Wan 3.0

No que o Wan 3.0 é bom — e no que não é

O Wan 3.0 responde à pergunta que todo modelo de vídeo evita: e quando a tomada precisa durar mais do que alguns segundos? A maioria dos modelos de ponta limita uma geração a algo entre cinco e quinze segundos, então qualquer coisa parecida com uma cena acaba montada a partir de clipes que nunca casam de verdade — o rosto muda, a luz salta, o ambiente troca de forma no corte. O Wan 3.0 renderiza até trinta segundos em uma única passada, e só essa mudança reorganiza o jeito de planejar uma tomada. Um movimento de câmera contínuo atravessando um espaço, um anúncio inteiro de trinta segundos, um percurso de produto em plano-sequência: deixam de ser problema de edição e voltam a ser problema de prompt.

O segundo diferencial é a referência tudo-em-um. Sistemas de referência costumam aceitar um tipo só de entrada — alguns aceitam imagens, poucos um clipe, raríssimos uma voz. O Wan 3.0 aceita os três na mesma requisição: até dez imagens, cinco clipes e cinco faixas de áudio, com teto de quinze segundos de vídeo de referência e quinze segundos de áudio de referência. Na prática, um kit de marca inteiro ou uma ficha de personagem completa entram de uma vez, e a identidade se sustenta pelo tempo do clipe, não apenas nos primeiros segundos. Na ZOOOP o roteamento é automático: anexe qualquer referência e a requisição vai para o pipeline de referência; deixe vazio e o mesmo modelo roda text-to-video puro.

Mais duas capacidades pesam no dia a dia. O controle de quadro inicial e final trava as duas pontas do clipe e deixa o Wan gerar o movimento entre elas — é assim que se acerta um final exato que entra limpo na tomada seguinte. E o áudio nativo sincronizado — diálogo, ambiência, música — é gerado com a imagem na mesma passada e chega como faixa estéreo no arquivo, com a chave de áudio não alterando o preço em nenhuma direção.

Onde ele é mais fraco: não tem pesos abertos. O Wan 2.7 saiu sob Apache 2.0 com pesos publicados; o Wan 3.0 não — nada de pesos, apenas API. Para um fluxo que exige auto-hospedagem ou origem aberta, isso é impeditivo e a resposta continua sendo o 2.7. O nível 1440p é um upscale aprimorado, não uma renderização nativa — um arquivo real de 2560×1440, bom para tela grande, mas um modelo com passada nativa em alta resolução segura melhor os detalhes. Não existe prompt negativo, então exclusões precisam ser resolvidas descrevendo o que você quer. E no image-to-video a saída segue a proporção do quadro de entrada — esse caminho não tem controle de proporção, então recorte o arquivo de origem antes de gerar.

Um critério razoável: vá de Wan 3.0 quando a tomada for longa, ou quando bater com material de referência real for o que decide se o take serve. Para pesos abertos e edição por instrução, Wan 2.7. Para qualidade máxima em uma tomada única, Veo 3.1. Para rascunhos descartáveis da mesma família, Wan 2.6 Flash. E enquanto a tomada ainda está sendo definida, rode no nível Prime e volte ao padrão para a renderização final.