Wan 3.0 Imagen a Vídeo
Suelta una foto y se mueve. Añade una segunda imagen y Wan 3.0 imagen a vídeo viaja del primer fotograma al último. De dos a treinta segundos, sonido en el mismo archivo, y tu primer clip es gratis: un correo, sin tarjeta.
Dos ejemplos publicados de Wan 3.0, y después todas las demás ideas del sitio · Probar esto carga el prompt y su fotograma
FOTOGRAMA INICIAL · 16:9 · 720PDespierta un fotograma fijo con cuatro cambios pequeños
Qué hace Wan 3.0 imagen a vídeo
con tu foto
Tu foto se convierte en el primer fotograma de verdad: no es una referencia de estilo, es la apertura literal del plano.
Fotograma 001 · tuyo
Generado a partir de lo que describiste
Wan 3.0 imagen a vídeo toma una imagen como fotograma de apertura y genera a partir de ella de 2 a 30 segundos de movimiento, a 30 fps en 480P, 720P o 1080P y con audio en la misma pasada. Si aportas una segunda imagen, esta pasa a ser el fotograma de cierre y el modelo rellena el recorrido entre ambas.
- Tu foto es el fotograma uno
- 001
- Cualquier segundo entero
- 2–30 s
- Fotogramas por segundo
- 30 fps
- Resolución
- 480P / 720P / 1080P
Tu foto es el fotograma uno
Cualquier segundo entero
Fotogramas por segundo
Resolución
- Sin HEIC: el contenedor por defecto del iPhone no está en la lista de aceptados
- Sin transparencia: un canal alfa de PNG se rechaza, no se aplana
- Sin imagen de referencia junto a un primer fotograma: las dos familias se excluyen entre sí
Primer fotograma, último fotograma,
o ambos
Wan 3.0 imagen a vídeo es un solo endpoint con dos formas de entrar. Elegir la equivocada es el motivo más común de que un resultado no acabe de encajar, así que aquí va cuándo es correcta cada una, y por qué la otra no.
Solo primer fotograma
first_frame
Una foto como primer fotograma. Tu vídeo abre con tu imagen y avanza desde ahí. Úsalo cuando ya tienes el plano de apertura y quieres ver qué hace Wan 3.0 a continuación con él.
Cómo escribirlo
Describe qué pasa a continuación, no lo que ya hay en la imagen: Wan 3.0 ya ve la imagen. Texto a vídeo no puede garantizar que la salida se parezca en nada a tu foto, y esa es la razón de estar aquí.
Primer + último fotograma
first_frame + last_frame
Dos fotos, un inicio y un final. Wan 3.0 rellena el recorrido entre ambas. Úsalo cuando sabes exactamente dónde empieza el plano y dónde tiene que aterrizar: un giro de producto, un antes y un después, un cambio de escena.
Cómo escribirlo
Con solo un primer fotograma, Wan 3.0 decide el destino, y no va a adivinar tu final. Si las dos imágenes son muy distintas, di con todas las letras qué pasa en medio, o se inventará una transición.
Una regla dura: la familia de fotogramas y la familia de referencias no se pueden mezclar. Envía un primer fotograma y una imagen de referencia en la misma petición y Wan 3.0 la rechaza en lugar de elegir una: llevar un personaje entre varios planos es referencia a vídeo. ¿Sin ninguna imagen de partida? Empieza por las palabras. Más montajes trabajados en ideas de prompts. Y cuando lo que no puede moverse es el cuadro entero — una pantalla, una habitación, una tabla de cifras — eso es un tipo de toma aparte.
Un archivo de imagen,
o la página donde vive
Imagen a vídeo necesita un archivo. Cuando lo que tienes es un enlace — una ficha de producto, una página de especificaciones, un post — hay una segunda puerta en este sitio, y hace un trabajo distinto en vez del mismo.
Imagen a vídeo usa la foto misma. Tu fotografía pasa a ser el primer fotograma y el modelo avanza desde ahí, así que el sujeto del clip es el sujeto que subiste. URL a vídeo no toca la foto. Lee lo que dice la página y genera imágenes nuevas a partir de eso; nada de la página aparece en el resultado. Elige la primera cuando la cosa tiene que parecerse a tu cosa; elige la segunda cuando tienes una página y ninguna sesión de fotos.
01
Tienes un archivo
Suéltalo en la caja de arriba. El verificador de esta página nombra el límite que habría fallado antes de gastar un crédito.
02
Tienes un enlace
URL a vídeo acepta una dirección pública y lee la página que hay detrás. Su comprobación también es gratis y sin cuenta.
03
No tienes ninguno
Texto a vídeo arranca solo desde un prompt escrito, con los mismos treinta segundos y el mismo audio escrito en la misma pasada.
URL a vídeo es la vía del enlace y texto a vídeo la del prompt. Las tres ejecutan el mismo wan3.0-video a la misma tarifa por segundo.
Un enlace que se abre en tu navegador no es automáticamente un enlace que el modelo pueda descargar: el renderizado ocurre en otra red. El verificador de enlaces nombra los hosts cuyo rechazo se ha medido en esa red.
Comprueba tu imagen
antes de gastar un crédito
La forma más molesta de perder una generación es enterarte después de que el archivo no iba a funcionar. Suelta aquí una imagen y se comprueba contra los límites reales de Wan 3.0 — formato, tamaño, dimensiones, relación y transparencia — con la solución nombrada para el que falle. No se sube nada: la comprobación se ejecuta en tu navegador.
JPG · JPEG · PNG · BMP · WEBP · ≤20.0 MB · 240–8,000px · ratio ≤8:1
Ejecútalo tantas veces como quieras, antes de cada lote si eso ayuda. El comprobador nunca toca el modelo, así que Wan 3.0 imagen a vídeo nunca te cobra por un archivo que no iba a funcionar.
Límites de imagen de Wan 3.0
— y cuáles son las cifras viejas
Busca el límite de tamaño de imagen de Wan y encontrarás varias respuestas distintas, todas de Alibaba y todas correctas, pero de modelos diferentes. Esta es la columna de Wan 3.0, y la casilla de subida que hay arriba de esta página comprueba cada fila antes de que gastes nada.
Las fotos del iPhone no entran directamente. El HEIC es el formato por defecto del iPhone y Wan 3.0 no puede leer ese contenedor: el comprobador lo detecta en un segundo y nombra el ajuste que hay que cambiar.
- Relación de aspecto
- ≤ 8:1En las dos direcciones: una columna 1:8 se rechaza igual que un banner 8:1
- Oficial
Alibaba mantiene publicada e indexada la documentación antigua de imagen a vídeo, y posiciona bien porque lleva más tiempo ahí. Las dos páginas son exactas; solo una de ellas va de Wan 3.0. La pista es el ID del modelo: si la página dice wan2.1, wan2.2 o kf2v en alguna parte, sus cifras no son las que usa este generador, porque esa documentación da 800 caracteres de prompt, 360–2 000 px, 10 MB y unos cinco segundos fijos, frente a los 20 000 caracteres, 240–8 000 px, 20 MB y cualquier número entero de segundos entre 2 y 30 de Wan 3.0.
¿Me cambiará la cara?
Evitar que el sujeto derive
La deriva es cuando la cara del segundo ocho no es del todo la cara del segundo uno, con la misma foto pasada dos veces.
Wan 3.0 sostiene bien un fotograma de apertura, y lo sostiene peor cuanto más largo es el clip y más se mueve la cámara. Si tu prompt solo describe movimiento, todo lo que no describiste queda abierto, y el modelo es libre de reinventarlo.
Tres cosas ayudan, por orden de cuánto ayudan. Dale al movimiento un sitio al que ir: «se gira hacia la ventana» aguanta mejor que «se mueve por ahí». Mantén la cámara honesta: un movimiento con nombre por clip, porque Wan 3.0 sigue a un sujeto a través de una entrada mucho mejor que a través de un vagabundeo a mano sin especificar. Y acorta antes de pelearte con ello: un clip de veinte segundos con deriva a menudo se convierte en dos clips limpios de diez, más baratos de generar y más fáciles de montar.
La entrada
El abrigo cambia de tejido y el nacimiento del pelo se desplaza. Nada en el prompt decía que no debieran hacerlo.
Mismo movimiento de cámara, misma duración, mismas condiciones de semilla. La cláusula es el único cambio.
La única diferencia entre ambos
El sujeto — abrigo de lana rojo, flequillo oscuro, anillo de plata en la mano izquierda — mantiene la misma cara, el mismo pelo, la misma ropa y los mismos colores en todo momento; solo cambian la cámara y el movimiento descrito.
Escribe lo que no debe cambiar: un color, un logotipo, una cara. Cuanto más específico sea el sustantivo, menos lo reinterpreta Wan 3.0.
Se añade al final de tu prompt
El sujeto mantiene la misma cara, el mismo pelo, la misma ropa y los mismos colores en todo momento; solo cambian la cámara y el movimiento descrito.
La versión larga de esto — de dónde viene la deriva, qué sostiene la cláusula y qué no — está en consistencia de personajes. Si el sujeto tiene que sobrevivir a varios planos separados y no a uno solo largo, eso es otro modo: referencia a vídeo admite hasta diez imágenes del mismo personaje y las sostiene entre generaciones. No se puede combinar con un primer fotograma en la misma petición. Bloquear una pantalla en vez de una cara es la misma instrucción una talla más grande.
Por qué Wan 3.0 toma la relación de aspecto
de tu imagen
Deja la relación en adaptativa y la salida seguirá a tu imagen de origen, que es casi siempre lo que quieres: una foto vertical se convierte en un clip vertical sin recortar ni rellenar nada. Eso es lo contrario de texto a vídeo, donde no hay imagen que leer y tienes que elegir. Wan 3.0 admite adaptativa más 16:9, 4:3, 1:1, 3:4 y 9:16.
Imagen a vídeo · esta página
relación: adaptativa
Se lee de la imagen que subiste. Es editable, pero ya lo sabe.
Texto a vídeo
relación: obligatoria
La adaptativa se rechaza sin más: no hay imagen de la que deducir un encuadre.
Fija una relación explícita solo cuando el destino lo exija y estés dispuesto a perder bordes: una foto 4:3 dejada en adaptativa da un vídeo 4:3, que en el feed de un móvil se queda en una franja con bandas. En Wan 3.0 no hay 21:9: para una barra cinematográfica ancha, genera en 16:9 y recorta en un editor en lugar de buscar un ajuste que no existe.
Escribir la transición,
no la imagen
Esta es la parte que la gente hace mal en el modo de primer y último fotograma. Wan 3.0 ya ve las dos imágenes: no necesita que le describas lo que hay en ellas. Lo que necesita es qué pasa entre ellas.
Describing the picture
Describing the change
Una niña sonriendo en una habitación cálida
Una niña pasa poco a poco de la sonrisa a la risa, la cámara entra despacio y la luz del fondo se desplaza de tonos fríos a cálidos.
Una caja de producto cerrada sobre un escritorio
La tapa se levanta a lo largo de cuatro segundos, la cámara baja a un ángulo bajo mientras el contenido aparece a la vista, un clic suave al abrirse.
El primer par es el prompt de ejemplo de la propia Alibaba para el modo de primer y último fotograma, y merece leerse dos veces, porque nombra tres cosas distintas que cambian: la expresión, la cámara y la luz.
El mismo principio a cualquier duración: nombra el cambio, nombra la cámara, nombra el sonido. Si nada en el prompt describe movimiento, Wan 3.0 se inventará alguno. ¿Quieres que te construyan la redacción? El constructor de prompts. La versión más estricta de esto es un cuadro al que no se le permite moverse en absoluto.
Cuando lo que no puede cambiar
ocupa todo el cuadro
Una cara puede desviarse y la toma sigue funcionando. Un panel no. Si la imagen que animas es el producto — una pantalla, una habitación, una tabla de cifras — cada píxel sostiene algo, y la frase que lo fija tiene que ir al principio del prompt, no añadida al final.
Es el mismo mecanismo de primer y último fotograma de más arriba, aplicado a un caso más difícil: a Wan 3.0 imagen a vídeo se le pide cambiar una zona y dejar todo lo demás exactamente donde estaba.
Las cifras suben, la interfaz no se mueve
Una cifra de ventas que sube de 100.00 a 30,197.00 mientras la barra lateral, los ejes del gráfico y las cabeceras de columna siguen clavados. Es la animación de panel que la gente intenta falsear grabando la pantalla de una hoja de cálculo, y suele fallar porque en la grabación se ve el cursor.
Tú aportas
La misma pantalla dos veces: una con la cifra baja y otra con la alta.
Una pantalla que todavía no existe
El vídeo de demostración de app que necesitas antes de terminar el desarrollo, o antes de tener un dispositivo donde grabar. Un vídeo de mockup es una imagen fija y un punto final — un menú abierto, un panel relleno, un interruptor activado — y la cámara no se mueve nunca.
Tú aportas
Dos fotogramas exportados de tu archivo de diseño. Sin prototipo, sin plugin, sin grabación.
La sala se queda, el contenido llega
De espacio vacío a espacio amueblado, de pared desnuda a pared terminada. La arquitectura es lo que no puede moverse; todo lo demás sí puede.
Tú aportas
La foto de antes y la de después, tomadas desde la misma posición.
La frase que hace el trabajo
Tres personas sin relación entre sí llegaron casi a la misma frase, lo que suele indicar que esa frase le está dando al modelo algo que necesita. Copia esto, sustituye las dos líneas entre corchetes y deja el resto igual:
Use image 1 as the starting frame and image 2 as the ending frame. The animation must begin exactly with image 1 and end exactly with image 2. Lock the entire frame in place: same layout, same crop, same camera. No pan, no tilt, no zoom, no perspective change, no re-rendering of the surrounding elements. The only thing that changes is [WHAT MOVES]. [HOW IT MOVES — e.g. the figures count upward smoothly through many intermediate values until they reach the final number.]
Por qué va en este orden: el modelo pesa más el principio del prompt que el final, así que el bloqueo tiene que ir antes de la descripción del cambio. Pon Lock the entire frame en el último párrafo y se lee como una preferencia. Ponlo en segundo lugar y se lee como una restricción.
Tres formas de desviarse, y la línea que detiene cada una
La cámara se acerca poco a poco aunque no lo pediste
El movimiento es lo predeterminado. Sin instrucción, el modelo pone alguno.
The camera is locked off. No push-in, no drift, no handheld motion.
La maquetación está bien, pero el texto pequeño es otro texto pequeño
La tipografía se vuelve a dibujar, no se copia.
Do not redraw text. Keep every label, header and axis exactly as supplied.
Corta entre tus dos fotogramas en vez de moverse entre ellos
Dos extremos sin nada que los una se leen como un corte.
One continuous shot. Interpolate every intermediate state; no cut, no fade, no dissolve.
Lo que sostiene y lo que no
Sostiene la maquetación y la posición. No garantiza los glifos ni los caracteres: una cifra puede volver siendo otra cifra, y unas etiquetas de seis puntos pueden volver siendo formas de seis puntos que solo parecen etiquetas.
Comprobarlo cuesta diez segundos y vale la pena hacerlo siempre. Ve al último fotograma, míralo al 100% y lee la única cifra por la que existe el clip. Si sobrevivió al fotograma final, sobrevivió a toda la cuenta; si no, vuelve a lanzar las mismas dos imágenes con la cifra escrita en el prompt.
Esa frontera es toda la base para elegir entre dos tipos de herramienta. Si tus capturas tienen que sobrevivir byte a byte, lo que quieres es un montador que haga paneos y zums sobre las imágenes que ya tienes. Si necesitas un fotograma que nunca se capturó — una cifra a mitad de cuenta, un panel a medio abrir, una sala a medio amueblar — entonces hay que generarlo, y eso es esto.
Las mismas dos casillas que el modo de primer y último fotograma; aquí lo único que cambia es lo que escribes entre ellas.
Lo que cuesta un clip de Wan 3.0 imagen a vídeo
Idéntico a texto a vídeo: la duración y la resolución fijan el precio, el audio no, y subir un segundo fotograma no cuesta nada más. Una ejecución fallida se reembolsa automáticamente, y con el comprobador de arriba, casi todos los fallos que antes costaban créditos a la gente ya ni siquiera llegan al modelo.
Cómo se cobra esto
- Se cobra por
- segundo de salida
- Generación fallida
- refunded
- Tu primer clip
- gratis · 480P
Boceta en 480P para encontrar el movimiento y después ejecuta una sola vez en 720P o 1080P el que te quedes: la imagen no hay que volver a comprobarla entre ejecuciones. Precios completos.
Los mismos créditos al mes en ambos casos
Cómo animar una imagen fija
con Wan 3.0 imagen a vídeo
El paso que decide el resultado es el tercero: describe qué cambia entre los fotogramas que fijaste, no qué hay en ellos.
Suelta tu primer fotograma
La comprobación es instantánea y ocurre en tu navegador. Un archivo bueno muestra una fila verde; uno malo te da la solución antes de que gastes nada.
Comprobado gratisAñade un último fotograma, si conoces el final
Con una imagen basta: Wan 3.0 decidirá adónde va el plano. Si aportas una segunda, esta pasa a ser el fotograma de cierre.
OpcionalDi qué cambia, no qué hay
Wan 3.0 ya ve las imágenes. Describe el movimiento entre ellas, la cámara y el sonido.
Sonido en el mismo campoFija duración y resolución, y genera
Cualquier número entero de segundos entre 2 y 30, a 30 fps en 480P, 720P o 1080P, devuelto como un solo MP4 con el audio dentro.
Hasta 1080P
Alrededor de noventa segundos para un clip corto, y puedes cerrar la pestaña mientras se ejecuta. La fotografía subida no se modifica nunca: la salida es un archivo nuevo.
Preguntas sobre Wan 3.0 imagen a vídeo
Qué conserva Wan 3.0 imagen a vídeo de tu imagen fija, qué es libre de mover y qué cuesta una ejecución
¿Tengo que registrarme para animar una foto?
¿Qué formatos de imagen acepta Wan 3.0?
¿Por qué no se sube mi foto del iPhone?
¿Cuál es el límite de tamaño de la imagen?
¿Necesito un último fotograma?
¿Puedo usar una imagen de referencia y un primer fotograma a la vez?
¿Cuánto puede durar un clip de Wan 3.0 imagen a vídeo?
¿El vídeo conservará la relación de aspecto de mi imagen?
¿Wan 3.0 imagen a vídeo también genera sonido?
¿Qué pasa si la generación falla?
¿Puede Wan 3.0 convertir una captura de pantalla en vídeo?
¿Cómo hago un vídeo de demostración de app sin grabar mi pantalla?
¿Por qué mi animación de panel se sigue desviando si pedí que no se moviera?
Trae una foto y llévate un clip
Suelta una imagen, deja que el comprobador la confirme y genera. Un clip gratis de Wan 3.0 en 480P, de hasta tres segundos: un correo, sin tarjeta. Si el movimiento no es el que imaginabas, no te ha costado nada.
Escrito y mantenido por el equipo editorial de wan-3.runPublicado el Actualizado el Herramienta versión 2026.09.4