Wan 3.0

En qué destaca Wan 3.0 — y en qué no

Wan 3.0 responde a la pregunta que todos los modelos de vídeo esquivan: ¿qué pasa cuando el plano tiene que durar más de unos segundos? La mayoría de los modelos punteros topan una generación entre cinco y quince segundos, así que cualquier cosa parecida a una escena acaba montándose a partir de clips que nunca terminan de casar — la cara se desvía, la luz salta, la habitación cambia de forma en el corte. Wan 3.0 renderiza hasta treinta segundos en una sola pasada, y ese único cambio reordena cómo se planifica un plano. Un movimiento de cámara continuo por un espacio, un anuncio completo de treinta segundos, un recorrido de producto en plano secuencia: dejan de ser problemas de montaje y vuelven a ser problemas de prompt.

Lo segundo que lo distingue es la referencia todo en uno. Los sistemas de referencia suelen aceptar un solo tipo de entrada: algunos imágenes, unos pocos un clip, muy pocos una voz. Wan 3.0 acepta los tres en la misma petición: hasta diez imágenes, cinco clips y cinco pistas de audio, con un tope de quince segundos de vídeo de referencia y quince de audio de referencia. En la práctica eso significa que un kit de marca entero o una hoja de personaje completa entran de una vez, y la identidad aguanta lo que dura el clip y no solo los primeros segundos. En ZOOOP el enrutado es automático: adjunta cualquier referencia y la petición va al pipeline de referencia; déjalas vacías y el mismo modelo ejecuta text-to-video.

Otras dos capacidades importan en el día a día. El control de fotograma inicial y final te deja fijar ambos extremos de un clip y que Wan genere el movimiento intermedio, que es como se clava un final exacto que entra limpio en el plano siguiente. Y el audio nativo sincronizado — diálogo, ambiente, música — se genera con la imagen en la misma pasada y llega como pista estéreo en el archivo, sin que el interruptor de audio cambie el precio.

Dónde flojea: no es open-weight. Wan 2.7 salió bajo Apache 2.0 con pesos publicados y Wan 3.0 no — sin pesos, solo API. Para un pipeline que necesita autoalojamiento o procedencia abierta eso es un freno absoluto y la respuesta sigue siendo 2.7. Su nivel 1440p es un escalado mejorado, no un render nativo: un archivo real de 2560×1440, bueno para pantalla grande, pero un modelo con paso nativo en alta resolución retiene mejor el detalle. No hay prompt negativo, así que las exclusiones se resuelven describiendo lo que sí quieres. Y en image-to-video la salida sigue la relación de aspecto del fotograma de entrada: esa ruta no tiene control de ratio, así que recorta la fuente antes de generar.

Un criterio razonable: recurre a Wan 3.0 cuando el plano sea largo, o cuando la coherencia con material de referencia real decida si la toma sirve. Para pesos abiertos y edición por instrucciones, Wan 2.7. Para la máxima calidad en un plano único, Veo 3.1. Para borradores desechables de la misma familia, Wan 2.6 Flash. Y mientras aún estés decidiendo el plano, trabaja en el nivel Prime y vuelve al estándar para el render final.