Wan 3.0 Texto para Vídeo
Trinta segundos, com som
Um prompt à entrada, um clip terminado à saída — sem nenhuma aplicação de edição pelo meio. O Wan 3.0 texto para vídeo corre de 2 a 30 segundos em 480P, 720P ou 1080P e escreve o diálogo, os efeitos e a música no mesmo ficheiro que a imagem. O primeiro é grátis, e corre no modelo verdadeiro em vez do do ano passado.
Seis prompts de Wan 3.0 texto para vídeo e os clips que produziram, e depois o resto da biblioteca · carrega em Experimentar para carregar um
12 s · 16:9 · 720PBailarinas em nevoeiro contraluz
O que o Wan 3.0 text to video te dá mesmo
O Wan 3.0 texto para vídeo recebe um prompt escrito de até 20 000 caracteres e devolve um único MP4 de 2 a 30 segundos a 30 fps, em 480P, 720P ou 1080P, com fala, efeitos sonoros e música gerados na mesma passagem. Não há um passo de áudio à parte nem uma fase de ampliação.
Uma mulher caminha por uma rua.
O modelo preencheu o resto
- a que horas do dia?
- o que traz vestido?
- de onde vem a luz?
- para onde se move a câmara?
- como soa?
- como acaba?
Wan 3.0 · 16:9 · 720P · 5 sSeis respostas que não deste, escolhidas por ti. Não é o modelo a ser pouco prestável — um prompt é uma especificação, e cada pergunta que deixa em aberto é uma que o Wan 3.0 tem de fechar sozinho. O espaço para as responder é toda a diferença: 20 000 caracteres é muito mais do que qualquer plano precisa, e as instruções de som vivem no mesmo campo que a imagem.
- Caracteres que podes escrever
- 20,000
- Qualquer número inteiro
- 2–30 s
- Em todos os níveis
- 30 fps
- Resoluções: 480P · 720P · 1080P
- 3
- Imagem e som juntos
- 1 passagem
Caracteres que podes escrever
Qualquer número inteiro
Em todos os níveis
Resoluções: 480P · 720P · 1080P
Imagem e som juntos
- Sem imagem de origem
- Sem passo de áudio à parte
- Sem fase de ampliação
Cinco segundos e trinta segundos são
prompts diferentes do Wan 3.0
É isto que as pessoas erram primeiro. Um clip curto do Wan 3.0 quer uma ação descrita com precisão. Um longo quer momentos por ordem — e se deixares o último terço por explicar, o modelo enche-o com o que lhe apetecer. Três clips reais em baixo, um por duração, com o prompt que fez cada um.
5 segundos
uma ação
One subject, one action, one framing. Do not describe a change — there is no room to deliver one.
Aguenta
Três momentos escritos em cinco segundos e o modelo escolhe o mais forte. Pede um e recebes aquele que pediste.
12 segundos
momentos, por ordem
Two or three beats with the order stated. Then, after that, finally — connectives are the only scheduling grammar there is.
Resolve
Longo o suficiente para uma forma chegar, ficar e sair. Curto o suficiente para não caber uma história — e o Wan 3.0 não tem gramática de timecode, por isso a ordem tem de ser palavras.
15 segundos
momentos, mais um final
Give every beat one job and write the last one down. An unplanned final third is the most common way a long clip goes wrong.
Assenta
Quatro momentos, e o quarto existe só para o modelo não ter de inventar uma maneira de parar.
O intervalo vai de 2 a 30 segundos, qualquer número inteiro, num único plano contínuo. Fazer o esboço a 480P custa um quarto de 1080P pelos mesmos segundos, por isso encontra a duração a 480P e gasta a resolução uma só vez. Cada um destes prompts está impresso por inteiro em prompts prontos.
Constrói um prompt do Wan 3.0 a partir
da fórmula da própria Alibaba
Preenche as caixas, vê o prompt montar-se sozinho, envia-o diretamente para o gerador.
A Alibaba publica a forma que um prompt do Wan 3.0 deve ter: entidade, depois cena, depois movimento, depois controlo estético, depois estilização, com o som escrito ao lado. Quase toda essa forma se perde parafraseada em prosa. Estas caixas mantêm-na — e nenhum dos nomes dos campos chega ao modelo, porque o Wan 3.0 lê um parágrafo simples e renderiza tudo o que pareça uma etiqueta.
A ordem conta
Onde as palavras vão
Entidade, cena, movimento — o que está a acontecer
Quem ou o que está em plano, onde está, e o que se move.
- Entidade
- Cena
- Movimento
Escreve por essa ordem, em frases simples. Descreve o sujeito de forma concreta o suficiente para se imaginar, dá ao lugar uma hora do dia e uma fonte de luz, e diz o que se move, quanto e a que velocidade. A imobilidade também é uma resposta — uma câmara que nunca mencionas é uma câmara que o modelo está livre de mover.
Controlo estético, estilização — como é filmado
Tamanho do plano, movimento de câmara, lente, luz — e depois um estilo com nome, se o plano precisar.
- Controlo estético
- Estilização
Uma oração separada por vírgulas com o enquadramento, o movimento de câmara com a sua amplitude e velocidade, a lente e a luz. A estilização vem no fim e é opcional: um género traz consigo toda uma gramática de cobertura, por isso três palavras dele valem um parágrafo de descrição.
Som — na mesma passagem
Diálogo, efeitos, ambiente, música — e os silêncios.
- Diálogo
- Efeitos
- Ambiente
- Música
O Wan 3.0 escreve o áudio ao lado da imagem, por isso isto são instruções de som e não uma ideia de última hora. Nomeia as camadas em separado, põe as falas entre chavetas, e diz o que não queres ouvir — não existe campo de prompt negativo, por isso «sem música» é uma frase.
Prompt montado, ao vivo
Entidade, cena, movimento
Um estafeta de casaco amarelo encharcado empurra uma porta com o ombro para um beco estreito à noite, néon a escorrer pelo tijolo molhado.
Controlo estético, estilização
Plano médio, a câmara aproxima-se lentamente, um movimento pequeno, 35 mm, pouca profundidade de campo, luz prática dura.
Som
Chuva no tecido e no asfalto, uma dobradiça de porta, trânsito ao longe. Sem música.
0 / 20000
As caixas são a ordem por que compomos. As etiquetas nunca chegam ao modelo.
O que o Wan 3.0 faz com isto
- 01Uma cadeia de texto simples, até 20 000 caracteres
- 02Sem nomes de campos, sem marcas de plano, sem timecodes
- 03O diálogo é interpretado quando é {the exact line}
- 04Exclusões escritas como frases, não num campo negativo
- 05Áudio gerado na mesma passagem, ao mesmo preço
Preferes não escrever nada disto? O gerador de prompts constrói a coisa toda a partir de uma linha, grátis e sem contador. Ou parte de onze prompts que já produziram clips.
Dá um nome ao movimento de câmara e recebes a sensação
Escreve cinematográfico e não acontece nada — não há ali nada para executar. O Wan 3.0 quer um movimento, e segue-o muito mais de perto quando esse movimento traz uma amplitude e uma velocidade.
push in / pull out / tracking shot / arc shot / tilt up / pan across / static shot
a small move / a large move
slowly / quickly
Move-se
slowly push in, a small move
trabalho de câmara cinematográfico
Nada para executar
starts with close-ups, then gently circles both playersUma sequência, não um horário. Começa com… depois… é toda a gramática.rising slowly from ground level as the machine standsO movimento está preso à ação, por isso não se pode dessincronizar dela.a slow push in that stops before the centre dancer fills the frameUm movimento com uma condição de fim em vez de um tempo. Mais robusto do que qualquer um dos dois.
Onde o movimento acontece
Para além da duração que definiste — o modelo comprime em vez de esticar
A duração que definiste acaba aqui
O Wan 3.0 não tem gramática de timecode. A ordem vem dos conectores — depois, a seguir, por fim — e a forma mais fiável de agendar um movimento de câmara é prendê-lo a uma ação em vez de a um momento, porque um movimento preso a uma ação comprime-se com ela em vez de sair de sincronia.
Já tens imagens que preferes reestilizar em vez de reescrever? Isso é edição de vídeo com o Wan 3.0. Precisas do mesmo sujeito em vários clips? Referência para vídeo.
Escrever diálogo e som num
prompt do Wan 3.0
O Wan 3.0 gera o áudio ao lado da imagem no mesmo pedido, o que quer dizer que o campo do prompt é também as instruções de som — e custa exatamente o mesmo quer o escrevas quer não. Não digas nada e tens à mesma banda sonora; é apenas uma que o modelo escolheu.
A anatomia de uma fala
Mesma passagem · sem custo extra
Som escrito em três fases · 720P · 15 sQuatro camadas, nomeadas em separado
4
- Diálogo
- Efeitos
- Ambiente
- Música
A regra que escapa às pessoas
Não existe campo de prompt negativo. As exclusões vão dentro do prompt como frases, e o silêncio é uma delas — escreve «sem música» e não tens nenhuma, não digas nada e tens o que o modelo achou que a cena merecia.
sem música, sem voz offCertoPrompt negativo: música, voz offErrado
Tudo o que tenha a forma de um prompt negativo é lido como palavras para renderizar, e o pedido continua a resultar — por isso a falha chega como um clip terminado com as palavras lá dentro.
Partes de uma fotografia de quem fala? A sincronização labial põe uma caixa de carregamento à frente da mesma convenção. Precisas da mesma cara ou da mesma voz em vários clips? Usa referência para vídeo — leva até dez imagens, cinco clips e cinco ficheiros de áudio num só pedido.
Especificações do Wan 3.0 texto para vídeo,
e quatro armadilhas
Duas destas armadilhas custam dinheiro da primeira vez que dás com elas: por definir, a resolução assume o nível mais caro, e uma proporção em falta faz o pedido falhar por completo. As restantes são os números do Wan 3.0 publicados pela Alibaba, cada um ligado à sua fonte.
- 01Comprimento do prompt
- 20 000 caracteresEntrada mais longa é truncada em silêncio em vez de recusada
- Duração
- 2–30 s, segundos inteirosUma passagem. Para além dos trinta é preciso um segundo clip e um editor
- Taxa de frames
- 30 fps
- 02Resolução
- 480P · 720P · 1080PAssume 1080P quando fica por definir — define-a explicitamente
- 4K
- Não suportado
- Proporção
- adaptativa, 16:9, 4:3, 1:1, 3:4, 9:16O texto para vídeo precisa de uma proporção concreta — a adaptativa não tem imagem de onde a ler
- Áudio
- Gerado na mesma passagemLigado ou desligado, o preço é o mesmo
- Semente
- 0–2 147 483 647Fixa quase toda a variação, não toda
Source: Alibaba Cloud Model Studio · Referência do Wan 3.0 texto para vídeo
As quatro coisas em que as pessoas tropeçam
- 01
A resolução assume por omissão o nível mais caro.
- 480P
- 720P
- 1080P
- unset
Deixa-a de fora e o Wan 3.0 gera — e cobra — a 1080P. Faz o esboço a 480P, que é um quarto do preço pelos mesmos segundos, e gasta a resolução uma só vez naquele que vais guardar.
- 02
Não existe campo de prompt negativo.
- sem música
- sem texto no ecrã
- sem tremor de câmara
- negative_prompt
As exclusões vão dentro do prompt como frases. Tudo o que esteja formatado como prompt negativo chega como palavras para renderizar, e o pedido continua a devolver 200 — por isso pagas um clip com as palavras lá dentro.
- 03
A numeração das referências distingue maiúsculas de minúsculas.
- Image 1
- Video 1
- Audio 1
- image1
Com maiúscula, com um espaço, numeradas por tipo pela ordem de carregamento. Minúsculas e underscores não se ligam a nada e o modelo inventa um sujeito em silêncio. Mais sobre isto em referência para vídeo.
- 04
A duração inteligente esconde o preço.
- 3s
- 5s
- 15s
- 30s
- auto
Deixar o modelo escolher a duração significa que o custo é desconhecido até ele acabar. Nós cobramos uma duração explícita, por isso o número que está no botão é o número que sai.
Quanto custa um clip de Wan 3.0 texto para vídeo
Os créditos saem quando o clip volta, não quando carregas em gerar. Uma execução falhada não custa nada, reembolsada automaticamente e sem abrir um pedido. A duração e a resolução são as duas únicas coisas que mexem na conta — o áudio não mexe, a proporção não mexe, e o plano em que estás também não.
Um clip de 5 segundos, em créditos
- 480P
- 40 créditos
- 720P
- 80 créditos
- 1080P
- 160 créditos
Cada nível duplica, e o Wan 3.0 conta a partir do primeiro segundo sem qualquer patamar gratuito, por isso um clip de 15 segundos é o triplo do seu vizinho de 5. O ciclo prático: encontra o plano a 480P, depois corre uma vez a 1080P aquele que vais guardar. A tabela de créditos completa, e quanto custa um clip de trinta segundos.
Os mesmos créditos mensais nos dois casos
Wan 3.0 texto para vídeo em três passos
Três passos, sem aplicação de edição, sem uma segunda passagem para o áudio. Ele chega dentro do mesmo ficheiro que a imagem porque o Wan 3.0 fez os dois juntos.
Escreve o plano e o som
Um campo leva os dois. Usa o construtor aqui em cima se o problema for a caixa em branco, e nomeia um movimento de câmara em vez de procurar adjetivos — o modelo responde ao movimento, não à atmosfera.
Até 20 000 caracteresDefine a duração e a resolução
De dois a trinta segundos inteiros. Faz o esboço a 480P: o enquadramento que estás a testar não precisa de mais, e é o mesmo Wan 3.0 em todos os níveis — a resolução compra píxeis, não um modelo melhor.
2–30 s · 480P / 720P / 1080PTransfere o MP4
O áudio já vem misturado. Nada para renderizar depois, nada para abrir.
Um ficheiro, com som
Cerca de noventa segundos para um clip curto; trinta segundos a 1080P demora mais. Podes fechar o separador enquanto corre — o resultado está à espera quando voltares, e uma execução que falha reembolsa-se sozinha.
Perguntas sobre Wan 3.0 texto para vídeo
O que o Wan 3.0 texto para vídeo lê num prompt, o que inventa onde deixas uma lacuna, e quanto custa uma execução
O que é o Wan 3.0 texto para vídeo?
Tenho de me registar para experimentar o Wan 3.0 texto para vídeo?
Qual é a duração máxima de um clip de Wan 3.0 texto para vídeo?
Qual é o comprimento máximo de um prompt do Wan 3.0?
O Wan 3.0 texto para vídeo gera som?
Existe prompt negativo no Wan 3.0?
Como escrevo diálogo?
Consigo 4K do Wan 3.0 texto para vídeo?
Porque é que o meu clip ignorou parte do prompt?
O que acontece se a geração falhar?
Uma frase chega para saberes.
O teu primeiro clip fica por nossa conta — o próprio Wan 3.0 a 480P, até três segundos, com som. Não era o que imaginavas? Não te custou nada, o construtor continua aberto um ecrã acima, e uma execução falhada nunca é cobrada aqui.
Escrito e mantido pela equipa editorial de wan-3.runPublicado a Atualizado a Ferramenta versão 2026.09.4