Wan 3.0 Video
wan / 3-0-video

O Wan3.0 é o modelo completo de geração de vídeo da Alibaba criado para produção multimodal. Ele suporta referências de texto, imagem, vídeo, áudio e dados estruturados para produzir conteúdo em vídeo mais consistente, realista e controlável, com recursos aprimorados de narrativa e edição.

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 a criação de vídeo multimodal com maior controle

Original image

Um curta-metragem pode se desenvolver ao longo de várias ações, locais, mudanças de câmera e momentos narrativos sem se reduzir a um único instante isolado. A Wan3.0 API é adequada para sequências como perseguições urbanas, aventuras em miniatura, comédias surreais ou cenas de ação cinematográficas em que personagens, objetos de cena, ambientes e lógica narrativa precisam permanecer conectados conforme a história avança.

Quando vários personagens, figurinos, ambientes ou referências visuais precisam permanecer reconhecíveis ao longo de uma cena, a Wan 3.0 API pode usar esses materiais como guia criativo persistente. Isso a torna útil para filmes de moda, sequências de coreografia, apresentações de personagens, cenas históricas e outras produções em que aparência, estilo, relações espaciais e continuidade de movimento são fundamentais.

Um vídeo existente pode se tornar o ponto de partida para alterações criativas controladas, em vez de ser gerado novamente do zero. A Wan3.0-Video API suporta tarefas como substituir um sujeito, mudar o ambiente, remover um acessório, alterar o estilo visual, ajustar elementos selecionados da cena ou estender uma sequência existente, preservando o movimento e a estrutura que devem permanecer inalterados.

Vídeos construídos em torno de diálogos, música, som ambiente, movimento rítmico ou atmosfera expressiva podem se beneficiar ao tratar o áudio como parte da direção criativa desde o início. A Wan 3.0 Video API suporta conteúdos como vídeos de performance, comerciais cinematográficos, cenas narrativas imersivas e produções visuais guiadas pelo ritmo, nos quais som, ritmo visual, atuação dos personagens e dinâmica de cena precisam parecer estreitamente sincronizados.

O modelo wan/3-0-video roda em POST /api/v1/jobs/createTask e abrange texto para vídeo, vídeo a partir do primeiro quadro ou do primeiro e último quadros, referência para vídeo e vídeo a partir de um documento ou página web pública. A saída vai de 480P a 1080P e de 2 a 30 segundos com áudio ativado por padrão; a lista completa de parâmetros está no playground e na documentação da API acima. Os preços para cada resolução são mostrados no card de preços acima.

O primeiro e o último quadro não podem ser combinados com mídia de referência, documento ou página web, e um último quadro exige um primeiro quadro. Um documento e uma página web não podem ser usados juntos. No modo de referência, refira-se às mídias como Image1, Video1 ou Audio1 no prompt, na ordem em que você as enviar. Imagens de quadro e de referência não podem ser arquivos PNG com transparência.

Os segundos cobrados equivalem à duração do vídeo gerado mais a duração total dos vídeos de referência e, ao usar vídeos de referência, a soma da duração de entrada e saída deve ficar dentro de 30 segundos. Com duração automática, a cobrança segue o tempo que o modelo escolher. Novos usuários do Kie.ai recebem 80 créditos grátis para testes.

O Wan3.0 é o modelo completo de geração de vídeo da Alibaba, projetado para criação de vídeos mais longos, compreensão de referências multimodais, maior consistência, edição precisa, geração audiovisual imersiva e controle cinematográfico. Ele suporta múltiplas abordagens de criação, incluindo fluxos de trabalho guiados por texto, guiados por imagem, baseados em referência e a partir de vídeos existentes.

Sim. Crie uma chave de API na página de Chaves de API (kie.ai/api-key) e envie-a no cabeçalho Authorization: Bearer YOUR_API_KEY; depois, chame POST https://api.kie.ai/api/v1/jobs/createTask com model definido como wan/3-0-video e um input com seu prompt e mídia. A requisição retorna um taskId: passe um callBackUrl para ser notificado quando o vídeo for concluído ou falhar, ou consulte GET /api/v1/jobs/recordInfo?taskId=…. Todos os parâmetros estão descritos na documentação da Wan 3.0 Video API.

O Wan3.0 Video é cobrado por segundo: 8 créditos por segundo em 480P (US$ 0,04), 16 em 720P (US$ 0,08) e 32 em 1080P (US$ 0,16); assim, um vídeo de 5 segundos em 1080P custa 160 créditos (US$ 0,80). Os segundos cobrados correspondem à duração do vídeo gerado somada à duração total dos vídeos de referência e, com duration definido como -1, a cobrança segue a duração escolhida pelo modelo. O Alibaba Cloud Model Studio lista o Wan3.0 a US$ 0,05, US$ 0,10 e US$ 0,20 por segundo (novembro de 2026), portanto essas tarifas são 20% menores. Os preços podem ser atualizados; o card de preços no topo desta página sempre exibe a tarifa atual.

Não. O Kie.ai não tem assinatura nem plano ilimitado: os créditos funcionam no modelo pré-pago por uso (pay-as-you-go) e nunca expiram, e cada vídeo do Wan3.0 é cobrado por segundo nas tarifas acima. Por padrão, uma conta pode enviar até 20 novas requisições de geração a cada 10 segundos, o que normalmente permite mais de 100 tarefas em execução simultânea; requisições acima desse limite retornam o código 429 e não entram na fila.

A Wan 3.0 API suporta texto para vídeo, imagem para vídeo, geração de vídeo a partir do primeiro e do último quadro e criação de vídeo baseada em referências. Suas amplas capacidades multimodais também a tornam adequada para fluxos de trabalho que combinam diferentes referências criativas no mesmo processo de geração.

No modo de referência, o wan/3-0-video aceita até 10 imagens (JPEG, PNG sem transparência, BMP ou WebP, cada lado entre 240 e 8.000 px, até 20MB), até 5 vídeos (MP4 ou MOV, de 1 a 15 segundos cada e 15 segundos somados, até 100MB cada) e até 5 clipes de áudio (WAV ou MP3, de 1 a 15 segundos cada e 15 segundos somados, até 15MB), referenciados no prompt como Image1, Video1 e Audio1 na ordem em que você os envia. Você também pode partir de um primeiro quadro (opcionalmente com um último quadro), de um documento (como DOCX, XLSX, PPTX, PDF, TXT ou MD, até 100MB e 50 páginas) ou de uma página web pública. O primeiro e o último quadro não podem ser combinados com mídias de referência, documento ou página web, e um documento e uma página web não podem ser usados juntos.

Sim. A Wan3.0 API suporta geração nativa de vídeo de até 30 segundos, dando às cenas mais espaço para desenvolvimento de ação, progressão de câmera, interação entre personagens e estrutura narrativa completa sem depender inteiramente de vários clipes curtos.

A Wan 3.0 API foi projetada para preservar detalhes importantes das referências fornecidas mesmo com mudanças de cena e movimento. Aparência de personagens, roupas, objetos de cena, ambientes, características de áudio e relações espaciais podem permanecer mais alinhados conforme a sequência gerada se desenvolve.

Sim. A Wan3.0-Video API suporta edição de vídeo baseada em instruções e guiada por referências. Gravações existentes podem ser modificadas alterando sujeitos, ambientes, estilos visuais, iluminação e outros elementos selecionados, preservando as partes do vídeo original que devem permanecer inalteradas. A extensão de vídeo também é suportada para dar continuidade a sequências existentes. Para editar ou estender um clipe, passe-o em reference_video_urls e descreva a alteração ou continuação no prompt, referindo-se a ele como Video1, conforme a referência da Wan3.0 API da Alibaba; a duração do vídeo de referência é cobrada junto com o resultado gerado.

Sim. A Wan 3.0 Video API foi projetada para uma geração audiovisual mais rica, incluindo expressão sonora natural, características de fala, música e ritmo, áudio ambiental e sincronização mais precisa entre o som e o ritmo visual. Isso ajuda os vídeos gerados a parecerem mais completos e expressivos como uma experiência audiovisual unificada.