wan-3.0-videoO Wan 3.0 é o modelo de vídeo tudo-em-um da Alibaba: um único nome de modelo cobre texto para vídeo, imagem para vídeo por primeiro quadro ou primeiro+último quadro, e geração omni-referência com até 10 imagens, 5 clipes de vídeo e 5 de áudio — ou diretamente um documento (PPTX, DOCX, XLSX, PDF, até 50 páginas) ou uma página web pública. Saída nativa de até 30 segundos em plano único a 30fps com trilha de áudio sincronizada que pode ser desligada sem mudança de preço, em 480P / 720P / 1080P e seis proporções. No modo omni-referência o prompt pode se dirigir aos materiais por posição ("a figura 1 segura o objeto da figura 2"), que é como se mantém a consistência de vários personagens e objetos numa cena. A cobrança é por segundo: 480p $0.05/s, 720p $0.10/s, 1080p $0.20/s. Imagens, áudio, documentos e páginas web de referência não custam nada, mas um VÍDEO de referência (edição, extensão ou troca de rosto) também é cobrado pela própria duração: segundos do vídeo de entrada + segundos de saída, igual ao fornecedor, que ainda limita essas tarefas a entrada + saída ≤ 30 segundos.
Prompt only
Document-to-video (PPTX / DOCX / XLSX / PDF) and web-page-to-video are API-only for now — see /docs/wan-3-0-video.
Generated video will appear here
Provide URLs and click Generate
Plano único de até 30 s a 30fps — ou passe duration -1 e deixe o modelo escolher
Até 10 imagens + 5 vídeos + 5 clipes de áudio; o prompt se refere a eles como «figura 1», «vídeo 1»
Entregue um PPTX / DOCX / PDF ou uma URL pública e o modelo o lê e leva para o plano
A partir de $0.05/s em 480p ($0.10 em 720p, $0.20 em 1080p); imagens, áudio e documentos são gratuitos, mas um vídeo de referência soma a própria duração
mode:"prime" devolveu em 58 s o que o padrão levou 356 s na mesma tarefa — 36-40% a mais por segundo
Wan 3.0 Video é uma API de geração de vídeo da Alibaba. O Wan 3.0 é o modelo de vídeo tudo-em-um da Alibaba: um único nome de modelo cobre texto para vídeo, imagem para vídeo por primeiro quadro ou primeiro+último quadro, e geração omni-referência com até 10 imagens, 5 clipes de vídeo e 5 de áudio — ou diretamente um documento (PPTX, DOCX, XLSX, PDF, até 50 páginas) ou uma página web pública. Saída nativa de até 30 segundos em plano único a 30fps com trilha de áudio sincronizada que pode ser desligada sem mudança de preço, em 480P / 720P / 1080P e seis proporções. No modo omni-referência o prompt pode se dirigir aos materiais por posição ("a figura 1 segura o objeto da figura 2"), que é como se mantém a consistência de vários personagens e objetos numa cena. A cobrança é por segundo: 480p $0.05/s, 720p $0.10/s, 1080p $0.20/s. Imagens, áudio, documentos e páginas web de referência não custam nada, mas um VÍDEO de referência (edição, extensão ou troca de rosto) também é cobrado pela própria duração: segundos do vídeo de entrada + segundos de saída, igual ao fornecedor, que ainda limita essas tarefas a entrada + saída ≤ 30 segundos. Pela plataforma APIMODELS, você acessa este modelo por uma API unificada com preços transparentes de pagamento por uso. Preço atual: 480p: $0.05, 720p: $0.1, 1080p: $0.2, 480p-prime: $0.068, 720p-prime: $0.14, 1080p-prime: $0.28.
Gere rapidamente vídeos promocionais da marca para campanhas e redes sociais.
Crie vídeos curtos atraentes para TikTok, Instagram e YouTube.
Gere demonstrações de recursos e tutoriais para melhorar a conversão.
Produza explicações de cursos, divulgação e vídeos de treinamento a baixo custo.
O Wan 3.0 Video está disponível pela APIMODELS a: 480p: $0.05, 720p: $0.1, 1080p: $0.2, 480p-prime: $0.068, 720p-prime: $0.14, 1080p-prime: $0.28. A cobrança é por uso — você paga apenas pelo que gera.
Cadastre-se na APIMODELS, obtenha sua chave de API e chame nosso endpoint unificado. Oferecemos documentação detalhada com exemplos em cURL, Python e Node.js.
A APIMODELS oferece o mesmo modelo Wan 3.0 Video pela nossa plataforma de agregação. Fornecemos uma interface de API unificada, então você não precisa de contas separadas por provedor: uma única chave para acessar todos os modelos.
O Wan 3.0 (万相 3.0) é o modelo de vídeo tudo-em-um da Alibaba, lançado em agosto de 2026. Um único nome de modelo cobre texto para vídeo, imagem para vídeo por primeiro quadro ou por primeiro e último quadro, e a geração «omni-referência» guiada por até 10 imagens, 5 clipes de vídeo e 5 de áudio de referência (15 segundos no total para vídeo e outros 15 para áudio) — ou por um documento (PPTX, DOCX, XLSX, PDF, TXT, MD, até 50 páginas) ou uma página web pública. No apimodels.app você faz POST em /api/v1/video/generations com model "wan-3.0-video" e depois consulta o mesmo endpoint com o task_id devolvido. O formato da requisição é o mesmo do VEO, Kling e Seedance aqui, então trocar de modelo é trocar uma string, e uma única chave cobre todos.
Porque a maioria não consegue abrir a conta. Hoje o Wan 3.0 é servido apenas pelas regiões China (Pequim) e Singapura da Alibaba Model Studio — sondamos a região dos EUA (Virgínia) e ela não oferece o modelo (aquele workspace lista 92 modelos e nenhum é de vídeo). A estação chinesa exige verificação de identidade real da China continental para o cadastro, e é aí que os desenvolvedores de fora param. Passar pelo apimodels.app dispensa conta na Alibaba Cloud, verificação e uma relação de cobrança separada: a mesma chave e o mesmo endpoint que você já usa com os outros modelos.
Cobra-se cada segundo DE SAÍDA — imagens, vídeos, áudios e documentos de referência enviados são gratuitos. Até 10 de setembro há 20% de desconto: 480p $0.05/s, 720p $0.10/s, 1080p $0.20/s (preço de lista $0.05 / $0.10 / $0.20). Assim, um clipe de 5 segundos em 720p sai por cerca de $0.48, um de 10 segundos em 1080p por cerca de $1.91 e um de 30 segundos em 1080p por cerca de $5.72. Desligar a trilha de áudio não altera o preço. Tarefas com falha não são cobradas. Com mode:"prime" você passa ao nível rápido, 50% mais caro por segundo (a partir de $0.068/s em 480p durante a promoção): compra latência, não qualidade.
Sim — duration aceita qualquer inteiro de 2 a 30 e a saída é um plano único nativo a 30fps, não segmentos emendados. Passar -1 ativa a duração inteligente: o modelo escolhe um comprimento entre 2 e 30 segundos a partir do seu prompt e dos materiais. Com -1 reservamos antecipadamente o pior caso de 30 segundos e, quando o provedor informa o comprimento real, cobramos esse valor e devolvemos a diferença — um modelo que decide por 5 segundos nunca custa como 30. Note que, com vídeo de referência, o comprimento do vídeo de entrada mais o da saída deve ficar dentro de 30 segundos.
Envie os materiais em ordem e o prompt pode se referir a eles por posição: «figura 1», «figura 2», «vídeo 1», «áudio 1» — imagens, vídeos e áudios são numerados separadamente. Por exemplo: «a pessoa do vídeo 1 segura o objeto da figura 3 e toca violão na cadeira da figura 4». É assim que vários personagens, objetos e cenários ficam consistentes dentro de um mesmo plano. Uma regra rígida: os materiais de referência (reference_image / video / audio, mais documento e página web) são mutuamente exclusivos com first_frame / last_frame. Misturá-los faz a tarefa falhar no provedor, então rejeitamos antes, localmente, e dizemos quais dois lados colidiram — você não gasta uma ida e volta com isso.
Passe a URL pública de um arquivo PPTX, DOCX, XLSX, PDF, TXT ou Markdown (menos de 50 páginas e 100 MB) em file_url e o modelo lê o conteúdo e gera o vídeo a partir dele — não é preciso achatá-lo antes em um prompt. Apresentações de lançamento, material didático e relatórios entram direto no fluxo de vídeo. Páginas web funcionam do mesmo jeito via link_url, para páginas públicas sem login. file_url e link_url são exclusivos entre si: envie um ou outro.
Por padrão é gerada uma trilha de áudio sincronizada (diálogo, efeitos, ambiente); passe audio: false para removê-la, sem diferença de preço. As resoluções são 480P / 720P / 1080P; as proporções, adaptive (padrão — inferida das suas entradas e da intenção), 16:9, 4:3, 1:1, 3:4 e 9:16. Uma diferença deliberada em relação ao provedor: se você omitir resolution, usamos 720P como padrão em vez do 1080P da Alibaba, porque 1080P custa o dobro e ninguém deveria cair no nível mais caro por não digitar um parâmetro. Peça 1080P explicitamente e você o terá.
Medido no nível padrão: um clipe de 480P e 5 segundos voltou em cerca de 356 segundos (a Alibaba indica 1-5 minutos). Com mode:"prime", o mesmo prompt com os mesmos parâmetros voltou em 58 segundos — cerca de 6 vezes mais rápido. É um endpoint assíncrono de criar e consultar; consulte a cada 10-15 segundos ou passe callback_url e fazemos um POST quando a tarefa termina. Os arquivos de resultado ficam guardados por 7 dias e depois são apagados automaticamente, então baixe ou re-hospede o que quiser manter.
Na APIMODELS, o Wan 3.0 Video roda junto com mais de 60 modelos usando uma única chave de API e um único saldo, então escolher é questão de adequação, não de dependência. Ele suporta Text to Video, First / Last Frame, Omni Reference, Doc & Web to Video, Up to 30s @ 30fps, Native Audio e você pode avaliá-lo em preço e capacidade frente a outros modelos de geração de vídeo, trocando ao alterar uma única string com o nome do modelo — sem nova conta ou integração. Veja todas as opções de geração de vídeo com preços ao vivo em apimodels.app/models.
O Wan 3.0 Video suporta: Text to Video, First / Last Frame, Omni Reference, Doc & Web to Video, Up to 30s @ 30fps, Native Audio. Consulte a documentação da APIMODELS para todos os parâmetros e exemplos de chamada.
Sim. A APIMODELS expõe o Wan 3.0 Video por uma única API unificada e uma só chave, sem contas separadas por provedor e sem precisar lidar com o acesso de rede regional de cada provedor.
Aceitamos Stripe (Visa, Mastercard e outros cartões internacionais) e Alipay. O saldo fica disponível imediatamente após o pagamento.