Wan 3.0 Video: guia completo de entradas, áudio, preços e API

O Wan 3.0 no PixMind é uma opção multimodal para criar clipes de 2 a 30 segundos a partir de texto, imagens, quadros inicial e final, mídias de referência, arquivos ou páginas web. Seu ID de modelo estável atual é wan3.0-video, e as configurações de saída disponíveis incluem 480p, 720p e 1080p com áudio sincronizado.

A principal decisão não é escrever um prompt mais longo, mas escolher o modo de entrada que dá ao modelo o tipo certo de controle. Um quadro inicial fixa o ponto de partida da cena, dois quadros extremos definem o início e o fim, as referências comunicam identidade ou estilo e um arquivo ou uma página web fornece material de origem para interpretação. Esses modos têm regras de compatibilidade diferentes.

Este guia foi verificado em 5 de setembro de 2026 com base no gerador Wan 3.0 e na página da API em produção, na implementação do PixMind, na referência da API da Alibaba, no repositório oficial e na lista atual de lançamentos de modelos da Alibaba Cloud. Ele confirma interfaces e limites, não velocidade, qualidade ou confiabilidade por meio de um teste comparativo pago.

Sobre este guia: a PixMind Editorial Team documenta o comportamento atual do produto por meio de verificações das páginas em produção, análise da implementação e fontes primárias do modelo. Não foi encomendado nenhum teste pago de resultados para este artigo.

Principais conclusões

• Use o ID atual do modelo no PixMind, wan3.0-video; não o substitua por um identificador da origem ou de uma versão antiga.
• Escolha uma estratégia de controle antes de adicionar mídia: quadros extremos para início e fim exatos, referências para identidade ou estilo reutilizáveis e um arquivo ou link para planejamento baseado em uma fonte.
• A opção atual produz vídeos de 2 a 30 segundos em 480p, 720p ou 1080p, com proporções adaptativas ou fixas e áudio sincronizado.
• Os limites são 10 imagens, 5 vídeos e 5 arquivos de áudio de referência. A documentação original da Alibaba também limita a duração total dos vídeos de referência e a duração total dos áudios de referência a 15 segundos em cada categoria.
• Quando a solicitação contém vídeo de entrada, a regra original da Alibaba exige que a duração desse vídeo mais a duração solicitada da saída não ultrapasse 30 segundos.
• O preço da API e os créditos do Studio são separados. Para uma tarefa da API, o preço retornado quando ela é aceita é o registro final e específico daquela tarefa.

Neste guia

• O que é o Wan 3.0 no PixMind hoje
• Especificações do Wan 3.0 em resumo
• Como escolher um modo de entrada
• Limites de referências e combinações válidas
• Como o áudio sincronizado se encaixa no fluxo
• Duração, resolução, proporção e preço da API
• Modelos de prompt por objetivo de controle
• Wan 3.0 em comparação com Wan 2.7
• Fluxos do Studio e da API
• Limitações, direitos e verificações antes de publicar
• Perguntas frequentes

O que é o Wan 3.0 no PixMind hoje

O Wan 3.0 é a opção atual da família conectada de modelos de vídeo Wan para geração multimodal no PixMind. A interface em produção identifica wan3.0-video como o modelo estável e oferece entradas de texto, imagem, quadros extremos, referências, arquivos e páginas web em um único gerador.

Essa distinção importa porque uma família de modelos da origem pode incluir produtos que uma plataforma conectada não oferece. A documentação da Alibaba lista wan3.0-video e wan3.0-video-prime, mas a página atual da API do PixMind mostra apenas wan3.0-video. A documentação da origem pode explicar como a tecnologia funciona, porém não comprova que toda variante original esteja disponível no PixMind.

O modelo é mais bem compreendido como um conjunto de modos de controle:

• Texto para vídeo parte da descrição de uma cena sem exigir mídia visual de origem.
• Imagem do primeiro quadro para vídeo parte de uma imagem fornecida e pede ao modelo que a anime dali em diante.
• Geração com primeiro e último quadros fixa as duas extremidades de uma cena.
• Geração baseada em referências usa imagens, vídeo, áudio ou uma combinação compatível para orientar o resultado.
• Entrada por arquivo ou página web fornece material de origem que pode orientar uma solicitação.

O hub da família de modelos Wan é o lugar para consultar opções Wan relacionadas, enquanto o gerador em produção continua sendo a fonte dos controles disponíveis para uma tarefa específica.

Especificações do Wan 3.0 em resumo

A opção atual do PixMind combina clipes longos, vários tipos de referência e três níveis de resolução. Cada linha abaixo, porém, representa um dado da interface em uma data específica, não uma promessa permanente do serviço.

Duas fontes também podem descrever um limite em níveis diferentes. A página do produto PixMind afirma que um vídeo de referência pode ter até 15 segundos, enquanto a referência original da API da Alibaba estabelece uma duração combinada de 15 segundos para vídeos de referência. Ao enviar vários clipes, a regra mais segura é manter a duração total em até 15 segundos. Aplique o mesmo limite combinado a vários arquivos de áudio de referência. Uma solicitação com vídeo de entrada tem ainda outro teto na origem: duração total do vídeo de entrada mais duração solicitada da saída não pode ultrapassar 30 segundos.

Como escolher um modo de entrada

Escolha o modo que corresponda à restrição que você não pode perder. Mais entradas não significam automaticamente mais controle, e modos incompatíveis podem invalidar uma solicitação.

Use texto para vídeo em uma composição livre

A geração somente com texto é adequada para uma cena nova quando nenhuma imagem existente ou quadro extremo precisa ser preservado. Defina personagem, ação, local, câmera, iluminação, ritmo e som em torno de um evento principal.

Use o primeiro quadro quando a imagem de abertura importa

A geração de vídeo a partir do primeiro quadro começa com uma composição aprovada. Indique o que se move, o que permanece estável e como a câmera se comporta.

Use o primeiro e o último quadros para controlar as extremidades

Os dois quadros extremos são adequados para transições cujo início e fim estão predeterminados. A Alibaba trata isso como um modo separado: não o combine com mídia de referência, arquivos, links ou entrada de áudio.

Use referências quando a continuidade ou o som for prioridade

O modo de referência orienta uma cena com materiais relacionados. Imagens podem indicar aparência, vídeo pode comunicar movimento e áudio pode fornecer ritmo ou direção sonora. Esses tipos podem ser combinados dentro de seus limites.

Se escolher modelo e modo for o principal obstáculo, o AI Video Agent oferece um caminho guiado da descrição da cena às opções atuais de modelos. A geração direta com Wan 3.0 continua mais apropriada para quem já sabe quais modo de entrada e configurações deseja controlar.

Limites de referências e combinações válidas

O Wan 3.0 aceita vários tipos de referência juntos, mas os modos de quadros extremos, arquivo e link criam limites claros. Estruture a solicitação em torno de uma combinação válida antes de começar a reduzir os prompts.

As regras originais da Alibaba podem ser resumidas assim:

Dê a cada recurso uma função, como definir o produto, o fundo ou o movimento da câmera. Para um arquivo ou uma página, diga o que extrair. Nunca presuma que toda frase, preço ou ressalva aparecerá com exatidão.

Como o áudio sincronizado se encaixa no fluxo

O áudio sincronizado faz parte da opção atual, portanto planeje ambiente, efeitos, intenção de diálogo e ritmo junto com a ação visual.

Em uma cena simples, separe as instruções sonoras das visuais:

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.

Essa estrutura não garante sincronização perfeita quadro a quadro. Antes de publicar, revise o tempo dos diálogos, falas indesejadas, música e semelhança da voz.

O modo original de quadros extremos da Alibaba não aceita entrada de áudio. Se o áudio precisar conduzir a geração, use imagem de referência com áudio de referência. Se os quadros extremos forem mais importantes, adicione depois um som devidamente licenciado.

Os direitos de voz exigem cuidado especial. Não envie uma referência vocal nem publique uma imitação de voz identificável sem a permissão necessária e a conformidade com os termos aplicáveis.

Duração, resolução, proporção e preço da API

Defina o formato de entrega antes de gerar, pois duração e resolução alteram diretamente o custo da API, enquanto a proporção afeta o ajuste da composição ao canal final. O registro de preços da API verificado em 5 de setembro de 2026 é $0.050 por segundo em 480p, $0.090 por segundo em 720p e $0.18 por segundo em 1080p.

As estimativas a seguir são apenas a duração multiplicada pela tarifa por segundo daquela data:

São estimativas de planejamento, não uma cotação para uma solicitação futura. Preços e regras de conta podem mudar. A página da API do Wan 3.0 em produção é a referência pública atual, e a resposta de aceitação é o registro final do preço específico da tarefa.

A linha de 30 segundos não está disponível para toda solicitação condicionada por vídeo. Segundo a regra original documentada pela Alibaba, subtraia de 30 segundos a duração total dos vídeos de entrada para encontrar a duração máxima solicitável da saída em uma tarefa que contenha vídeo; depois, confirme os controles atuais do PixMind antes de enviar.

A cobrança da API é separada dos créditos do Studio. Não converta uma prévia de créditos do Studio em preço da API em dólares nem presuma que um saldo da API dê direito ao Studio. Consulte a página de preços atual para entender o plano e depois verifique a interface que pretende usar.

Para planejar o canal, 16:9 serve para distribuição horizontal, 9:16 para vídeo vertical e 1:1 para formatos quadrados. A proporção adaptativa pode acompanhar o material de origem, mas uma proporção de destino fixa reduz recortes posteriores. Use 480p em testes estruturais de baixo custo e só aumente a resolução depois de estabilizar modo, ritmo e composição.

Modelos de prompt por objetivo de controle

Um bom prompt define o que permanece estável, o que pode mudar e como a mudança acontece. Essas estruturas não garantem um resultado.

Modelo 1: criar uma cena controlada a partir de texto

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].

Modelo 2: animar um primeiro quadro aprovado

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].

Modelo 3: atribuir funções a referências multimodais

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].

Modelo 4: transformar um arquivo ou página web em uma proposta de vídeo focada

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].

Execute o teste útil mais barato antes de uma renderização final longa. Se a composição estiver errada, encurte o prompt em vez de acrescentar adjetivos. Se a continuidade estiver errada, reduza as referências e identifique suas funções. Se o ritmo estiver errado, descreva menos eventos com marcações de tempo mais claras.

Wan 3.0 em comparação com Wan 2.7

O Wan 3.0 é um novo destino de integração, não um novo nome para uma solicitação do Wan 2.7. A opção atual usa wan3.0-video, amplia a saída documentada para 30 segundos e expande o planejamento das entradas para quadros extremos, referências, arquivos e páginas web. Antes de migrar, valide novamente nomes de parâmetros, combinações válidas, proporção, duração, áudio, tratamento da resposta e preços.

Este é um resumo de migração da interface, não a alegação de que a versão 3.0 vence toda comparação de qualidade. Não foi realizada geração controlada lado a lado para este guia. A preferência de resultado pode depender do tema, das referências, do desenho da cena e dos critérios de análise.

Mantenha artigos de versões específicas identificáveis em vez de renomear silenciosamente o guia completo do Wan 2.7. Ainda é preciso fazer uma comparação controlada antes de tirar conclusões sobre movimento, consistência, aderência ao prompt, som ou valor.

Fluxos do Studio e da API

O acesso pelo Studio e pela API atende a necessidades operacionais diferentes e usa sistemas de cobrança separados. O Studio é adequado à configuração interativa e à iteração visual; a API é indicada para aplicações que precisam de envio reproduzível, acompanhamento de tarefas e tratamento programático dos resultados.

Fluxo do Studio

Abra o gerador Wan 3.0, escolha o modo, anexe apenas fontes compatíveis e confirme duração, resolução, proporção e a prévia de créditos atual. Gere depois de revisar as configurações e inspecione o vídeo e o áudio completos antes de exportar.

Fluxo da API

1. Confirme a disponibilidade de wan3.0-video e o preço atual da API.
2. Envie uma combinação válida de modos para POST /v1/generations.
3. Salve o ID da tarefa e os dados de preço aceitos; depois, consulte essa mesma tarefa.
4. Valide o resultado e registre parâmetros, procedência das fontes e aprovações de direitos.

A Alibaba documenta a criação e a consulta assíncronas na origem. Não transfira suas regras de vida útil de tarefas para o PixMind, a menos que o PixMind as declare. O guia de início rápido da API do PixMind explica por que salvar o ID da tarefa é mais seguro do que reenviar depois de um tempo limite no cliente.

Limitações, direitos e verificações antes de publicar

Os resultados do Wan 3.0 exigem análise humana, pois controle multimodal não equivale a conformidade garantida. A interface documentada informa quais entradas e configurações são aceitas, mas não comprova precisão, confiabilidade, liberação legal ou adequação a uma publicação específica.

Use esta lista antes de publicar:

• Precisão visual e temporal: compare o clipe completo com as referências aprovadas e verifique desvios, mudanças de objetos, texto incorreto ou cortes indesejados.
• Revisão do áudio: verifique diálogo, semelhança vocal, ritmo, fala de fundo, música e efeitos.
• Revisão factual: confira na fonte as alegações derivadas de um documento ou página.
• Revisão de direitos: confirme a permissão para prompts, imagens, filmagens, áudio, pessoas, vozes, marcas, logotipos e qualquer outro material de terceiros.
• Revisão de entrega: verifique duração, dimensões, proporção, codificação e reprodução do arquivo exportado na plataforma de destino.
• Manutenção de registros: guarde os detalhes aceitos da tarefa, a procedência das entradas, os registros de consentimento ou licença, o revisor e a decisão de aprovação.

O uso comercial depende da elegibilidade do plano pago, dos termos aplicáveis do modelo e do fornecedor e dos direitos do usuário sobre prompts, referências, pessoas, vozes, logotipos e outros materiais de terceiros. A geração não libera automaticamente esses direitos. Consulte os termos de preços atuais e os termos de serviço para a conta e o caso de uso; procure orientação profissional quando o risco jurídico assim exigir.

Perguntas frequentes

Posso usar áudio na geração com primeiro e último quadros?

Não como entrada de áudio no modo original documentado pela Alibaba para primeiro e último quadros. Se o áudio precisar conduzir o resultado, use o padrão oficial de imagem de referência mais áudio de referência. Se os quadros extremos forem obrigatórios, mantenha esse modo e trate o áudio licenciado em outro fluxo.

Quanto custa a geração pela API do Wan 3.0?

O registro de 5 de setembro de 2026 é $0.050 por segundo em 480p, $0.090 por segundo em 720p e $0.18 por segundo em 1080p. Considere esses valores como dados de planejamento daquela data. A resposta de aceitação fornece o registro final do preço específico da tarefa, e a cobrança da API é separada dos créditos do Studio.

O wan3.0-video-prime está disponível no PixMind?

A página atual de modelos do PixMind lista wan3.0-video, não wan3.0-video-prime. A Alibaba documenta o Prime como uma variante original, mas isso não comprova sua disponibilidade no PixMind.

Posso usar os resultados do Wan 3.0 comercialmente?

O uso comercial é condicional, não automático. Depende da elegibilidade do plano pago, dos termos aplicáveis do modelo e do fornecedor e dos seus direitos sobre todos os prompts, referências, pessoas, vozes, logotipos e materiais de terceiros na tarefa e no resultado.

Escolha uma restrição e execute uma primeira tarefa controlada

A maneira mais clara de começar com o Wan 3.0 é escolher a restrição mais importante e então selecionar o modo de entrada correspondente. Use texto para uma composição livre, um primeiro quadro para uma abertura fixa, quadros extremos para um final definido, referências para identidade reutilizável ou direção sonora e um arquivo ou link para planejamento baseado em fonte.

Mantenha a primeira tarefa curta o suficiente para revelar problemas estruturais. Antes de enviar, confirme ID do modelo, referências, proporção, resolução, duração, áudio, preço e direitos. Analise o resultado completo em vez de julgar uma miniatura.

Quando essas decisões estiverem claras, abra o gerador Wan 3.0 para uma tarefa interativa ou a página da API do Wan 3.0 para um fluxo programático. No momento da geração, verifique novamente os controles em produção e o preço aceito para a tarefa.

---

Wan 3.0 vs Wan 2.7: migração e escolha do modelo