Wan 3.0 su PixMind è un percorso video multimodale per creare clip da 2 a 30 secondi usando testo, immagini, fotogrammi iniziali e finali, media di riferimento, file o pagine web. L’attuale ID stabile del modello è wan3.0-video; le impostazioni di output includono 480p, 720p e 1080p con audio sincronizzato.
La decisione principale non è quanto allungare il prompt, ma quale modalità di input dia al modello il controllo giusto. Un primo fotogramma fissa l’inizio dell’inquadratura, due estremi ne definiscono inizio e fine, i riferimenti comunicano identità o stile, mentre un file o una pagina web fornisce materiale da interpretare. Le regole di compatibilità cambiano tra le modalità.
Questa guida è stata verificata il 5 settembre 2026 sul generatore Wan 3.0 e sulla pagina API attivi, sull’implementazione PixMind, sul riferimento API di Alibaba, sul repository ufficiale e sull’elenco corrente dei modelli pubblicati da Alibaba Cloud. Verifica interfacce e limiti, non velocità, qualità o affidabilità tramite un benchmark a pagamento.
Informazioni sulla guida: PixMind Editorial Team documenta il comportamento corrente del prodotto controllando le pagine attive, l’implementazione e le fonti primarie del modello. Per questo articolo non è stato commissionato alcun benchmark a pagamento.
Punti chiave
- Usa l’ID PixMind corrente
wan3.0-video, non un identificatore upstream o precedente.- Scegli prima una strategia: estremi per inizio e fine esatti, riferimenti per identità o stile riutilizzabili, file o link per una pianificazione basata sulla fonte.
- Il percorso corrente supporta output da 2 a 30 secondi a 480p, 720p o 1080p, proporzioni adattive o fisse e audio sincronizzato.
- I limiti sono 10 immagini, 5 video e 5 file audio. Il riferimento upstream di Alibaba limita inoltre a 15 secondi ciascuna la durata combinata dei video e quella degli audio di riferimento.
- Con un video in input, la regola upstream di Alibaba impone che durata del video in input più durata dell’output richiesto non superino 30 secondi.
- Prezzi API e crediti Studio sono separati. Per un’attività API, il prezzo restituito all’accettazione è l’istantanea finale specifica dell’attività.
Contenuti della guida
- Cos’è Wan 3.0 oggi su PixMind
- Specifiche di Wan 3.0 in sintesi
- Come scegliere una modalità di input
- Limiti dei riferimenti e combinazioni valide
- Audio sincronizzato nel flusso
- Durata, risoluzione, proporzioni e prezzo API
- Modelli di prompt per obiettivo
- Wan 3.0 rispetto a Wan 2.7
- Flussi Studio e API
- Limiti, diritti e controlli di pubblicazione
- Domande frequenti
Cos’è Wan 3.0 oggi su PixMind
Wan 3.0 è il percorso connesso corrente della famiglia di modelli video Wan per la generazione multimodale su PixMind. L’interfaccia attiva identifica wan3.0-video come percorso stabile e riunisce input di testo, immagini, estremi, riferimenti, file e web in un unico generatore.
È una distinzione importante: una famiglia upstream può contenere prodotti non esposti da una piattaforma connessa. Alibaba documenta sia wan3.0-video sia wan3.0-video-prime, mentre l’attuale pagina API PixMind elenca solo wan3.0-video. La documentazione upstream spiega la tecnologia, ma non dimostra che ogni variante sia disponibile su PixMind.
Le modalità di controllo sono:
- Da testo a video: parte da una scena descritta senza richiedere media visivi.
- Da primo fotogramma a video: anima in avanti un’immagine fornita.
- Primo e ultimo fotogramma: fissa entrambi gli estremi dell’inquadratura.
- Generazione con riferimenti: condiziona il risultato con immagini, video, audio o una combinazione compatibile.
- Input da file o pagina web: fornisce materiale sorgente da usare nella richiesta.
L’hub della famiglia Wan mostra i percorsi correlati; il generatore attivo resta la fonte dei controlli disponibili per una specifica attività.
Specifiche di Wan 3.0 in sintesi
Il percorso PixMind corrente combina clip lunghe, più tipi di riferimento e tre livelli di risoluzione. Ogni riga resta però un dato d’interfaccia con data, non una promessa permanente.
| Impostazione | Interfaccia PixMind corrente | Nota di pianificazione |
|---|---|---|
| ID modello | wan3.0-video |
Usa esattamente questo ID per il percorso API corrente |
| Durata | Da 2 a 30 secondi | Con video in input, durata input più output non deve superare 30 secondi |
| Risoluzione | 480p, 720p, 1080p | I livelli superiori costano di più al secondo |
| Proporzioni | Adattive, 16:9, 4:3, 1:1, 3:4, 9:16 | Abbinale alla destinazione prima di generare |
| Audio | Audio sincronizzato | Descrivi intenzionalmente suono e dialoghi |
| Immagini di riferimento | Fino a 10 | Usa solo riferimenti con un ruolo definito |
| Video di riferimento | Fino a 5 | Limite upstream combinato: 15 secondi |
| Audio di riferimento | Fino a 5 | Limite upstream combinato: 15 secondi |
| Altre fonti | File o pagina web | Le modalità file e link si escludono a monte |
| Endpoint API | POST /v1/generations |
La risposta accettata fornisce il prezzo finale dell’attività |
Le fonti possono descrivere lo stesso limite a livelli diversi. PixMind indica fino a 15 secondi per un video di riferimento; l’API upstream di Alibaba limita a 15 secondi la durata combinata dei video di riferimento. Con più clip, mantieni quindi il totale entro 15 secondi. Applica lo stesso limite combinato a più audio di riferimento. Se c’è un video in input, durata totale dell’input più output richiesto non deve superare 30 secondi.
Come scegliere una modalità di input
Scegli la modalità corrispondente al vincolo che non puoi perdere. Più input non danno automaticamente più controllo e modalità incompatibili possono invalidare la richiesta.
Usa testo-video per una composizione aperta
Il solo testo è adatto a una nuova inquadratura senza immagini o estremi da preservare. Definisci soggetto, azione, luogo, camera, luce, tempi e suono intorno a un evento principale.
Usa un primo fotogramma quando conta l’apertura
Questa modalità parte da una composizione approvata. Indica cosa si muove, cosa resta stabile e come si comporta la camera.
Usa primo e ultimo fotogramma per controllare gli estremi
Due estremi servono nelle transizioni con apertura e conclusione predeterminate. Per Alibaba è una modalità separata: non combinarla con riferimenti, file, link o audio in input.
Usa riferimenti quando contano continuità o suono
Le immagini possono indicare l’aspetto, il video il movimento e l’audio i tempi o la direzione sonora. Questi tipi si possono combinare entro i rispettivi limiti.
Se scegliere modello e modalità è l’ostacolo principale, AI Video Agent offre un percorso guidato dal brief della scena ai modelli correnti. La generazione Wan 3.0 diretta è più adatta a chi conosce già modalità e impostazioni desiderate.
Limiti dei riferimenti e combinazioni valide
Wan 3.0 supporta insieme più tipi di riferimento, ma modalità estremi, file e link pongono confini netti. Costruisci prima una combinazione valida, poi riduci il prompt.
Le regole upstream di Alibaba sono:
| Combinazione | Schema supportato upstream | Vincolo importante |
|---|---|---|
| Immagini + video di riferimento | Sì | Video: massimo 15 secondi totali; video in input più output: massimo 30 secondi |
| Immagini + audio di riferimento | Sì | Consigliato quando immagine e audio guidano il risultato |
| Video + audio di riferimento | Sì | Rispetta i limiti di ogni categoria |
| File + media di riferimento | Sì | Un file può accompagnare riferimenti compatibili |
| Link web + media di riferimento | Sì | Un link può accompagnare riferimenti compatibili |
| File + link web | No | Scegli una modalità di documento sorgente |
| Primo/ultimo fotogramma + riferimenti | No | La modalità estremi è separata |
| Primo/ultimo fotogramma + audio | No | Usa immagine + audio di riferimento come alternativa guidata dall’audio |
Assegna a ogni risorsa un compito, come definire prodotto, sfondo o movimento della camera. Per un file o una pagina, specifica cosa estrarre. Non presumere che ogni frase, prezzo o avvertenza venga riprodotta correttamente.
Audio sincronizzato nel flusso
L’audio sincronizzato fa parte del percorso corrente: pianifica ambiente, effetti, intento dei dialoghi e tempi insieme all’azione visiva.
Per una scena semplice, separa istruzioni sonore e visive:
Visual: A barista places a ceramic cup on a walnut counter as the camera makes a slow 20-degree arc.
Timing: The cup lands at 00:03 and steam becomes visible immediately after.
Audio: Quiet cafe room tone, one soft ceramic tap at 00:03, no music, no spoken dialogue.
Questa struttura non garantisce una sincronizzazione perfetta. Prima di pubblicare, controlla tempi dei dialoghi, parole involontarie, musica e somiglianza vocale.
La modalità estremi upstream di Alibaba non accetta audio in input. Se l’audio deve guidare la generazione, usa immagine e audio di riferimento. Se contano gli estremi, aggiungi poi audio con licenza adeguata.
I diritti vocali richiedono particolare attenzione. Non caricare riferimenti vocali né pubblicare una voce identificabile senza permesso e rispetto delle condizioni applicabili.
Durata, risoluzione, proporzioni e prezzo API
Definisci il formato prima di generare: durata e risoluzione cambiano direttamente il costo API, mentre le proporzioni determinano l’adattamento al canale. Il prezzo API verificato il 5 settembre 2026 è $0.050 al secondo a 480p, $0.090 a 720p e $0.18 a 1080p.
Le stime seguenti sono la durata moltiplicata per la tariffa datata:
| Durata | 480p a $0.050/sec | 720p a $0.090/sec | 1080p a $0.18/sec |
|---|---|---|---|
| 2 secondi | $0.10 | $0.18 | $0.36 |
| 5 secondi | $0.25 | $0.45 | $0.90 |
| 10 secondi | $0.50 | $0.90 | $1.80 |
| 30 secondi | $1.50 | $2.70 | $5.40 |
Sono stime, non un preventivo futuro. Prezzi e regole degli account possono cambiare. La pagina API Wan 3.0 attiva è il riferimento pubblico corrente; la risposta di accettazione è l’istantanea finale specifica dell’attività.
La riga da 30 secondi non vale per tutte le richieste condizionate da video. Secondo Alibaba, sottrai da 30 secondi la durata totale del video in input per ricavare l’output massimo, poi verifica i controlli PixMind attivi.
Fatturazione API e crediti Studio sono separati. Non convertire un’anteprima di crediti Studio in un prezzo API in dollari e non supporre che il saldo API dia diritti Studio. Controlla la pagina prezzi e poi l’interfaccia che userai.
16:9 è adatto al formato orizzontale, 9:16 al verticale, 1:1 al quadrato. Le proporzioni adattive seguono la fonte, ma un formato fisso riduce i ritagli. Usa 480p per test strutturali economici, poi aumenta la risoluzione quando modalità, tempi e composizione sono stabili.
Modelli di prompt per obiettivo
Un buon prompt definisce cosa resta stabile, cosa può cambiare e come avviene il cambiamento. Queste strutture non garantiscono un risultato.
Modello 1: crea un’inquadratura controllata dal testo
Create a [duration]-second [aspect ratio] shot.
Subject and action: [one subject performing one clear action].
Setting: [location, time, background activity].
Camera and light: [framing, movement, light direction, palette].
Timing: [start], [midpoint], [final state].
Audio: [ambience, effects, dialogue, music].
Preserve or avoid: [essential constraints].
Modello 2: anima un primo fotogramma approvato
Use the image as the opening composition.
Keep stable: [identity, product, logo, or geometry].
Animate: [motion and final action by time].
Camera: [locked, pan, dolly, or orbit].
Audio: [sound tied to visible events].
Do not introduce: [unwanted additions].
Modello 3: assegna ruoli ai riferimenti multimodali
Image 1 defines [subject]. Image 2 defines [setting or palette].
Video 1 defines [camera or action], not identity.
Audio 1 defines [tempo, timing, ambience, or dialogue cue].
Create a [duration]-second [ratio] scene with [one narrative beat].
Prioritize: [two constraints]. Allow variation in: [nonessential details].
Modello 4: trasforma un file o una pagina in un brief video mirato
Use the [file or web page] as source material.
Extract only: [approved facts or section].
Audience and goal: [viewer], [explain, introduce, or summarize].
Structure: [opening], [two beats], [final message].
Do not invent: [prices, claims, quotations, or features].
Audio: [narration, ambience, effects, music].
Esegui il test utile più economico prima di un rendering lungo. Se la composizione è sbagliata, accorcia il prompt anziché aggiungere aggettivi. Se la continuità è errata, riduci i riferimenti e indicane i ruoli. Se i tempi sono sbagliati, descrivi meno eventi con timestamp più chiari.
Wan 3.0 rispetto a Wan 2.7
Wan 3.0 è un nuovo obiettivo di integrazione, non un nuovo nome per una richiesta Wan 2.7. Il percorso corrente usa wan3.0-video, porta l’output documentato a 30 secondi e amplia gli input a estremi, riferimenti, file e pagine web. Prima della migrazione, verifica nomi dei parametri, combinazioni, proporzioni, durata, audio, risposte e prezzi.
È un riepilogo dell’interfaccia, non la dichiarazione che 3.0 vinca ogni confronto qualitativo. Non è stato eseguito alcun confronto controllato; le preferenze dipendono da soggetto, riferimenti, inquadratura e criteri.
Mantieni riconoscibili gli articoli per versione, senza rinominare la guida completa a Wan 2.7. Serve un confronto controllato prima di concludere su movimento, coerenza, aderenza al prompt, audio o valore.
Flussi Studio e API
Studio e API servono esigenze diverse e hanno sistemi di fatturazione separati. Studio è adatto alla configurazione interattiva e all’iterazione visiva; l’API a invii ripetibili, monitoraggio delle attività e gestione programmatica dei risultati.
Flusso Studio
Apri il generatore Wan 3.0, scegli la modalità, allega solo fonti compatibili e conferma durata, risoluzione, proporzioni e anteprima crediti. Dopo aver controllato le impostazioni, genera e rivedi video e audio completi prima dell’esportazione.
Flusso API
- Conferma disponibilità di
wan3.0-videoe prezzo API corrente. - Invia una combinazione valida a
POST /v1/generations. - Salva ID attività e prezzo accettato, poi interroga la stessa attività.
- Valida il risultato e registra parametri, provenienza e approvazioni dei diritti.
Alibaba documenta creazione e polling asincroni upstream. Non trasferire a PixMind le regole sulla durata dell’attività se PixMind non le dichiara. La guida rapida API di PixMind spiega perché salvare l’ID è più sicuro che reinviare dopo un timeout client.
Limiti, diritti e controlli di pubblicazione
L’output Wan 3.0 richiede revisione umana: controllo multimodale non significa conformità garantita. L’interfaccia indica input e impostazioni accettati, non accuratezza, affidabilità, autorizzazione legale o idoneità alla pubblicazione.
Controlla prima di pubblicare:
- Accuratezza visiva e temporale: confronta l’intera clip con i riferimenti e cerca derive, oggetti alterati, testo errato o tagli involontari.
- Audio: controlla dialoghi, somiglianza vocale, tempi, voci di fondo, musica ed effetti.
- Fatti: verifica sulla fonte le affermazioni ricavate da documenti o pagine.
- Diritti: conferma i permessi per prompt, immagini, filmati, audio, persone, voci, marchi, loghi e altri materiali di terzi.
- Consegna: controlla durata, dimensioni, proporzioni, codifica e riproduzione sulla piattaforma finale.
- Registri: conserva dettagli accettati, provenienza, consensi o licenze, revisore e decisione.
L’uso commerciale dipende dall’idoneità al piano a pagamento, dai termini del modello e del fornitore e dai diritti dell’utente su prompt, riferimenti, persone, voci, loghi e materiali di terzi. La generazione non autorizza automaticamente tali diritti. Consulta le condizioni di prezzo correnti e i termini di servizio, e chiedi assistenza professionale quando la posta legale lo richiede.
Domande frequenti
Posso usare audio con primo e ultimo fotogramma?
Non come input audio nella modalità upstream documentata da Alibaba. Se l’audio deve guidare il risultato, usa immagine più audio di riferimento. Se gli estremi sono obbligatori, mantieni tale modalità e gestisci l’audio con licenza in un flusso separato.
Quanto costa la generazione API Wan 3.0?
L’istantanea del 5 settembre 2026 è $0.050 al secondo a 480p, $0.090 a 720p e $0.18 a 1080p. Sono dati di pianificazione datati. La risposta accettata fornisce il prezzo finale specifico; la fatturazione API è separata dai crediti Studio.
wan3.0-video-prime è disponibile su PixMind?
La pagina PixMind corrente elenca wan3.0-video, non wan3.0-video-prime. Alibaba documenta Prime upstream, ma ciò non ne prova la disponibilità tramite PixMind.
Posso usare commercialmente l’output Wan 3.0?
L’uso commerciale è condizionato, non automatico. Dipende dal piano a pagamento, dai termini applicabili e dai tuoi diritti su prompt, riferimenti, persone, voci, loghi e materiali di terzi nel lavoro e nel risultato.
Scegli un vincolo ed esegui una prima attività controllata
Per iniziare, scegli il vincolo più importante e la modalità corrispondente: testo per una composizione aperta, primo fotogramma per un’apertura fissa, due estremi per una conclusione definita, riferimenti per identità o suono riutilizzabili, file o link per pianificare da una fonte.
Mantieni breve la prima attività per evidenziare problemi strutturali. Prima dell’invio controlla ID modello, riferimenti, proporzioni, risoluzione, durata, audio, prezzo e diritti. Valuta il risultato completo, non solo la miniatura.
Quando le decisioni sono chiare, apri il generatore Wan 3.0 per un’attività interattiva o la pagina API Wan 3.0 per un flusso programmatico. Ricontrolla i controlli attivi e il prezzo accettato al momento della generazione.
