Wan 3.0: capacidades oficiales, código abierto y flujo de 30 segundos

Wan 3.0 se puede usar como servicio alojado de generación de vídeo en Alibaba Cloud Model Studio. La documentación oficial identifica los modelos wan3.0-video y wan3.0-video-prime, pero eso no equivale a disponer de pesos descargables ni de un entorno oficial de inferencia local.

El otro matiz importante está en la duración. “Hasta 30 segundos” no siempre significa 30 segundos nuevos de salida: si se aporta un vídeo, la duración del vídeo de entrada más la duración solicitada de salida no puede superar 30 segundos. Sin vídeo de entrada, el parámetro admite de 2 a 30 segundos; su valor predeterminado es 5 y -1 activa la duración inteligente.

Esta guía separa hechos documentados, observaciones fechadas y afirmaciones del proveedor para que puedas elegir una vía de acceso válida, preparar una solicitud multimodal y guardar el resultado antes de que caduque.

“

Estado comprobado el 30 de agosto de 2026. La referencia de la API todavía muestra el servicio como “preview”, mientras que la página de lanzamiento lo presenta como disponible de forma general. Confirma región, acceso de cuenta y estado del modelo en tu propia consola antes de comprometer un flujo de producción.

Qué capacidades de Wan 3.0 sí están documentadas

La referencia oficial de la API de Wan 3.0 agrupa varias tareas en una familia alojada:

• texto a vídeo;
• imagen a vídeo usando primer fotograma o primer y último fotograma;
• generación guiada por imágenes, vídeos o audios de referencia;
• edición y extensión de vídeo;
• entrada mediante archivo o enlace público, además de un prompt.

Los tipos de medio que aparecen en la documentación son first_frame, last_frame, reference_image, reference_video, reference_audio, file y enlace público. No son piezas intercambiables sin más: los modos de primer/último fotograma y los modos de referencia, archivo o enlace tienen reglas de exclusión y requisitos propios. Antes de construir el cuerpo de la petición, elige un modo compatible en la referencia actual y aplica sus límites de formato, tamaño, dimensiones, páginas y accesibilidad.

Para entradas de referencia, los máximos generales documentados son:

Alibaba Cloud también atribuye a Wan 3.0 creación nativa de historias de 30 segundos, hasta 20 activos multimodales de referencia, audio integrado, edición y mejoras de consistencia. Conviene tratar estos puntos como afirmaciones del proveedor, no como resultados independientes: en esta revisión no se midieron calidad, latencia, fidelidad de personajes, sincronización de audio ni tasa de fallos.

La propia presentación técnica de Wan 3.0 reconoce margen de mejora en la textura del audio y la precisión del texto dentro de la imagen. Por eso, cualquier aceptación seria debe revisar esos dos aspectos en el archivo generado, aunque el estado de la tarea sea satisfactorio.

¿Wan 3.0 es open source?

La respuesta precisa no es un “sí” o “no” permanente, sino un inventario de lo que estaba publicado en la fecha de comprobación.

El repositorio público AlibabaCloud-Official/Wan3.0 contenía únicamente README.md y LICENSE en su rama principal. No había checkpoint, pesos, script de inferencia, manifiesto de dependencias, etiqueta ni archivo de release. La licencia visible es Apache 2.0, pero solo cubre la obra que se distribuye efectivamente en ese repositorio; no convierte en abiertos unos pesos o un código de inferencia que allí no existen. Tampoco concede derechos sobre marcas.

La comprobación del catálogo público de la organización Wan-Video en GitHub mostraba proyectos anteriores y relacionados, pero no un repositorio de código o pesos de Wan 3.0. El catálogo público de modelos de Wan-AI en Hugging Face tampoco devolvía un identificador coincidente con Wan 3 o Wan 3.0.

Eso permite afirmar una frontera actual y limitada:

• Sí está documentado: acceso alojado a los modelos oficiales mediante Model Studio/API, sujeto a región y cuenta.
• Sí está publicado: un repositorio con README y licencia Apache 2.0.
• No se observó públicamente: un paquete oficial de Wan 3.0 con pesos descargables, código de inferencia y requisitos de hardware.
• Sigue siendo desconocido: si Alibaba publicará esos artefactos, con qué licencia y en qué fecha.

La ausencia observada no demuestra que Wan 3.0 vaya a permanecer cerrado, ni excluye artefactos privados, futuros o publicados con otro nombre. Si necesitas ejecución local hoy, verifica una versión anterior de Wan que sí distribuya los artefactos necesarios; no uses el README o la licencia de Wan 3.0 como prueba de que los pesos existen.

Un test rápido para cualquier supuesto “Wan 3.0 abierto”

Antes de descargar o integrar un repositorio, busca cinco piezas independientes:

1. procedencia oficial verificable;
2. pesos o checkpoints concretos;
3. código de inferencia y dependencias;
4. licencia que cubra explícitamente los artefactos distribuidos;
5. requisitos de hardware y un procedimiento reproducible.

Si solo encuentras una interfaz web, un endpoint de pago, un wrapper o un archivo LICENSE, tienes acceso o software auxiliar, pero no necesariamente un modelo abierto. Esta distinción también evita atribuir a Alibaba una integración de terceros cuyo backend no se puede comprobar.

Cómo calcular el límite real de 30 segundos

La regla operativa es sencilla:

text
sin vídeo de entrada: 2 ≤ duración_salida ≤ 30
con vídeo de entrada: duración_entrada + duración_salida ≤ 30

Por ejemplo:

No redondees a la baja la duración de una referencia sin comprobar el archivo real. Si varias referencias de vídeo suman más de 15 segundos, la solicitud ya incumple el límite de referencias aunque la salida fuese corta. Si el vídeo de entrada suma 12 segundos y pides 20 de salida, el total sería 32 y debes reducir la salida a 18 segundos o menos.

Flujo multimodal de 30 segundos, de la idea al MP4 guardado

El objetivo no es rellenar todos los tipos de entrada, sino escoger los mínimos que controlen el resultado. Un documento, una imagen de producto o una voz de referencia pueden aportar información distinta; añadir medios redundantes consume tiempo de preparación y aumenta el riesgo de incompatibilidades.

1. Confirma acceso, región y modelo

Abre Model Studio en la región donde vas a ejecutar la tarea y comprueba que tu cuenta puede seleccionar wan3.0-video o wan3.0-video-prime. La clave API, el endpoint y el modelo deben pertenecer a la misma región. No copies sin revisar un hostname de otra guía o región.

La documentación pública no resuelve de forma universal elegibilidad, cuota, precio ni disponibilidad para España. Registra estos datos desde tu consola antes de presupuestar una campaña. Si la consola y la documentación discrepan sobre el estado preview/GA, diseña el flujo sin asumir un SLA de producción.

2. Define una salida que pueda aceptarse

Escribe una ficha breve antes de subir medios:

yaml
modelo: wan3.0-video
duracion_salida: 30
objetivo: una pieza continua con inicio, demostración y cierre
elementos_que_deben_permanecer: producto, color de marca, personaje
audio: voz y ambiente que deben poder revisarse por separado
criterios_de_aceptacion:
  - duración y continuidad
  - identidad del sujeto y del producto
  - sincronización de voz y acción
  - texto en pantalla legible
  - ausencia de fotogramas defectuosos

Esto es un manifiesto de producción, no el cuerpo literal de la API. Mapea cada dato a los campos vigentes de la referencia oficial; así evitas depender de nombres inventados o de ejemplos de un proveedor intermediario.

3. Elige el modo y valida los medios

Decide si el control principal vendrá de fotogramas, referencias, un archivo/documento o un enlace. Después aplica las reglas del modo elegido:

• comprueba que cada URL sea pública y accesible para el servicio;
• cuenta imágenes, vídeos y audios;
• suma la duración real de todos los vídeos y audios de referencia;
• calcula la duración máxima de salida con la fórmula anterior;
• valida formato, tamaño, dimensiones y, si procede, número de páginas;
• elimina entradas que entren en conflicto con el modo seleccionado.

Para una salida completa de 30 segundos, no incluyas vídeo de entrada. Puedes usar un modo compatible basado en texto, imágenes, audio, documento o enlace si la documentación vigente admite esa combinación. Si necesitas conservar movimiento de un vídeo de 8 segundos, el máximo de salida pasa a 22 segundos.

4. Redacta el prompt como una línea de tiempo

Un prompt útil para una pieza larga especifica qué cambia y qué debe permanecer estable. Por ejemplo:

text
0–6 s: presenta el producto sobre una mesa clara; cámara estable.
6–20 s: muestra su uso en tres acciones continuas, sin cambiar el producto.
20–27 s: primer plano del resultado; conserva colores y proporciones.
27–30 s: cierre limpio con espacio reservado para añadir el texto en posproducción.
Audio: voz natural y ambiente discreto, sin música dominante.

Reservar el texto final para posproducción es una decisión prudente cuando la legibilidad es crítica: Alibaba señala que la precisión del texto generado todavía puede mejorar. Lo mismo vale para diálogos decisivos; conserva una versión separada del guion para comparar el audio solicitado con el resultado.

5. Crea la tarea asíncrona y guarda su identidad

Wan 3.0 no responde con el vídeo terminado en la misma operación. El flujo oficial es asíncrono:

1. envía la solicitud al endpoint regional con el modelo y el modo elegidos;
2. comprueba que la respuesta contiene un task_id;
3. guarda task_id, región, modelo, hora, duración pedida y una copia del manifiesto;
4. consulta el estado de esa tarea mediante el endpoint regional correspondiente;
5. trata estados fallidos o caducados como resultados distintos de una generación aceptada.

Usa los ejemplos actuales de la guía oficial de generación para los nombres exactos de endpoint, cabeceras y campos. Copiar la secuencia de creación y consulta es seguro; fijar aquí un hostname regional que puede no corresponder a tu cuenta no lo sería.

6. Descarga antes de revisar

Cuando la tarea termine correctamente, descarga el MP4 inmediatamente a un almacenamiento controlado por ti. La URL devuelta solo es válida durante 24 horas. Guarda también el manifiesto, la respuesta final y el task_id; una URL temporal no es un archivo maestro ni un historial reproducible.

El resultado documentado es MP4 a 30 fps. Aun así, verifica el archivo local antes de marcarlo como aprobado:

• se abre y tiene la duración esperada;
• no hay cortes, congelaciones o sujetos que cambien sin intención;
• producto, personaje y elementos de referencia siguen siendo reconocibles;
• voz, acciones y sonido mantienen una sincronización aceptable;
• el texto visible es correcto o se sustituye en posproducción;
• el archivo maestro y sus metadatos están respaldados.

Esta lista no presupone que Wan 3.0 superará la prueba. Las demostraciones del proveedor describen capacidad; la aceptación depende de tu material y de revisar el MP4 generado.

Qué vía elegir

Usa la API oficial alojada si necesitas las capacidades documentadas de Wan 3.0, puedes trabajar dentro de la región y cuenta disponibles y aceptas un proceso asíncrono.

Usa un generador de terceros solo si sus condiciones te resultan convenientes y puedes verificar qué modelo ejecuta, dónde procesa los archivos, cuánto tiempo los conserva y quién responde por el resultado. Que una página muestre “Wan 3.0” no demuestra por sí solo que use el endpoint oficial exacto.

Elige una versión Wan anterior con artefactos verificables si la inferencia local, el control de pesos o una licencia de modelo concreta son requisitos obligatorios. A fecha de esta comprobación, el inventario público de Wan 3.0 no basta para montar ese flujo.

La decisión práctica cabe en tres preguntas: ¿tu cuenta ofrece el modelo en la región correcta?, ¿tu combinación de medios respeta los límites?, ¿tu proceso descarga y valida el MP4 antes de 24 horas? Si las tres respuestas son afirmativas, ya tienes una ruta defendible para probar Wan 3.0 sin confundir acceso alojado, código abierto y calidad aún no demostrada.