Esegui nel browser Wan 3.0, il modello di punta di Alibaba: clip fino a 30 secondi con audio già incluso, una modalità primo-e-ultimo-fotogramma che fissa esattamente dove la ripresa inizia e finisce, e una modalità di riferimento che legge immagini, video e audio in un'unica richiesta.
Wan 3.0 è Tongyi Wanxiang 3.0 di Alibaba, il successore di Wan 2.7, servito qui sull'endpoint alibaba/wan-3.0 tramite il nostro provider video. Tre modalità condividono un unico pannello: text-to-video da un semplice prompt, image-to-video che fissa un primo fotogramma e, opzionalmente, un ultimo fotogramma, e reference-to-video che legge fino a 10 immagini, 5 clip video e 5 tracce audio in una singola richiesta, ciascuna citata nel prompt per numero. I suoi numeri distintivi sono l'ampiezza: qualsiasi secondo intero da 2 a 30, tre risoluzioni da un livello bozza a 480p fino a 1080p, e audio generato con ogni clip.
I compromessi sono specifici. 1080p è il limite massimo — un prodotto finale in 4K spetta a Kling 3.0. L'API a monte definisce una modalità a durata intelligente che sceglie da sola la lunghezza del clip; riserva i crediti al limite di 30 secondi, quindi non l'abbiamo collegata — qui scegli una lunghezza esplicita. I secondi del video di riferimento contano ai fini della fatturazione, cosa che l'anteprima del prezzo mostra prima che tu confermi. I due clip più in basso in questa pagina hanno impiegato 3m 33s (5 secondi, 720p) e 7m 32s (20 secondi, 720p) per essere generati qui — per le riprese lunghe pianifica in minuti, non in secondi.
Tongyi Wanxiang 3.0 di Alibaba genera clip fino a 30 secondi con audio nativo, fissa il primo e l'ultimo fotogramma esatti di una ripresa e legge insieme immagini, clip video e tracce audio in un'unica richiesta di riferimento — con fatturazione al secondo a partire da un livello economico a 480p.
La maggior parte dei modelli video AI si ferma a 10 o 15 secondi; Wan 3.0 arriva a 30 in un'unica generazione continua. È abbastanza per una presentazione completa di un prodotto, una scena parlata o una sequenza di riprese senza dover unire le clip in seguito. Scegli qualsiasi secondo intero da 2 a 30 — paghi al secondo, quindi una bozza di 6 secondi e un finale di 30 secondi hanno un prezzo esattamente proporzionale.
Qui l'image-to-video va oltre l'animazione di una singola foto: carica un primo fotogramma e, opzionalmente, un ultimo fotogramma, e Wan 3.0 interpola il movimento tra i tuoi due estremi fissi. È l'unico modello nel confronto più avanti in questa pagina che accetta un ultimo fotogramma — la differenza tra "parti da questa immagine" e "vai esattamente da questa immagine a esattamente quell'altra".
Reference-to-video accetta materiale misto in un'unica richiesta — fino a 10 immagini, 5 brevi clip video e 5 tracce audio — e il prompt si rivolge a ciascuno per numero: "the character from Image 1, moving like Video 1, scored like Audio 1". Le immagini e l'audio di riferimento sono gratuiti; i secondi del video di riferimento si sommano alla durata fatturata, e il costo viene mostrato prima della generazione.
L'audio — voci, effetti, atmosfera — viene generato insieme alla clip, e disattivarlo costa lo stesso, quindi non c'è mai un sovrapprezzo per il sonoro. Tre risoluzioni fatturano in proporzione esatta: 480p a 40 crediti al secondo per le bozze, 720p a 80 e 1080p a 160 per i finali. Iterare a 480p e finire a 1080p mantiene una produzione di 30 secondi accessibile.
Generati qui il 26 agosto 2026, al primo tentativo, con prompt e impostazioni esatti mostrati. Il clip da 20 secondi esiste per dimostrare l'affermazione sulla ripresa lunga qui sopra — una sola generazione, senza tagli, senza montaggi.
One continuous handheld shot following a food vendor through a night market: she ladles broth at her stall, hands a bowl to a customer, wipes the counter, then looks up smiling as lanterns sway overhead, ambient market chatter and sizzling sounds throughout, no cuts.
A cellist practicing alone in a sunlit rehearsal room, bow moving across the strings, warm resonant cello notes filling the space, dust motes in the light, slow push-in.
È il modello di formato lungo e di precisione di questo gruppo: il limite di 30 secondi, l'unico controllo dell'ultimo fotogramma e la più ampia cassetta degli attrezzi per i riferimenti.
Presentazioni di prodotti, scene parlate e sequenze a più battute arrivano a 30 secondi in un'unica generazione — niente unioni, nessuna giuntura di continuità tra le clip, e la traccia audio copre l'intera ripresa.
La modalità primo-e-ultimo-frame prende due immagini e interpola il movimento tra di esse — una trasformazione, una rivelazione, un movimento di camera che deve atterrare su una composizione specifica. Nessun altro modello in questa pagina accetta un ultimo frame.
Forniscigli il personaggio di un'immagine, lo stile di movimento di una clip video e una traccia musicale, e chiamali per numero nel prompt. Dieci immagini, cinque clip e cinque tracce audio possono plasmare una singola generazione.
Il livello 480p fattura a un quarto della tariffa 1080p con comportamento del prompt identico, quindi puoi iterare un taglio da 30 secondi a 1,200 crediti e renderizzare il finale a 4,800 solo quando è a posto.
1080p è il tetto — un deliverable 4K spetta a Kling 3.0. E la modalità smart-duration a monte non è collegata qui, quindi scegli sempre una durata esplicita tra 2 e 30 secondi.
Stesso spazio di lavoro, stesso monte crediti — passare dall'uno all'altro è un clic.
| Wan 3.0 | Wan 2.7 | MiniMax H3 | Kling 3.0 | |
|---|---|---|---|---|
| Risoluzioni | 480p · 720p · 1080p | 720p · 1080p | 768p · 2K | 720p · 1080p · 4K |
| Durata della clip | 2–30s, qualsiasi secondo intero | 2–15s, qualsiasi secondo intero | 4–15s, qualsiasi secondo intero | 3–15s, qualsiasi secondo intero |
| Come viene fatturato | Per secondo di output; secondi di video di riferimento aggiunti | Per secondo di output | Per secondo di output; secondi di video di riferimento aggiunti | Per secondo di output |
| Suono | Nativa, attiva per impostazione predefinita — attiva e disattiva costano uguale | Nativo, sempre attivo, nessun interruttore | Nativo, sempre attivo, nessun interruttore | Interruttore opzionale, spento per impostazione predefinita |
| Crediti al secondo, livello economico | 40 a 480p | Non offerto — 720p è il minimo | 55 a 768p | 45 a 720p, senza audio |
| Crediti al secondo, 1080p | 160 | 70 | Non offerto — il suo livello massimo è 2K a 90 | 60 muto · 85 con suono |
| Crediti per una clip di 6 secondi a 1080p | 960 | 420 | Non offerto a 1080p | 360 muto · 510 con suono |
| Crediti per una clip, dal minimo al massimo | 80–4,800 | 80–1,050 | 220–2,820 | 135–3,000 |
| Image-to-video | Primo frame + ultimo frame opzionale | Solo primo frame | Solo primo frame | Solo primo frame |
| Materiale di riferimento | Fino a 10 immagini + 5 video + 5 tracce audio, citate come Image 1 / Video 1 / Audio 1 | Fino a 5 immagini, citate come Image 1, Image 2 … | Fino a 9 immagini + 3 video + 3 tracce audio | Nessuna — la singola immagine è il primo fotogramma |
| Proporzioni | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 6 — da 16:9 a 21:9 | 3 — 16:9, 9:16, 1:1 |
| La velocità che abbiamo misurato noi | 3m 33s per 5s e 7m 32s per 20s, entrambi a 720p (2 clip, agosto 2026) | Non misurato | Non misurato | Non misurato |
Ogni risoluzione, lunghezza del clip e cifra di crediti in questa tabella è letta dal nostro registro dei modelli e dalle tabelle delle tariffe nel nostro codice in data 26 agosto 2026 — le stesse tabelle che determinano il prezzo delle tue generazioni, non le pagine di marketing dei fornitori. Tutti e quattro i modelli fatturano al secondo, quindi le cifre per clip sono la tariffa moltiplicata per la lunghezza che scegli; Wan 3.0 e MiniMax H3 inoltre contano i secondi del video di riferimento ai fini della fatturazione. Gli unici numeri sulla velocità sono i due clip di Wan 3.0 che abbiamo generato e cronometrato noi stessi; ogni altra cella riporta Non misurato invece di prendere in prestito un numero.
Confronta Wan 3.0 con altri modelli video — stesso workspace, un clic per cambiare.
Controllo multi-inquadratura con blocco dell'identità tramite riferimento.
Hailuo 3 — movimento cinematografico con audio nativo, 768p/2K.
Conversione di testo e immagini in video, fino a 4K con audio opzionale.
Video di punta da 30s da riferimenti misti di immagini, video e audio.
| Modello | wan-3.0 (Tongyi Wanxiang 3.0), di Alibaba — servito sull'endpoint alibaba/wan-3.0 |
|---|---|
| Modalità | Da testo a video, da immagine a video con controllo del primo e ultimo fotogramma, e da riferimento a video con materiale misto di immagini, video e audio |
| Risoluzione | 480p, 720p e 1080p — fatturati in proporzione 1x / 2x / 4x |
| Durata | 2–30 secondi, qualsiasi secondo intero (5 per impostazione predefinita) — l'intervallo più lungo su questa piattaforma |
| Proporzioni | 16:9, 9:16, 1:1, 4:3 e 3:4 per da testo a video e da riferimento a video; da immagine a video segue il primo fotogramma |
| Asset di riferimento | Fino a 10 immagini, 5 clip video (15 secondi complessivi) e 5 tracce audio, citate nel prompt come Image 1, Video 1, Audio 1 |
| Primo / ultimo fotogramma | Da immagine a video accetta un primo fotogramma obbligatorio e un ultimo fotogramma opzionale; fotogrammi e materiale di riferimento si escludono a vicenda a monte |
| Suono | Nativo — voci, effetti e atmosfera generati insieme alla clip; audio attivato e disattivato costano lo stesso |
| Crediti | Per secondo di output: 40 a 480p, 80 a 720p, 160 a 1080p — la stessa tariffa in tutte e tre le modalità |
| Fatturazione del video di riferimento | I secondi del video di riferimento si aggiungono alla durata fatturata; immagini e audio di riferimento sono gratuiti |
| Intervallo di crediti per clip | 80 per una clip da 2 secondi a 480p, fino a 4,800 per una clip da 30 secondi a 1080p (più eventuali secondi di video di riferimento) |
| Annullamento | Le generazioni fallite vengono rimborsate automaticamente |
| Velocità misurata | 3m 33s per un clip da 5 secondi a 720p e 7m 32s per un clip da 20 secondi a 720p (2 clip, 26 agosto 2026) |
Apri il selettore dei modelli e scegli Wan 3.0. Il pannello mostra il suo costo in crediti, le opzioni di risoluzione e i limiti di durata prima che tu spenda nulla.
Scrivi il soggetto, l'azione e come si comporta la camera. Allega un primo fotogramma se vuoi che il clip parta da un'immagine precisa.
Scarica il clip, allungalo o mandalo a un'ulteriore lavorazione. Prompt, modello e impostazioni restano allegati nella tua cronologia.
Un solo account, l'intero flusso di generazione di immagini e video.
Dai movimento, voce e suono a qualsiasi immagine statica in pochi secondi.
Genera brevi clip cinematografiche con audio nativo dal tuo prompt.
Descrivi la tua idea: Ava sceglie il modello classificato in arena, scrive il prompt e genera.
Usa Wan 3.0 con i crediti giornalieri del piano gratuito, oppure passa a un piano superiore per modelli premium, generazione più veloce e output in 4K.
Perfetto per iniziare
Fatturazione annuale · 240 $/anno
Fatturazione annuale · 380 $/anno
Riprese lunghe e inquadrature controllate: clip fino a 30 secondi con audio nativo, una modalità primo-e-ultimo-fotogramma che fissa esattamente dove un'inquadratura inizia e finisce, e una modalità di riferimento che legge immagini, video e audio insieme in una sola richiesta.
Per secondo di output: 40 crediti a 480p, 80 a 720p, 160 a 1080p — la stessa tariffa per da testo a video, da immagine a video e da riferimento a video. I secondi del video di riferimento si aggiungono alla durata fatturata; immagini e audio di riferimento sono gratuiti. Il costo esatto viene mostrato prima della generazione, e le esecuzioni fallite vengono rimborsate automaticamente.
Da testo a video partendo solo da un prompt, da immagine a video partendo da un primo fotogramma (con un ultimo fotogramma opzionale), e da riferimento a video con fino a 10 immagini, 5 clip video e 5 tracce audio citate nel prompt come Image 1, Video 1, Audio 1.
Da 2 a 30 secondi, qualsiasi secondo intero — l'intervallo più ampio di qualsiasi modello video su questa piattaforma. L'audio viene generato insieme alla clip a ogni durata.
Wan 3.0 raddoppia il limite di durata (30s vs 15s), aggiunge un livello economico a 480p e il controllo del fotogramma finale, ed estende i riferimenti da 5 immagini a materiale misto immagine + video + audio. Wan 2.7 resta la scelta più economica a 720p (40 vs 80 crediti al secondo) per lavori multi-inquadratura più brevi.
I crediti vengono rimborsati automaticamente per le generazioni video non riuscite — paghi solo per le clip completate.
Strumenti in un clic per tutto ciò che circonda la generazione: rifinire, cambiare stile, condividere.
Wan 3.0 (Alibaba Tongyi Wanxiang 3.0) integrated — clips up to 30 seconds with native audio, first-and-last-frame control, and reference-to-video that reads up to 10 images, 5 video clips and 5 audio tracks in one request. 480p/720p/1080p at 40/80/160 credits per second.
