Guías
Wan 3.0: referencias de imagen, vídeo y audio
Asigna funciones a imágenes, vídeos, audio y un archivo o enlace de Wan 3.0. Revisa conflictos y límites.
APIXO Team
Empezar a crear
Guías
Asigna funciones a imágenes, vídeos, audio y un archivo o enlace de Wan 3.0. Revisa conflictos y límites.
Esta guía utiliza la ruta estándar wan-3-0-video de APIXO. En referencia a vídeo, las imágenes, los vídeos y el audio aportan contexto; también se admite un archivo o un enlace web, nunca ambos. Las dos rutas LoRA no ofrecen esos campos de archivo/enlace. Si solo tienes una imagen inicial y, opcionalmente, una final, comprueba primero imagen a vídeo.
Esta guía usa un plan ficticio para un vídeo de producto. No presenta clips generados ni resultados de producción medidos.
Texto a vídeo requiere un prompt no vacío. Imagen a vídeo usa 1–2 imágenes como inicio y final opcional, sin referencias de vídeo o audio. Referencia a vídeo requiere al menos una referencia compatible. El prompt es opcional en imagen a vídeo y referencia a vídeo, aunque puede aclarar la acción deseada.
Referencia a vídeo admite hasta 10 imágenes, 5 vídeos y 5 archivos de audio. Cada vídeo y cada audio debe durar 1–15 segundos. Los vídeos suman como máximo 15 segundos; los audios tienen por separado el mismo límite total. Con duración fija positiva, los segundos de salida más los de todas las referencias de vídeo no pueden superar 30.
Son límites del contrato de API comprobado el 22 de octubre de 2026. Consulta la documentación de Wan 3.0 Video (inglés) y confirma qué controles ofrece tu interfaz.
Supongamos que necesitas una botella transparente sobre una mesa de color claro, un movimiento lateral lento de cámara y un encuadre final con espacio para subtítulos añadidos en edición. Escribe esos requisitos antes de elegir los materiales.
La imagen del producto aporta el aspecto; la de la escena, la iluminación; el vídeo, el movimiento; y el audio, la dirección sonora. Un documento puede explicar el contexto. Cada material debe tener una función concreta.
Usa imágenes nítidas donde el sujeto sea evidente. Más ángulos pueden ayudar a describirlo, pero envases, colores o iluminación contradictorios dificultan interpretar el encargo.
Comprueba textos, logotipos y geometría importantes en el resultado. Una referencia no garantiza la reproducción exacta de cada detalle. La guía inicial de imagen a vídeo explica cómo preparar el material.
Elige un fragmento corto con el movimiento de cámara o del sujeto que necesitas. Indica qué debe aportar y qué personas, accesorios o entorno no son relevantes.
Esta asignación de roles es un consejo creativo, no una garantía de que el modelo transfiera solo el atributo seleccionado.
Los Docs Wan (inglés) admiten hasta 5 vídeos de referencia y 15 segundos en total. Con duración fija, las entradas de vídeo y la salida no pueden superar 30 segundos en conjunto. Recorta las referencias antes de elegir la duración.
Usa audio limpio para indicar ambiente, ritmo, música u otros rasgos sonoros y explica su función. Una referencia de voz no determina el aspecto visual sin información visual adicional.
La referencia de audio aporta contexto; el ajuste de salida sound solicita un resultado con o sin sonido. Revisa ambos por separado cuando el audio sea importante.
El límite de audio es de 5 archivos y 15 segundos en total. No se factura la entrada de audio por separado, pero la generación sigue teniendo coste.
En Wan 3.0 Video estándar, file_urls y link_urls son alternativas: como máximo un elemento en uno de los campos, nunca en ambos. La fuente debe ser accesible; una página de inicio de sesión de una unidad privada no es una URL directa del material.
Centra el documento en el público, los datos del producto y las prioridades visuales. Si enlazas una página extensa, explica qué información es relevante.
Un documento no garantiza textos, afirmaciones del producto o subtítulos correctos. Comprueba el contenido final por separado.
Este paso corresponde a Wan 3.0 Video estándar. Consulta la comparación de las tres rutas Wan 3.0 antes de trasladar el flujo de archivo/enlace a una ruta LoRA.
Una URL pública debe devolver el medio previsto o una página legible. Sustituye enlaces caducados, páginas de inicio de sesión y vistas previas por fuentes accesibles. Un fallo de acceso es distinto de una interpretación incorrecta de la referencia.
Para comparar conjuntos de referencias, mantén el modo referencia a vídeo desde el primer intento. Empieza con una imagen del producto y una breve descripción del movimiento; una imagen ya cumple el requisito de referencia. Al añadir el vídeo, conserva el prompt, la resolución, la duración fija de salida y el ajuste de sonido. La duración elegida debe seguir respetando el límite conjunto de 30 segundos.
Revisa primero la forma del producto y el encuadre, y después el movimiento. Añade audio o archivo/enlace en intentos separados si falta algo concreto. Pasar de imagen a vídeo a referencia a vídeo también cambia el modo y no aísla el efecto del nuevo material. Los resultados pueden variar: un clip mejor no demuestra por sí solo una relación causal.
Un ejemplo no probado incluye:
Ejemplo de prompt no probado:
Conserva la forma y el color principal de la botella de la imagen del producto. Usa la imagen de la escena para la mesa y la iluminación. El vídeo de referencia indica un movimiento suave de cámara hacia un lado, mientras el producto permanece quieto. El audio de referencia orienta el ambiente sobrio. No añadas personas ni texto.
La numeración y la sintaxis deben seguir la API de la plataforma. Es un ejemplo de planificación, no una solicitud probada para copiar y ejecutar.
Si falla el aspecto, elimina ángulos innecesarios o productos ajenos. Si falla el movimiento, comprueba si las referencias contienen varias acciones. Si falla el sonido, revisa por separado el audio de entrada y los ajustes de salida. Anota un motivo para cada cambio.
Los segundos de referencia de vídeo se facturan junto con los de salida. El esquema de Wan 3.0 Video estándar comprobado el 22 de octubre de 2026 indica $0.20 por segundo a 1080p: 10 segundos de salida y 5 de referencia darían (10 + 5) × $0.20 = $3.00. Es un cálculo hipotético, no un cargo observado.
La guía de costes de Wan 3.0 explica la fórmula y el cargo inicial de la duración automática. Comprueba APIXO API Pricing antes de enviar la solicitud; las tarifas de API son independientes de los créditos mensuales de Studio.
Revisa sujeto, movimiento, sonido y espacio para editar según el briefing. Registra ajustes, materiales, segundos aceptados y motivos de repetición. Abre Wan 3.0 Video con un conjunto de referencias centrado y amplíalo solo para resolver una carencia concreta.
Desarrolla con APIXO
Explora modelos de imagen, vídeo y audio en un solo lugar.