Guía de prompts de Wan 3.0: sintaxis, referencias y ajustes para crear vídeos de IA perfectos

Wan 3.0 is Alibaba's creative video model, and you can use it on OpenArt's Generador de vídeo con IA. Wan 3.0 crea hasta 30 segundos de vídeo de una vez, acepta 20 archivos de referencia y genera audio al mismo tiempo que la imagen, totalmente sincronizado.

Alibaba publicó sus propias fórmulas de prompt cuando se lanzó el modelo, y esta guía las convierte en pasos sencillos que puedes copiar, junto con cómo acertar con las palabras en pantalla y cómo se compara con otros modelos de vídeo en OpenArt.

Conclusiones clave

• Empieza con un sujeto, un lugar y un movimiento. Añade la cámara, el estilo y el sonido de uno en uno.
• Etiqueta cada referencia con @Image1, @Video1 o @Audio1, y da a cada toma un rango de tiempo como [0-6s].
• Escribe las líneas de voz, los efectos de sonido y la música por separado, y di «sin música de fondo» cuando no la quieras.
• Pon las palabras que aparecen en pantalla entre comillas y que sean breves.
• Wan 3.0 crea vídeos de entre 2 y 30 segundos de duración a hasta 1080p, y es una opción potente para vídeos largos construidos a partir de muchas referencias.

¿Qué es Wan 3.0?

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

Wan 3.0 crea todo el vídeo de una sola vez, así que la misma cara, producto e iluminación se mantienen cada segundo. En OpenArt puedes empezar un vídeo con Wan 3.0 a partir de texto, de una imagen inicial o de 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 los tres elementos, y es suficiente para obtener un vídeo real.

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

Etiqueta cada referencia con etiquetas @

Wan 3.0 admite hasta 20 archivos de referencia, y OpenArt los cuenta por ti en la parte superior del cuadro 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 forma. También puedes nombrar la misma referencia más de una vez en un prompt, que es como controlas dónde aparece.

Los fotogramas de inicio y fin funcionan igual. En OpenArt puedes definir la imagen con la que empieza tu vídeo y la imagen con la que termina, y aún así añadir archivos de referencia junto a ellas.

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

Tus referencias de vídeo pueden sumar hasta 15 segundos, y tus referencias de audio otros 15 segundos. Para que aparezca la misma persona vídeo tras vídeo, guárdala una sola vez en OpenArt Characters y selecciónalas para cada nuevo vídeo.

Numera tus planos y dale a cada uno un intervalo de tiempo

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

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

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

Plano 2 [5-12s]: primer plano de un gatito mojado que la mira desde abajo.

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

Dale a cada rango de tiempo una tarea clara. Si una toma te parece apresurada en tu primer resultado, amplía ese rango de tiempo y deja el resto como está.

Para una historia de más de 30 segundos, OpenArt puede planificar las escenas y crear el vídeo 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 conviene escribir cada una por separado.

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

Efectos de sonido. Nombra la cosa, lo que hace y el ruido de fondo. «Un vaso se cae de la mesa y se rompe en el suelo de madera, sala en silencio.»

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

Pon las palabras en pantalla entre comillas

Alibaba afirma que Wan 3.0 muestra con claridad pantallas de apps y gráficos en movimiento, lo que resulta útil para demos de productos y anuncios explicativos. Alibaba también indica que la ortografía de las palabras en pantalla aún está mejorando, así que unos cuantos hábitos marcan una gran diferencia.

Pon las palabras exactas entre comillas. La propia guía de Alibaba lo pide así. «Una bolsa de café en la encimera de una cocina con las palabras 'MORNING ROAST' impresas en el frente.»

Mantén las palabras cortas. El nombre de una marca, un precio o un título de tres palabras sale mejor que una frase 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 donde colocar tu texto.

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

Configúrala como tu fotograma inicial y Wan 3.0 empezará el vídeo con palabras que ya están bien escritas.

Corrige una letra equivocada con una edición. Si una palabra sale mal escrita, pide solo esa corrección e indica que el resto del vídeo se mantiene igual.

Tres cosas que Wan 3.0 decide automáticamente por ti

Cuando no dices nada, Wan 3.0 igualmente toma una decisión. Así es como recuperas el control de cada una.

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

Música. Wan 3.0 elige la música de fondo según de qué trate tu vídeo. Desactívala con «sin música de fondo».

Número de planos. Wan 3.0 decide por sí solo si corta entre planos. Pide un plano sin cortes con «una toma continua».

La duración y la forma funcionan igual. Déjalas en blanco y Wan 3.0 elige una duración entre 2 y 30 segundos, además de una relación de aspecto que encaje con tu escena.

Opciones de resolución y duración de Wan 3.0

En OpenArt, Wan 3.0 crea vídeos en 480p, 720p o 1080p, con cualquier duración de 2 a 30 segundos. También puedes dejar la duración en manos de Wan 3.0, que elegirá la que mejor encaje con tu prompt.

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

Los vídeos más largos también cuestan más créditos. Ajusta la duración exacta una vez sepas cuántas tomas necesitas.

Comprueba cuatro controles antes de generar

En OpenArt, cuatro ajustes rodean el cuadro del prompt, y cada uno cambia lo que hacen tus palabras.

Auto Polish. Esto reescribe tu prompt antes de ejecutarlo. Ayuda cuando has escrito una sola frase suelta, pero también puede reformular las etiquetas de referencia y los intervalos de tiempo que pusiste a propósito. Desactívalo una vez que tu prompt esté exacto.

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

Cámara. Elige aquí el movimiento de cámara. Obtienes el mismo movimiento cada vez y tu prompt se 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 vídeos a la vez. Cambia una sola cosa en cada versión, ejecuta las 8 y compáralas para ver qué hace cada palabra.

Di menos cuando partes de una imagen

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

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

Si quieres que la cámara se mantenga quieta, di «plano fijo». De lo contrario, Wan 3.0 moverá la cámara por su cuenta.

Corrige una cosa con una edición sencilla

Wan 3.0 edita vídeo a partir de instrucciones sencillas, así que un pequeño problema se arregla en un momento. Di qué quieres cambiar y luego indica que el resto se mantiene igual.

Quita las gafas de sol. Su movimiento y todo lo demás en el vídeo se queda igual.

La misma redacción sirve para añadir algo, cambiar el estilo, corregir la luz o sustituir 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 sirve cada uno.
• Encadenar movimientos de cámara. Un movimiento claro vale más que tres peleándose entre sí.
• Olvidarte de 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 vídeos de 15 a 30 segundos creados a partir de muchas referencias. Como hace todo el vídeo de una vez, las caras, los productos y la iluminación se mantienen estables desde el primer segundo hasta el último.

Las caras parecen reales y muestran pequeños cambios de expresión, y los primeros usuarios comentan que la misma persona se mantiene durante los 30 segundos completos. El sonido sale sincronizado con la acción, así que el clip queda listo para publicar con audio.

Planifica teniendo en cuenta 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 comentan dos costumbres. Wan 3.0 a veces añade un corte que no pediste, así que escribe "una toma continua" cuando quieras un solo plano.

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

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

Cómo se compara Wan 3.0 con otros modelos en OpenArt

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

Elige Seedance 2.5 cuando una historia necesite muchos personajes y elementos, porque admite la mayor cantidad de archivos de referencia. Elige Wan 3.0 cuando tu referencia sea 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 estar en 4K y el vídeo sea corto. Elige MiniMax H3 para un movimiento realista en clips de hasta 15 segundos, y Grok Imagine 1.5 cuando lo que más importa es la velocidad.

Empieza a crear vídeos 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 da a cada toma un tiempo.

Especifica el sonido y las palabras en pantalla que quieres, y prueba en 480p antes de hacer 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 vídeo: 10 imágenes, 5 clips de vídeo y 5 clips de audio. Puedes añadir además un documento o una página web, de modo que un personaje, un producto, una ubicación y una voz pueden guiar la misma toma. Tus referencias de vídeo pueden sumar hasta 15 segundos, y tus referencias de audio otros 15 segundos.

¿Cuánto puede durar un vídeo de Wan 3.0?

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

¿Qué resolución admite Wan 3.0?

Wan 3.0 crea vídeo a 480p, 720p o 1080p, siendo 1080p la opción máxima. En OpenArt, 480p es la que menos créditos cuesta, 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 prefieres un clip sin sonido.

¿Puede Wan 3.0 poner texto en un vídeo?

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

¿Puedo usar archivos de referencia y un fotograma inicial y final a la vez?

Sí. En OpenArt puedes definir la imagen con la que empieza tu vídeo, la que lo termina, y aun así añadir archivos de referencia junto a ellas. Etiqueta cada uno en el prompt para que Wan 3.0 sepa qué imagen abre el vídeo, 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 añade vídeos de 30 segundos, sonido creado junto con la imagen y clips de vídeo y audio como referencias. Wan 2.7 acepta referencias de imagen y fotogramas inicial y final, y funciona bien para clips más cortos.