Wan 3.0 Referencia a Vídeo

Name: Un producto llevado a un plano nuevo — ejemplo de Wan 3.0 referencia a vídeo
Uploaded: 2026-08-17T00:00:00.000Z
Duration: 15 s
Description: Quince segundos construidos a partir de una referencia de personaje y una de producto, con el mismo cruasán y la misma persona a la puerta de una panadería que solo existe en el fotograma generado.

Sube la cara, la chaqueta, el producto, la voz: Wan 3.0 coge las cuatro y mantiene cada una igual durante hasta treinta segundos, en una escena que nunca existió. Hasta diez imágenes, cinco clips y cinco pistas de audio en una sola generación.

Construye a partir de tu material

Sube hasta 10 imágenes · vídeo ≤15 s en total · audio ≤15 s en total

0 / 20 recursos

10 imágenes + 5 clips + 5 pistas. Casi todas las buenas escenas usan tres o cuatro.

Todavía no has subido nada; sin referencias esto es texto a vídeo a secas. Carga un pack para ver cómo se numeran una cara, una prenda y una voz.

0 / 20000

La adaptativa deja que el modelo elija la forma. ¿Lo necesitas vertical? Pide 9:16.
0 de 20 recursos usados.

adaptive

Regístrate gratis · 1 clip en Wan 3.0

Material de referencia funciona con créditos. El clip gratis es un prompt o una foto de entrada y un vídeo de salida: leer un archivo, un enlace o metraje que ya tienes es la parte de pago del mismo modelo Wan 3.0. Ver cuánto cuesta un clip.

Referencia a vídeo funciona con créditos — leer tu material es la parte de pago de Wan 3.0 · las ejecuciones fallidas no cuestan nada

Tres ejecuciones publicadas de Wan 3.0, y después todas las demás ideas del sitio · Probar esto carga el prompt

Una mujer de blanco sentada en un sofá verde lima en un prado de flores mientras una mariposa se posa en su mano

16:9 · 720P · 5s

Cita Image 1, y la bloquea

Qué mantiene igual

Qué mantiene igual
Wan 3.0 referencia a vídeo

Tú subes material y Wan 3.0 construye una escena que lo obedece.

Wan 3.0 referencia a vídeo admite hasta veinte recursos de referencia — diez imágenes, cinco clips de vídeo y cinco pistas de audio — y trata cada uno como una restricción y no como un punto de partida. Esas caras, prendas, objetos, voces y relaciones espaciales se mantienen consistentes durante una sola toma de hasta treinta segundos, con el audio generado en la misma pasada.

Imágenes · clips · audio: 10 + 5 + 5
Recursos en una petición: 20
Cualquier segundo entero: 2–30 s
30 fps, con sonido: 480P / 720P / 1080P

No es un editor: construye una escena nueva en vez de cambiar una vieja
No es un intercambio de caras, ni una forma de meter a alguien en un vídeo sin su consentimiento
Sin primer fotograma junto a las referencias: esas dos familias se excluyen entre sí

Dos familias

Por qué Wan 3.0 no acepta referencias y un primer fotograma a la vez

Wan 3.0 tiene dos familias de entrada de medios, y una misma petición solo puede usar una de ellas.

reference_image
Familia de referenciasEsta páginareference_image · reference_video · reference_audio · file · link — material del que el modelo toma prestado para construir una escena que nunca existió.
first_frame
Familia de fotogramasImagen a vídeofirst_frame · last_frame — una apertura exacta y, si quieres, un final exacto por los que la salida tiene que pasar.

Envía una de cada familia y Wan 3.0 rechaza la petición sin más en lugar de elegir una ganadora, y por eso esta página desactiva las entradas de fotograma en cuanto añades una referencia. El rechazo ocurre en Alibaba, después de que te hayas puesto en cola, así que detectarlo aquí cuesta un segundo en vez de un puesto en la cola.

Qué familia quieres se deduce de la pregunta que estás haciendo. «Empieza exactamente en esta fotografía» es un fotograma, y eso es imagen a vídeo. «Mantén esta cara, pero en un sitio donde nunca ha estado» es una referencia, y eso es esta página. Si el sujeto deriva dentro de un mismo clip y no entre planos, el conjunto de referencias no es la solución: lo es la consistencia de personajes.

Qué entra

Cuántas referencias
admite Wan 3.0

En Wan 3.0 entran tres clases de material, cada una con su propio techo: diez imágenes, cinco clips de vídeo y cinco pistas de audio.

⚠️ Wan 3.0 cobra los segundos de clip de referencia junto a los de tu salida, y los dos juntos no pueden pasar de treinta. Seis segundos de referencia más una salida de veinte segundos son veintiséis segundos facturados y una petición válida; seis más veintiocho no lo son. Las imágenes, el audio, los documentos y los enlaces no añaden nada.

Imágenes de referencia: ≤ 10 · ≤ 20 MB cada una · JPEG · JPG · PNG (sin alfa) · BMP · WEBP240–8 000 px por lado, relación de aspecto de hasta 8:1; Oficial
Clip de referencia: ≤ 5 clips · 1–15 s cada uno · 15 s en total entre todos · mp4 · mov · ≤ 100 MB cada uno; Oficial
Audio de referencia: ≤ 5 pistas · 1–15 s cada una · 15 s en total · wav · mp3 · ≤ 15 MB cada una; Oficial
Todo junto: 20, que es la suma de esos tresAlibaba fija un límite por tipo. No hay un tope aparte para el total: esta fila es aritmética, no una cifra publicada.; Oficial
Salida: 2–30 s a 30 fps · 480P, 720P o 1080P; Oficial

Cinco huecos de vídeo a quince segundos cada uno serían setenta y cinco segundos, y el techo son quince, así que en vídeo el número de huecos nunca es la restricción que manda: lo es el total acumulado. El contador que hay sobre la casilla del prompt vigila los dos, en segundos y en créditos, antes de que pulses Generar.

Cuatro dimensiones

Qué mantiene estable Wan 3.0 de verdad

Alibaba enumera cuatro dimensiones de consistencia en Wan 3.0. Merece la pena conocerlas por separado, porque cuando algo deriva suele ser una de ellas y no las cuatro.

El sujeto

Aquello a lo que apunta la cámara.

characters
Personajes
Rasgos faciales, peinado y color, complexión, ropa, accesorios.
Lo bastante fino como para que las correas de una chaqueta sobrevivan a una escena de pelea.
props
Atrezo
Apariencia desde varios ángulos, estructura de las piezas, logotipos, detalle del material.
La misma botella, plano a plano, con la etiqueta intacta.

La escena

Todo lo que rodea al sujeto.

space
Espacio
Puesta en escena de los personajes y perspectiva de cámara, con las relaciones espaciales correctas.
La geografía deja de moverse entre planos.
style
Estilo
Tono cinematográfico renderizado de forma consistente, sin mezclas entre looks en un proyecto de varios estilos.
Un mismo etalonaje en todo el conjunto.

La propia galería de Wan 3.0 de Alibaba pasa dos imágenes de referencia por treinta segundos de acción a gran velocidad y mantiene el pelaje, la ropa, las fundas y la puesta en escena en todo momento. Ese es el techo; tu resultado depende sobre todo de la calidad de las referencias.

Casi todo el trabajo real no es una toma larga, sino tres o cuatro clips que tienen que parecer de la misma producción, y el método para eso es más aburrido de lo que suena: mantén todo idéntico salvo el prompt. Los mismos archivos byte a byte, el mismo cometido en cada recurso, la misma frase de estilo al final, la misma resolución y la misma relación. Cambia solo la acción y la cámara. Volver a subir una copia ligeramente reexportada de la misma foto es el motivo habitual de que una secuencia derive, porque el archivo ya no es idéntico: Wan 3.0 no tiene memoria entre peticiones, así que la consistencia depende por completo de lo que le entregues.

Reparto

Dale a cada referencia de Wan 3.0 un solo cometido

Esta es la parte que decide si el resultado sale bien, y es donde se tuercen casi todos los intentos con Wan 3.0. El modelo no adivina para qué subiste un archivo: se lo dices tú, en el prompt, por número.

Cometido 01Fijar una cara y un vestuario
Lo más fuerte que hace Wan 3.0. Una persona por imagen, de frente y bien iluminada, gana siempre a lo artístico: una foto tipo carné rinde más que un retrato con atmósfera.
Image 1 es la mujer del abrigo de lana gris; mantén su cara, su pelo y su abrigo exactamente igual.
Cometido 02Fijar un producto o un objeto de atrezo
La apariencia desde varios ángulos, los logotipos, las piezas y el material se mantienen todos. Dos ángulos del mismo objeto funcionan mejor que un solo plano estrella.
Image 2 e Image 3 son la misma botella; mantén la etiqueta y las piezas del tapón.
Cometido 03Donar movimiento y ritmo
Un clip de referencia no está ahí para copiarse: está ahí para donar su ritmo, cuánto se sostiene un tiempo y cómo se mueve una transición.
Video 1 dona solo la cadencia al caminar, no el personaje.
Cometido 04Donar una voz, o fijar el espacio
Una referencia de audio fija el timbre, y combinada con una referencia de cara la sincronización labial la sigue. Una placa de localización fija la puesta en escena y la perspectiva de cámara para que la geografía deje de moverse.
Audio 1 dona solo el timbre. Image 4 fija la sala y la altura de cámara.

Escribe Image 1, no image1

Image 1 · Video 1 · Audio 1Wan 3.0
@image1Seedance

Wan 3.0 espera la forma inglesa con mayúscula y espacio. @image1 es sintaxis de Seedance y varias guías la repiten aquí, donde no se lee. La numeración corre por separado dentro de cada tipo de medio y sigue el orden de subida: reordena tus archivos y habrás hecho una petición distinta.

Veinte recursos es el titular; el número que deberías usar de verdad es mucho menor. Un sujeto por imagen, un cometido por recurso: en el momento en que un archivo lleva dos cometidos que chocan, o una imagen contiene a dos personas, el modelo tiene que adivinar, y adivinar es justo lo que subiste referencias para evitar. Casi todas las buenas escenas se hacen con tres o cuatro. ¿Prefieres no escribir el resto del prompt? El generador de prompts lo escribe en el orden de Alibaba.

Antes de generar

Cuándo se rompe la consistencia de Wan 3.0, y qué hacer

El modo de referencia es la única vía de Wan 3.0 en la que también se cobran tus entradas, así que una ejecución que vuelve mal cuesta el doble. Estas son las cinco formas en que se tuerce, en el orden en que probablemente te las encuentres, y el panel que hay sobre el botón Generar lee tu montaje para detectar las que puede ver venir.

El personaje no se parece a la referencia
Casi siempre porque la imagen contiene a más de una persona, o porque a esa misma imagen se le pidió también definir la localización o el estilo.
Un sujeto por imagen, un cometido por recurso.
Dos personajes se difuminan donde se tocan
Posiciones solapadas más acción simultánea es el caso más difícil. Valida primero en un plano con separación clara y después añade el contacto.
Dos personajes bien separados son de fiar; una multitud que se toca, no.
El movimiento ignora el clip de referencia
A ese recurso se le pidió también definir un personaje, así que lleva dos cometidos y el modelo tiene que elegir uno.
Divídelo en dos recursos con un cometido cada uno.
La factura es mayor de lo esperado
Los segundos de clip de referencia se cobran a tu tarifa de salida, y cuentan contra el mismo techo de treinta segundos. Las imágenes, el audio, los documentos y los enlaces son gratis.
6 s de referencia + 20 s de salida = 26 segundos facturados.
La petición se rechaza antes de generar
Se envió un primer fotograma junto a las referencias. Las dos familias se excluyen entre sí, y el rechazo es de toda la petición y no de una entrada.
Orden: Image 1 · Image 2 · Video 1 — sin entradas de fotograma.

Empieza sencillo para validar la calidad de las referencias y después añade complejidad. Una escena que falla con cinco personajes a menudo funciona con dos, y dos clips limpios montados juntos ganan a uno confuso.

Precios · Audio nativo · Sin marca de agua

Lo que cuesta un clip de Wan 3.0 referencia a vídeo

La misma tarifa por segundo que cualquier otro modo: las referencias en sí no llevan recargo. La única excepción es el clip de referencia: sus segundos se cobran a la misma tarifa que tu salida. Las imágenes, el audio, los documentos y los enlaces no añaden nada. Como en todas partes, una ejecución fallida se reembolsa automáticamente, así que lo único que te cuesta una mala generación es la espera.

Cómo se cobra esto

Se cobra por: segundo de salida
Imágenes de referencia · audio · archivo · enlace: free
Clip de referencia: se cobra a tu tarifa de salida
Generación fallida: refunded
Imágenes de referencia · audio · archivo · enlace: sin recargo

El clip de referencia es la tercera variable que tiene esta página y que las demás herramientas no tienen: un clip de referencia de 15 segundos sobre una salida de 15 segundos son treinta segundos facturados, no quince. Boceta en 480P y después ejecuta una sola vez el que te quedes. Precios completos

Los mismos créditos al mes en ambos casos

Primer clip gratisSin tarjeta
Una generación en el wan3.0-video real. Mira qué hace Wan 3.0 con un plano tuyo: 480P, tres segundos, sonido en la misma pasada.
$0una vez
Sin tarjeta en ningún momento
Generar clip gratis
Un correo, sin tarjeta
1 clip, una vez
480P · hasta 3 s · con sonido
Un correo, sin tarjeta
El mismo `wan3.0-video` que Alibaba ejecuta para los planes de pago: 480P es una resolución, no un modelo inferior
- El wan3.0-video real, no el 2.7
- Sonido generado junto a la imagen
- ID de modelo e ID de tarea en el recibo
- Una ejecución fallida nunca te cuesta
- 720P y 1080PDe pago
- Clips de más de 3 segundosDe pago
- Modos de referencia, documento y ediciónDe pago
- Más de un clip, nuncaDe pago
Una pregunta respondida: qué hace Wan 3.0 con tu idea. 1080P, treinta segundos y todos los modos de entrada empiezan en $12.90.
De un vistazo
Clips al mes
1, una vez
Tomas por ejecución
1
Clip más largo
3s
Resolución máxima
480P
StarterAhorra hasta un 20 %
Una publicación de lanzamiento a la semana. Suficiente para averiguar si el generador de vídeos con IA Wan 3.0 encaja con tu forma de trabajar, sin tener que decidir nada sobre volumen.
$12.90/ mes$15.90
$154.80 facturados al año
Cancela cuando quieras
640 créditos / mes · ≈ 16 clips
de 5 s en 480P · 8 en 720P · 4 en 1080P
Los créditos del plan caducan a fin de mes
- 640 créditos al mes, unos 16 clips terminados
- 2 tomas de un mismo prompt por ejecución
- Todas las resoluciones: 480P, 720P y 1080P
- Todas las duraciones: de 2 a 30 segundos en una pasada
- Todas las entradas: texto, imagen, referencia, documento, página web
- Sonido escrito en la misma pasada, sin marca de agua
- Uso comercial incluido: publícalo, véndelo, factúralo
- Wan 3.0 Prime, la capa rápida, cuando quieras
- Una ejecución fallida nunca cuesta créditos
- Reembolso de 7 días mientras los créditos estén sin tocar
- Cancela en dos clics: el precio al que entraste queda bloqueado
Todo lo que hay bajo las dos primeras líneas está en este plan por $12.90. Los planes mayores compran segundos y tomas, nunca un modelo mejor.
De un vistazo
Clips al mes
≈ 12 de 5 s en 480P
Tomas por ejecución
2
Créditos por dólar
Referencia
Plazo de reembolso
7 días
Aquí acaba casi todo el mundo
Pro
Un clip terminado cada día laborable, con tres alternativas de cada uno. El bucle de bocetar en 480P y terminar en 1080P, dimensionado para una semana de trabajo.
$39.90/ mes$49.90
$478.80 facturados al año
Cancela cuando quieras
2 240 créditos / mes · ≈ 56 clips
de 5 s en 480P · 28 en 720P · 14 en 1080P
Los créditos del plan caducan a fin de mes
- 2 240 créditos al mes, 3,5× Starter4×
- ≈ 56 clips terminados al mes, u 14 en 1080P completo
- 4 tomas de un mismo prompt por ejecución: eliges una en vez de volver a tirar2× tomas
- Un 21 % más de créditos por dólar que StarterMejor tarifa
- Margen para bocetar en 480P y terminar en 1080P la misma semana
- Todas las resoluciones: 480P, 720P y 1080P
- Todas las duraciones: de 2 a 30 segundos en una pasada
- Todas las entradas: texto, imagen, referencia, documento, página web
- Sonido escrito en la misma pasada, sin marca de agua
- Uso comercial incluido: publícalo, véndelo, factúralo
- Wan 3.0 Prime, la capa rápida, cuando quieras
- Una ejecución fallida nunca cuesta créditos
- Reembolso de 7 días mientras los créditos estén sin tocar
- Cancela en dos clics: el precio al que entraste queda bloqueado
El salto desde Starter es cantidad, tomas y tarifa. El modelo, las resoluciones y los treinta segundos ya eran tuyos.
De un vistazo
Clips al mes
≈ 44 de 5 s en 480P
Tomas por ejecución
4
Créditos por dólar
+21 % frente a Starter
Plazo de reembolso
7 días
StudioMejor tarifa
Volumen de clientes, y el plan en el que dejas de racionar el 1080P. Treinta y un clips terminados a resolución completa al mes, al precio por crédito más bajo que vendemos.
$99.90/ mes$119.90
$1,198.80 facturados al año
Cancela cuando quieras
6 240 créditos / mes · ≈ 156 clips
de 5 s en 480P · 78 en 720P · 39 en 1080P
Los créditos del plan caducan a fin de mes
- 6 240 créditos al mes, 9,75× Starter y 2,8× Pro13×
- ≈ 156 clips terminados al mes, o 39 en 1080P completo
- Un 28 % más de créditos por dólar: la mejor tarifa que vendemosMejor tarifa
- 1080P suficiente como para dejar de bocetar antes en 480P
- 4 tomas de un mismo prompt por ejecución
- Dimensionado para una cartera de clientes y no para un solo canal
- Recarga cualquier mes sin cambiar de plan
- Todas las resoluciones: 480P, 720P y 1080P
- Todas las duraciones: de 2 a 30 segundos en una pasada
- Todas las entradas: texto, imagen, referencia, documento, página web
- Sonido escrito en la misma pasada, sin marca de agua
- Uso comercial incluido: publícalo, véndelo, factúralo
- Wan 3.0 Prime, la capa rápida, cuando quieras
- Una ejecución fallida nunca cuesta créditos
- Reembolso de 7 días mientras los créditos estén sin tocar
- Cancela en dos clics: el precio al que entraste queda bloqueado
El plan para una cartera de clientes y no para un solo canal: cuatro tomas de cada prompt, 1080P sin racionarlo y margen para repetir una escena sin mirar cómo baja el saldo.
De un vistazo
Clips al mes
≈ 124 de 5 s en 480P
En 1080P completo
≈ 31 al mes
Créditos por dólar
+28 % frente a Starter
Plazo de reembolso
7 días

Uso responsable

Usar la imagen de una persona real

Wan 3.0 referencia a vídeo sostiene una cara durante una toma entera. Esa es la función, y es también justo lo que facilita el mal uso, así que la norma aquí es corta: sube la imagen de alguien solo con su consentimiento.

CarasEl vídeo de una persona real necesita su consentimiento: ni figuras públicas ni la foto de un desconocido.
VocesUna referencia de timbre clona cómo suena una persona concreta. Usa la tuya, una con licencia o una sintética.
PersonajesUn personaje con derechos de autor no pasa a ser tuyo porque un modelo lo haya regenerado.
MenoresNo subas nunca referencias que muestren a menores.
ModeraciónEl material enviado se revisa automáticamente, los avisos van a un buzón vigilado y las retiradas se tramitan rápido y no con el tiempo. Hay falsos positivos y falsos negativos.

Política completa: uso responsable

Preguntas que la gente hace de verdad

Preguntas sobre Wan 3.0 referencia a vídeo

Qué mantiene estable Wan 3.0 referencia a vídeo a lo largo de una toma, y qué añaden a la factura los segundos de referencia

¿Tengo que registrarme para probar Wan 3.0 referencia a vídeo?

Sí: un correo, sin tarjeta. Referencia a vídeo funciona después con créditos, porque leer material que subes es la parte de pago de Wan 3.0, así que el clip gratis que recibe cada cuenta es un prompt o una foto de entrada y un vídeo de salida. Los créditos de registro cubren una ejecución con referencias.

¿Cuántas imágenes de referencia admite Wan 3.0?

Diez imágenes, más hasta cinco clips de vídeo que sumen quince segundos y cinco pistas de audio que sumen quince segundos: veinte recursos en total, que es la suma de esos tres límites y no un total publicado. Casi todos los buenos resultados usan tres o cuatro.

¿Puedo usar a la vez una imagen de referencia de Wan 3.0 y un primer fotograma?

No. Son familias de entrada distintas y Wan 3.0 rechaza una petición que contenga las dos, en lugar de elegir una. Escoge el modo que encaje con el trabajo.

¿Por qué mi personaje sale distinto de la referencia de Wan 3.0?

Casi siempre porque la imagen de referencia tiene más de una persona, o porque a esa misma imagen se le pidió también definir la localización o el estilo. Un sujeto por imagen, un cometido por recurso.

¿Un clip de referencia encarece un vídeo de Wan 3.0?

Sí: los segundos de clip de referencia se cobran a la misma tarifa que los de salida, y los dos juntos tienen que quedarse por debajo de treinta. Las imágenes de referencia, el audio, los documentos y los enlaces son gratis.

¿Wan 3.0 puede mantener una voz consistente además de una cara?

Sí. Una referencia de audio fija el timbre, y combinada con una referencia de cara la sincronización labial la sigue. Quince segundos de audio en total sobran: el modelo necesita una muestra, no una interpretación.

¿Cuántos personajes pueden compartir un mismo plano de Wan 3.0?

Varios, pero la fiabilidad baja a medida que se solapan y actúan a la vez. Dos personajes bien separados son de fiar; una escena abarrotada donde todos se tocan es donde la identidad empieza a difuminarse.

¿Las referencias se mantienen entre generaciones distintas de Wan 3.0?

No automáticamente: cada petición va por su cuenta. Conserva los mismos archivos de referencia y las mismas asignaciones de cometido y tendrás un personaje consistente entre clips separados, que es como se hacen aquí las secuencias de varios planos.

¿Qué formatos acepta Wan 3.0 para las referencias?

Imágenes en JPEG, JPG, PNG sin transparencia, BMP o WEBP. Vídeo en mp4 o mov. Audio en wav o mp3. El comprobador de subidas de la página de imagen a vídeo aplica las mismas reglas de imagen en tu navegador si quieres probar un archivo antes.

¿Puedo usar los vídeos comercialmente?

Sí. El uso comercial está incluido en todos los planes de pago y en todos los packs de créditos: publícalo, véndelo, factúraselo a un cliente, ponlo como anuncio. No hay ninguna licencia aparte que comprar ni marca de agua en un clip de pago. Dos condiciones viajan con cada petición: los clips de la capa gratuita son para evaluar y no para entregar, y se aplica la política de uso de la propia Alibaba para el modelo de IA Wan 3.0. La redacción exacta está en nuestros términos. Es un resumen, no asesoramiento legal.

Haz el reparto de tu primera escena con Wan 3.0

Sube una cara, dale un cometido y describe el plano. Wan 3.0 referencia a vídeo funciona con créditos, desde 480P en adelante: tu material no lleva recargo y una ejecución fallida se reembolsa automáticamente.