Guía de prompts de Wan 3.0: sintaxis, referencias y ajustes para videos con IA perfectos

Wan 3.0 es el modelo creativo de video de Alibaba, y puedes usarlo en OpenArt Generador de videos con IA. Wan 3.0 crea hasta 30 segundos de video de una vez, admite 20 archivos de referencia y genera audio al mismo tiempo que la imagen, totalmente sincronizado.

Alibaba publicó sus propias fórmulas de prompts cuando lanzó el modelo, y esta guía las convierte en pasos sencillos que puedes copiar, junto con cómo lograr que el texto en pantalla se vea bien y cómo se compara con otros modelos de video en OpenArt.

Puntos clave

• Empieza con un sujeto, un lugar y un movimiento. Agrega la cámara, el estilo y el sonido de uno en uno.
• Etiqueta cada referencia con @Image1, @Video1 o @Audio1, y asigna a cada toma un rango de tiempo como [0-6s].
• Escribe por separado las líneas de voz, los efectos de sonido y la música, y di "sin música de fondo" cuando no la quieras.
• Pon el texto en pantalla entre comillas y mantenlo corto.
• Wan 3.0 crea videos de 2 a 30 segundos de duración en hasta 1080p, y es una gran opción para videos largos construidos a partir de muchas referencias.

¿Qué es Wan 3.0?

Wan 3.0 es el modelo de video con IA más reciente de Alibaba. Convierte un prompt escrito, una imagen o una mezcla de imágenes, clips de video y clips de audio en un video de hasta 30 segundos, con sonido incluido.

Wan 3.0 crea todo el video de una sola vez, así que la misma cara, el mismo producto y la misma iluminación se mantienen en cada segundo. En OpenArt puedes empezar un video de Wan 3.0 desde texto, desde una imagen inicial o desde un conjunto de archivos de referencia.

Guía de prompts de Wan 3.0: empieza con tres cosas

La fórmula básica de Alibaba es corta. Necesitas un sujeto, un lugar y un movimiento.

"Un zorro rojo cruza un campo nevado al amanecer." Ese prompt tiene las tres cosas, y es suficiente para obtener un video real.

Una vez que eso funcione, la fórmula más completa añade tres elementos más: cómo se ve la toma, el estilo y el sonido. Agrégalos de uno en uno para que puedas ver qué cambió cada uno.

Etiqueta cada referencia con tags @

Wan 3.0 admite hasta 20 archivos de referencia, y OpenArt los cuenta por ti en la parte superior del recuadro de subida.

Subirlas es solo la mitad del trabajo. Wan 3.0 no va a adivinar que la imagen 3 es la cafetería y la imagen 4 es la chaqueta, así que indícalo en el prompt con la etiqueta @:

@Image1 es la mujer. @Image2 es la cafetería. @Audio1 es su voz. La mujer de @Image1 se sienta junto a la ventana en @Image2 y pide un café.

Los propios ejemplos de Alibaba etiquetan cada referencia de esta manera. También puedes nombrar la misma referencia más de una vez en un prompt, que es como controlas dónde aparece.

Los fotogramas inicial y final funcionan igual. En OpenArt puedes definir la imagen con la que empieza tu video y la imagen con la que termina, y aun así agregar archivos de referencia junto a ellas.

Indica en el prompt cuál imagen es el fotograma inicial, cuál es el fotograma final y para qué sirve cada referencia.

Tus referencias de video pueden sumar hasta 15 segundos, y tus referencias de audio otros 15 segundos. Para lograr la misma persona en video tras video, guárdala una vez en Personajes de OpenArt y elígelas para cada nuevo video.

Numera tus tomas y dale a cada una un tiempo

Wan 3.0 crea hasta 30 segundos de una vez, así que dile qué sucede de principio a fin. El formato de Alibaba es un resumen corto primero, luego tomas numeradas con rangos de tiempo:

Una historia corta sobre una niña que encuentra un gato callejero.

Toma 1 [0-5s]: ella camina a casa bajo la lluvia y se detiene bajo un portal.

Toma 2 [5-12s]: primer plano de un gatito mojado que la mira hacia arriba.

Toma 3 [12-20s]: ella se arrodilla y extiende la mano.

Dale a cada rango de tiempo una sola cosa clara que hacer. Si una toma se siente apresurada en tu primer resultado, amplía ese rango de tiempo y deja el resto igual.

Para una historia de más de 30 segundos, OpenArt puede planear las escenas y crear el video completo, de hasta 5 minutos de duración, en Modo Director.

Escribe el sonido como tres cosas separadas

Wan 3.0 crea el sonido al mismo tiempo que la imagen, así que puedes darle forma con palabras. Alibaba divide el sonido en tres partes, y ayuda escribir cada una por separado.

Diálogos. Di la línea y luego cómo se dice. "Ella dice: 'Te dije que esto pasaría.' Rápido, un poco molesta, inglés americano."

Efectos de sonido. Nombra el objeto, lo que hace y el ruido de fondo. "Un vaso cae de la mesa y se rompe en el piso de madera, habitación silenciosa".

Música. Nombra la música y el estilo. "Piano lento durante toda la escena".

Pon las palabras en pantalla entre comillas

Alibaba dice que Wan 3.0 muestra con claridad las pantallas de apps y los gráficos en movimiento, lo que ayuda con las demostraciones de productos y los anuncios explicativos. Alibaba también dice que la ortografía de las palabras en pantalla sigue mejorando, así que algunos hábitos marcan una gran diferencia.

Pon las palabras exactas entre comillas. La propia guía de Alibaba pide esto. "Una bolsa de café sobre una mesa de cocina con las palabras 'MORNING ROAST' impresas al frente."

Mantén las palabras cortas. El nombre de una marca, un precio o un título de tres palabras salen más limpios que una oración completa.

Indica dónde van las palabras. "Un título blanco en la parte inferior de la pantalla" le da a Wan 3.0 un lugar claro para poner tu texto.

Empieza con una imagen que ya tenga las palabras. Para un logo o la etiqueta de un producto que debe quedar exacta, crea primero la imagen con un modelo de imágenes pensado para texto, como Nano Banana 2.1 o GPT Image 2.5.

Configúralo como tu fotograma inicial y Wan 3.0 comenzará el video con las palabras ya escritas correctamente.

Corrige una letra incorrecta con una edición. Si una palabra sale mal escrita, pide solo esa corrección e indica que el resto del video queda igual.

Tres cosas que Wan 3.0 decide automáticamente por ti

Cuando no dices nada, Wan 3.0 igual toma una decisión. Así es como recuperas cada una.

Diálogos. Escribe lo que alguien dice y Wan 3.0 mantiene tus palabras exactas. No digas nada y inventará sus propios diálogos. Desactívalo con "sin diálogos en todo el video."

Música. Wan 3.0 elige la música de fondo según de qué trata tu video. Desactívala con "no background music".

Número de tomas. Wan 3.0 decide por su cuenta si hace cortes entre tomas. Pide una sola toma continua con "one continuous take".

La duración y el formato funcionan igual. Déjalos en blanco y Wan 3.0 elige una duración entre 2 y 30 segundos, además de una relación de aspecto que se ajuste a tu escena.

Opciones de resolución y duración de Wan 3.0

En OpenArt, Wan 3.0 crea video en 480p, 720p o 1080p, con cualquier duración de 2 a 30 segundos. También puedes dejar que Wan 3.0 elija la duración, y escogerá una que se adapte a tu prompt.

La resolución cambia el precio. Un video en 1080p cuesta unas cuatro veces más créditos que el mismo video en 480p, así que prueba tu prompt en 480p y crea la versión final en 1080p.

Los videos más largos también cuestan más créditos. Define la duración exacta una vez que sepas cuántas tomas necesitas.

Revisa cuatro controles antes de generar

En OpenArt, hay cuatro ajustes alrededor del cuadro de prompt, y cada uno cambia lo que hacen tus palabras.

Auto Polish. Esto reescribe tu prompt antes de ejecutarlo. Ayuda cuando escribiste una sola frase suelta, pero también puede reformular las etiquetas de referencia y los rangos de tiempo que pusiste a propósito. Desactívalo una vez que tu prompt sea preciso.

Audio. Deja esto activado y Wan 3.0 crea sonido junto con la imagen. Desactívalo para un clip en silencio, que es la forma más rápida de evitar música no deseada.

Cámara. Elige aquí tu movimiento de cámara. Obtienes el mismo movimiento cada vez, y tu prompt queda más corto.

Modo. Standard y Prime definen el nivel de calidad, y Prime cuesta más créditos. Prueba tu prompt en Standard y luego crea la versión que te guste en Prime.

También puedes ejecutar hasta 8 videos a la vez. Cambia una sola cosa en cada versión, ejecuta las 8 y compáralas para ver qué hace cada palabra.

Di menos cuando empiezas desde una imagen

Cuando subes una imagen inicial, esa imagen ya muestra quién aparece, dónde está y cómo se ve todo. Repetir eso en el prompt solo compite con la imagen que subiste.

Así que escribe solo dos cosas: qué se mueve y qué hace la cámara. "Ella voltea hacia la ventana y sonríe. Acercamiento lento."

Si quieres que la cámara se quede fija, escribe "toma fija". De lo contrario, Wan 3.0 moverá la cámara por su cuenta.

Corrige una sola cosa con una edición simple

Wan 3.0 edita video a partir de instrucciones sencillas, así que un problema pequeño se arregla con un ajuste rápido. Nombra lo que quieres cambiar y luego di que el resto queda igual.

Quita los lentes de sol. Su movimiento y todo lo demás en el video queda igual.

La misma redacción sirve para agregar algo, cambiar el estilo, corregir la luz o cambiar un diálogo.

Cuatro errores que desperdician generaciones

• Describir una sola imagen fija. Di qué cambia a lo largo de los 30 segundos.
• Dejar las referencias sin etiquetar. Si subes seis archivos, di para qué es cada uno.
• Combinando movimientos de cámara. Un movimiento claro supera a tres peleando entre sí.
• Olvidar desactivar un sonido que nunca pediste. La música y los diálogos aparecen por su cuenta.

Veredicto de calidad de Wan 3.0

Wan 3.0 es una de las mejores opciones en OpenArt para videos de 15 a 30 segundos construidos con muchas referencias. Como crea todo el video de una sola vez, las caras, los productos y la iluminación se mantienen estables desde el primer segundo hasta el último.

Los rostros se ven reales y muestran pequeños cambios de expresión, y los primeros usuarios reportan que la misma persona se mantiene a lo largo de los 30 segundos completos. El sonido sale sincronizado con la acción, así que el clip queda listo para publicar con audio.

Planea considerando algunos límites. La resolución máxima es 1080p, y Alibaba dice que la textura del sonido y la ortografía en pantalla aún están mejorando.

Los primeros usuarios también reportan dos comportamientos. A veces Wan 3.0 añade un corte que no pediste, así que escribe "una toma continua" cuando quieras una sola toma.

Los detalles pequeños también pueden perderse cuando muchas personas y objetos comparten una misma escena. Limita cada toma a unas pocas personas y objetos clave, y etiqueta todas las referencias.

El veredicto: usa Wan 3.0 para anuncios, videos de producto y escenas de historia donde una persona o un producto deba verse igual de principio a fin. Para un clip corto en 4K, la comparación de abajo te indica una mejor opción.

Cómo se compara Wan 3.0 con otros modelos en OpenArt

OpenArt ejecuta Wan 3.0 junto a otros modelos de video de primer nivel, para que elijas el modelo adecuado para cada tarea en un solo lugar.

Elige Seedance 2.5 cuando una historia necesita muchos personajes y objetos, porque admite la mayor cantidad de archivos de referencia. Elige Wan 3.0 cuando tu referencia es un documento o una página web, como la página de un producto o una presentación.

Elige Kling 3.0 o Veo 3.1 cuando el archivo final deba ser 4K y el video sea corto. Elige MiniMax H3 para un movimiento realista en clips de hasta 15 segundos, y Grok Imagine 1.5 cuando la velocidad sea lo más importante.

Empieza a crear videos con Wan 3.0

Wan 3.0 sigue de cerca los prompts claros y etiquetados. Empieza con un sujeto, un lugar y un movimiento, luego etiqueta cada referencia y dale a cada toma un tiempo.

Especifica el sonido y el texto en pantalla que quieres, y haz pruebas en 480p antes de crear la versión final. Escribe tu primer prompt con Wan 3.0 en OpenArt.

Preguntas frecuentes

¿Cuántas referencias puede usar Wan 3.0?

Wan 3.0 admite hasta 20 referencias en un solo video: 10 imágenes, 5 clips de video y 5 clips de audio. Puedes agregar además un documento o una página web, de modo que un personaje, un producto, una ubicación y una voz puedan guiar la misma toma. Tus referencias de video pueden sumar hasta 15 segundos, y tus referencias de audio otros 15 segundos.

¿Cuánto puede durar un video de Wan 3.0?

Un video de Wan 3.0 puede durar entre 2 y 30 segundos. Si dejas la duración en blanco, Wan 3.0 elige una que se ajuste a tu prompt.

¿Qué resolución admite Wan 3.0?

Wan 3.0 genera video en 480p, 720p o 1080p, y 1080p es la opción máxima. En OpenArt, 480p es la que cuesta menos créditos, así que es la mejor opción para probar un prompt antes de crear la versión final en 1080p.

¿Wan 3.0 genera sonido?

Sí. Wan 3.0 crea líneas de voz, efectos de sonido y música al mismo tiempo que la imagen. Describe el sonido que quieres en el prompt, o desactiva el audio si quieres un clip en silencio.

¿Wan 3.0 puede poner texto en un video?

Sí. Wan 3.0 puede mostrar títulos, etiquetas, precios y pantallas de apps en un video, y los escribe mejor cuando pones las palabras exactas entre comillas y las mantienes cortas. Para un logo o etiqueta que deba escribirse a la perfección, crea primero una imagen con las palabras y úsala como tu fotograma inicial.

¿Puedo usar archivos de referencia y un fotograma inicial y final al mismo tiempo?

Sí. En OpenArt puedes definir la imagen con la que empieza tu video, la imagen con la que termina, y aun así agregar archivos de referencia junto a ellas. Etiqueta cada una en el prompt para que Wan 3.0 sepa qué imagen abre el video, cuál lo cierra, y qué referencias llevan tu personaje, producto o voz.

¿En qué se diferencia Wan 3.0 de Wan 2.7?

Wan 3.0 agrega videos de 30 segundos, sonido creado junto con la imagen, y clips de video y audio como referencias. Wan 2.7 toma referencias de imagen y fotogramas de inicio y fin, y funciona bien para clips más cortos.