contenido como videos de actuaciones, anuncios cinematográficos, escenas narrativas inmersivas y piezas de movimiento guiadas por el ritmo donde el sonido, el ritmo visual, la actuación del personaje y la dinámica de la escena deben sentirse estrechamente sincronizados.

wan/3-0-video se ejecuta en POST /api/v1/jobs/createTask y abarca texto a video, video a partir del primer fotograma y del primer y último fotograma, referencia a video, y video a partir de un documento o una página web pública. La salida va de 480P a 1080P y de 2 a 30 segundos con audio activado de forma predeterminada; la lista completa de parámetros está en el playground y en la documentación de la API de arriba. Los precios de cada resolución se muestran en la tarjeta de precios de arriba.

El primer y último fotograma no se pueden combinar con archivos multimedia de referencia, un documento o una página web, y un último fotograma necesita un primer fotograma. Un documento y una página web no se pueden usar juntos. En el modo de referencia, haz referencia a los archivos multimedia como Image1, Video1 o Audio1 en el prompt, en el orden en que los pases. Las imágenes de fotograma y de referencia no pueden ser archivos PNG con transparencia.

Los segundos facturados equivalen a la duración de salida más la duración total de los videos de referencia y, con videos de referencia, la duración de entrada más la de salida no debe superar los 30 segundos. Con la duración automática, la facturación sigue la duración que elija el modelo. Los nuevos usuarios de Kie.ai reciben 80 créditos gratis para hacer pruebas.

Wan3.0 es el modelo integral de generación de video de Alibaba, diseñado para la creación de videos más largos, la comprensión de referencias multimodales, una mayor coherencia, la edición de precisión, la generación audiovisual inmersiva y el control cinematográfico. Admite múltiples enfoques de creación, incluidos flujos de trabajo basados en texto, imágenes, referencias y videos existentes.

Sí. Crea una API key en la página de API keys (kie.ai/api-key) y envíala en el encabezado Authorization: Bearer YOUR_API_KEY; luego llama a POST https://api.kie.ai/api/v1/jobs/createTask con el parámetro model configurado en wan/3-0-video y un input con tu prompt y archivos multimedia. La solicitud devuelve un taskId: pasa una callBackUrl para recibir una notificación cuando el video se complete o falle, o consulta GET /api/v1/jobs/recordInfo?taskId=…. Todos los parámetros se describen en la documentación de la API de Wan 3.0 Video.

El video de Wan3.0 se factura por segundo: 8 créditos por segundo en 480P ($0.04), 16 en 720P ($0.08) y 32 en 1080P ($0.16), por lo que un video de 5 segundos en 1080P cuesta 160 créditos ($0.80). Los segundos facturados corresponden a la duración de salida más la duración total de cualquier video de referencia, y si duration se establece en -1, la facturación se ajusta a la duración que elija el modelo. Alibaba Cloud Model Studio ofrece Wan3.0 a $0.05, $0.10 y $0.20 por segundo (noviembre de 2026), por lo que estas tarifas son un 20% más bajas. Los precios pueden actualizarse; la tarjeta de precios en la parte superior de esta página muestra siempre la tarifa actual.

No. Kie.ai no tiene suscripciones ni planes ilimitados: los créditos son de pago por uso y nunca caducan, y cada video de Wan3.0 se factura por segundo según las tarifas anteriores. Por defecto, una cuenta puede enviar hasta 20 nuevas solicitudes de generación cada 10 segundos, lo que habitualmente permite tener 100+ tareas ejecutándose al mismo tiempo; las solicitudes que superen ese límite devuelven el código 429 y no se ponen en cola.

Wan 3.0 API admite texto a video, imagen a video, generación de video con primer y último fotograma, y creación de video basada en referencias. Sus amplias capacidades multimodales también la hacen adecuada para flujos de trabajo que combinan distintas referencias creativas dentro de un mismo proceso de generación.

En el modo de referencia, wan/3-0-video acepta hasta 10 imágenes (JPEG, PNG sin transparencia, BMP o WebP, de 240–8000 px por lado y hasta 20MB), hasta 5 videos (MP4 o MOV, de 1–15 segundos cada uno y 15 segundos en total, hasta 100MB cada uno) y hasta 5 clips de audio (WAV o MP3, de 1–15 segundos cada uno y 15 segundos en total, hasta 15MB), a los que se hace referencia en el prompt como Image1, Video1 y Audio1 en el orden en que los pases. También puedes partir de un primer fotograma (opcionalmente con un último fotograma), un documento (como DOCX, XLSX, PPTX, PDF, TXT o MD, de hasta 100MB y 50 páginas) o una página web pública. El primer y el último fotograma no pueden combinarse con archivos multimedia de referencia, un documento ni una página web, y un documento y una página web no pueden usarse juntos.

Sí. Wan3.0 API admite la generación nativa de video de hasta 30 segundos, lo que da a las escenas más margen para el desarrollo de la acción, la progresión de la cámara, la interacción entre personajes y una estructura narrativa completa sin depender por completo de múltiples clips cortos.

Wan 3.0 API está diseñada para conservar los detalles importantes de las referencias proporcionadas a lo largo de los cambios de escena y el movimiento. La apariencia de los personajes, la ropa, los objetos, los entornos, las características del audio y las relaciones espaciales pueden mantenerse más alineados a medida que se desarrolla la secuencia generada.

Sí. Wan3.0-Video API admite la edición de video basada en instrucciones y guiada por referencias. El metraje existente puede modificarse cambiando sujetos, entornos, estilos visuales, iluminación y otros elementos seleccionados, conservando al mismo tiempo las partes del video original que deben permanecer sin cambios. También admite la extensión de video para continuar secuencias existentes. Para editar o extender un clip, pásalo en reference_video_urls y describe el cambio o la continuación en el prompt refiriéndote a él como Video1, tal como indica la referencia de Wan3.0 API de Alibaba; la duración del video de referencia se factura junto con el resultado.

Sí. La API de Wan 3.0 Video está diseñada para una generación audiovisual más rica, que incluye expresión sonora natural, características del habla, música y ritmo, audio ambiental y una sincronización más precisa entre el sonido y el ritmo visual. Esto ayuda a que los videos generados se sientan más completos y expresivos como una experiencia audiovisual unificada.