Wan 3.0

Wan 3.0 genera hasta 30 segundos de video con sonido en un solo trabajo. Text-to-video funciona solo con un prompt, image-to-video empieza en un fotograma que tú proporcionas y puede terminar en otro, y reference-to-video acepta hasta 10 imágenes, 5 clips de video y 5 clips de audio, e incorpora a la escena las personas, los productos, el movimiento y las voces que contienen. Reference-to-video también edita y extiende clips que ya tienes. Para lo que comparten todos los modelos de video, consulta generación de video; para otros modelos que trabajan a partir de referencias, consulta reference to video y Seedance. Aquí tienes dos imágenes creadas con /image/generate y el clip que reference-to-video generó a partir de ellas. La alfarera conserva su cabello, sus pecas y su delantal, la tetera conserva su esmalte y su asa dorada, y la frase del final se pronuncia ante la cámara.

Las dos imágenes de referencia lado a lado: una alfarera pelirroja con delantal de mezclilla y una tetera color verde azulado moteada con asa dorada

Los trabajos se ejecutan de forma asíncrona: quote cotiza un trabajo, queue lo envía y te lo cobra, y retrieve consulta el estado hasta que el MP4 está listo. Los ejemplos suponen que VENICE_API_KEY está definida:

export VENICE_API_KEY="your-api-key"

Elige un modelo

Cada nivel tiene las mismas tres variantes:

Nivel	Text-to-video	Image-to-video	Reference-to-video	Resoluciones
Standard	`wan-3-0-text-to-video`	`wan-3-0-image-to-video`	`wan-3-0-reference-to-video`	480p, 720p, 1080p
Prime	`wan-3-0-prime-text-to-video`	`wan-3-0-prime-image-to-video`	`wan-3-0-prime-reference-to-video`	480p, 720p, 1080p
Pro	`wan-3-0-pro-text-to-video`	`wan-3-0-pro-image-to-video`	`wan-3-0-pro-reference-to-video`	1080p, 2K, 4K
Prime Pro	`wan-3-0-prime-pro-text-to-video`	`wan-3-0-prime-pro-image-to-video`	`wan-3-0-prime-pro-reference-to-video`	1080p, 2K, 4K

Prime es la opción más rápida a un precio más alto: el clip de alfarería tardó 205 segundos en standard y 131 en Prime. Cada ID también tiene una forma con punto, como wan-3.0-reference-to-video. Image-to-video y reference-to-video aceptan imágenes, pero para tareas distintas. Image-to-video empieza exactamente en image_url y, si envías end_image_url, termina en ella. Reference-to-video trata las imágenes como referencias: lo que contienen aparece en el clip, encuadrado como indique el prompt. Usa image-to-video cuando el primer plano está definido, y reference-to-video cuando necesitas la misma persona o el mismo producto en varias tomas. Las duraciones, relaciones de aspecto y resoluciones se obtienen de /models. Esta consulta las devuelve:

curl "https://api.venice.ai/api/v1/models?type=video" |
  jq '.data[] | select(.id | startswith("wan-3-0")) | {
    id,
    resolutions: .model_spec.constraints.resolutions,
    durations: .model_spec.constraints.durations,
    aspect_ratios: .model_spec.constraints.aspect_ratios,
    prompt_character_limit: .model_spec.constraints.prompt_character_limit,
    min_image_short_side: .model_spec.constraints.reference_image_min_short_side_pixels
  }'

Actualmente, todos los modelos Wan 3.0 ofrecen 2s, 5s, 10s, 15s, 20s, 25s y 30s, las relaciones de aspecto 16:9, 9:16, 1:1, 4:3 y 3:4, y prompts de hasta 20,000 caracteres. Image-to-video y reference-to-video añaden adaptive, que sigue la forma de tu entrada. Estos detalles pueden cambiar, así que léelos desde la API. Los límites de las referencias no están en /models; están en el paso 2.

1. Obtén una cotización

La facturación es por segundo de salida, con una tarifa determinada por el nivel y la resolución. El 23 de octubre de 2026, standard costaba $0.065 por segundo a 480p, $0.13 a 720p y $0.26 a 1080p, y Prime costaba $0.088, $0.182 y $0.364. Pro costaba $0.237 a 1080p, $0.272 a 2K y $0.296 a 4K, y Prime Pro costaba $0.331, $0.355 y $0.379. Las tres variantes de un nivel cuestan lo mismo, y desactivar audio no cambia el precio. Los videos de referencia se facturan aparte, a la tarifa del trabajo y hasta la fracción de segundo, así que un clip de 4.2 segundos añade 4.2 segundos. Las imágenes y el audio de referencia son gratuitos. Quote no necesita API key; añade reference_video_total_duration, en segundos, cuando el trabajo tenga videos de referencia:

curl https://api.venice.ai/api/v1/video/quote \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan-3-0-reference-to-video",
    "duration": "10s",
    "resolution": "720p"
  }'

{
  "quote": 1.3
}

Las cotizaciones y los cobros se redondean al centavo, así que 5 segundos a 480p, $0.325, se cotizan y se cobran como $0.33.

2. Encola el trabajo

Esta es la solicitud que generó el clip de alfarería, con las dos imágenes apuntando a las copias de esta documentación para que puedas ejecutarla tal cual:

curl https://api.venice.ai/api/v1/video/queue \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan-3-0-reference-to-video",
    "prompt": "A warm, sunlit pottery studio with wooden shelves of unglazed pots. 0-4s: medium shot. The woman from @Image1 lifts the teapot from @Image2 off a shelf with both hands and turns it so the gold handle catches the window light. She is silent. 4-10s: slow push-in to a close-up. She looks into the camera, smiles, and says only: \"This one took three firings.\" Quiet room tone and birdsong from the open window, no music.",
    "duration": "10s",
    "resolution": "720p",
    "aspect_ratio": "16:9",
    "reference_image_urls": [
      "https://docs.venice.ai/images/guides/wan-3-0/woman.webp",
      "https://docs.venice.ai/images/guides/wan-3-0/teapot.webp"
    ]
  }'

Las referencias van en tres arrays, como URLs públicas o data URLs. Venice descarga las URLs por su cuenta, así que deben funcionar sin encabezados ni cookies. Un trabajo de reference-to-video necesita al menos una imagen o un video; el audio por sí solo se rechaza.

Array	Hasta	Cada clip	Todos los clips
`reference_image_urls`	10 imágenes	-	-
`reference_video_urls`	5 clips	De 1 a 15 segundos	15 segundos
`reference_audio_urls`	5 clips	De 1 a 15 segundos	15 segundos

Los videos de referencia y duration juntos también deben caber en 30 segundos. Los videos pueden ser MP4 o MOV, y el audio MP3 o WAV. Las imágenes con un lado corto inferior al mínimo de 240 píxeles se escalan en lugar de rechazarse. En el prompt, @Image1 es la primera entrada de reference_image_urls, @Image2 la segunda, y así sucesivamente, y @Video1 y @Audio1 se cuentan igual en sus propios arrays. Nombra todas las referencias que envíes, incluido el audio: escribe @Audio1 donde corresponda la voz o el sonido. Wan 3.0 no usa reference_document_urls, aunque la referencia de la API lo incluya. Prime, Pro y Prime Pro lo rechazan, y el nivel standard acepta el documento, lo ignora y cobra el trabajo de forma normal. La respuesta te da el identificador para todo lo que sigue:

{
  "model": "wan-3-0-reference-to-video",
  "queue_id": "01a16b0b-e781-754d-8c54-8ade9c76edcd"
}

Guarda ambos valores; retrieve los necesita. El cobro se hace en este momento, no cuando se devuelve el video, así que no reintentes una solicitud a queue. Si tienes un queue_id, consulta el estado con él. Si la respuesta nunca llegó, enviar el trabajo de nuevo puede generar un doble cobro. Queue está limitado a 40 solicitudes por minuto y retrieve a 120; ambos informan x-ratelimit-remaining-requests. La mayoría de los errores se rechazan aquí con 400 y sin cobro: un valor que no está en /models, un campo que la variante no acepta, demasiadas referencias, audio sin imagen ni video, o la falta de aspect_ratio. El cuerpo indica qué está mal en issues[].message. Las duraciones de los clips se comprueban después del cobro, así que un clip de referencia demasiado largo o demasiado corto recibe aquí un queue_id y falla en la primera llamada a retrieve, con el cobro reembolsado.

3. Consulta el estado y descarga

Llama a retrieve con los valores de la respuesta de queue:

curl https://api.venice.ai/api/v1/video/retrieve \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan-3-0-reference-to-video",
    "queue_id": "01a16b0b-e781-754d-8c54-8ade9c76edcd"
  }' \
  --output response.bin

La respuesta puede ser una de dos cosas. Mientras el trabajo se ejecuta, recibes JSON:

{
  "status": "PROCESSING",
  "average_execution_time": 450757,
  "execution_duration": 6611
}

Cuando termina, recibes video/mp4 y el cuerpo es el video. Ramifica según Content-Type. Los dos números están en milisegundos: cuánto suelen tardar los trabajos en este modelo y cuánto lleva ejecutándose el tuyo. El promedio rondó los 7.5 minutos en todos los modelos que probamos, y todos los trabajos lo superaron. Los trabajos tardaron de 1 a 5 minutos: las pruebas de 2 segundos a 480p, poco más de un minuto, y los trabajos basados en un video de referencia de 5 segundos, de 3 a 5 minutos. Consulta el estado cada 10 a 15 segundos en lugar de esperar hasta el promedio. El MP4 es H.264 a 30 fotogramas por segundo con audio AAC estéreo, o sin pista de audio si enviaste audio: false. 720p se devuelve a 1280×720 y 1080p standard a 1920×1080, pero Pro y Prime Pro devolvieron 1936×1088 para 1080p.

Si falla

Un trabajo fallido permanece fallido: consultarlo de nuevo devuelve el mismo estado y el mismo cuerpo. Los trabajos que fallan antes de que empiece la generación, como un clip de referencia fuera de los límites de duración o una imagen que Venice no puede decodificar, se reembolsan a los pocos segundos de encolarse. Sus cuerpos solo contienen error; la tabla de errores los enumera.

Limpieza

Pasa delete_media_on_completion: true en retrieve y el video almacenado se elimina en la misma llamada que lo devuelve. Cualquier llamada posterior a retrieve con ese id devuelve 404. No lo incluyas si quieres descargar el video más de una vez.

Flujos de trabajo

El clip de alfarería es el flujo de sujeto: entran imágenes y aparecen las mismas personas y objetos en el clip. Las solicitudes siguientes son los demás flujos de trabajo tal como los ejecutamos, con las entradas en URLs de ejemplo. Todas menos la última usan reference-to-video, donde el prompt decide qué hace el modelo con un clip.

Movimiento a partir de un clip

Un video de referencia puede aportar el movimiento de cámara o el movimiento sin su contenido. Aquí, una órbita de 5 segundos alrededor de una estatua, creada con wan-3-0-text-to-video, definió el movimiento de cámara alrededor de la alfarera:

{
  "model": "wan-3-0-reference-to-video",
  "prompt": "The woman from @Image1 stands beside a potter's wheel in a sunlit pottery studio. The camera moves like the camera in @Video1: one slow orbit around her from left to right, keeping her centred. Soft room tone, no music.",
  "duration": "5s",
  "resolution": "720p",
  "aspect_ratio": "16:9",
  "reference_image_urls": ["https://example.com/woman.webp"],
  "reference_video_urls": ["https://example.com/orbit.mp4"]
}

La cámara describe un arco a su alrededor igual que rodeaba la estatua.

Una voz para el diálogo

Indica en el prompt que la frase se pronuncia con la voz de @Audio1. Aquí, una frase de 6 segundos de /audio/speech aportó la voz:

{
  "model": "wan-3-0-reference-to-video",
  "prompt": "Medium close-up in a sunlit pottery studio. The woman from @Image1 looks into the camera and says, in the voice from @Audio1: \"Welcome in. Mind the wet clay.\" Static camera, soft room tone, no music.",
  "duration": "5s",
  "resolution": "720p",
  "aspect_ratio": "16:9",
  "reference_image_urls": ["https://example.com/woman.webp"],
  "reference_audio_urls": ["https://example.com/voice.mp3"]
}

Ella dice la nueva frase a cámara.

Editar un clip

Describe el cambio, nombra lo que debe permanecer igual y establece duration en la duración del clip:

{
  "model": "wan-3-0-reference-to-video",
  "prompt": "Edit @Video1: make it winter. Snow covers the courtyard, the plinth, and the cypress trees, and light snow is falling. Keep the bust, the camera movement, and the framing unchanged.",
  "duration": "5s",
  "resolution": "720p",
  "aspect_ratio": "adaptive",
  "reference_video_urls": ["https://example.com/orbit.mp4"]
}

La nieve cubrió el patio y los árboles, mientras que la estatua y la órbita se mantuvieron igual. Con adaptive, el origen de 854×480 se devolvió a 1280×718.

Extender un clip

El resultado empieza con tu clip, regenerado, y continúa a partir de ahí, así que duration es la duración del resultado completo: el clip más el nuevo metraje.

{
  "model": "wan-3-0-reference-to-video",
  "prompt": "Extend @Video1 by 5 seconds: the camera finishes its orbit, then rises slowly above the courtyard to reveal terracotta rooftops at golden hour. Same lighting and style, gentle wind, no music.",
  "duration": "10s",
  "resolution": "720p",
  "aspect_ratio": "16:9",
  "reference_video_urls": ["https://example.com/orbit.mp4"]
}

La órbita de 5 segundos se devolvió como 10 segundos: de nuevo la órbita y luego 5 segundos nuevos elevándose sobre los tejados. La misma solicitud con "duration": "5s" devolvió la órbita y nada más. El inicio se regenera en lugar de copiarse, así que si necesitas tus fotogramas originales, recorta el nuevo metraje del final y únelo a tu clip. Los segundos del clip se facturan dos veces, como video de referencia y como parte del resultado. Como el clip y duration comparten el límite de 30 segundos, un clip de 10 segundos puede crecer como máximo 10 segundos.

Primer y último fotograma

Este usa image-to-video. Envía el fotograma inicial como image_url, el fotograma final como end_image_url y describe lo que ocurre entre ambos. Los dos fotogramas se crearon con /image/generate, y el segundo se hizo a partir del primero con /image/edit para que la habitación coincida:

{
  "model": "wan-3-0-image-to-video",
  "prompt": "Time-lapse from morning to evening: daylight fades in the window, the pendant lamps switch on, and the shelves fill with teal-glazed pots. Static camera, no people.",
  "duration": "5s",
  "resolution": "720p",
  "aspect_ratio": "16:9",
  "image_url": "https://example.com/studio-day.webp",
  "end_image_url": "https://example.com/studio-evening.webp"
}

El clip empieza en el fotograma de la mañana y termina en el de la tarde.

Escribir prompts

Wan 3.0 sigue de cerca un prompt estructurado, y estos hábitos nos ayudaron en nuestras pruebas:

Asigna una marca de tiempo a cada tramo del clip, como 0-4s: y 4-10s:. En el clip de alfarería, el gesto de levantar la tetera y el acercamiento ocurren donde el prompt los situó.
Pon el diálogo entre comillas dobles e indica cuándo un personaje debe permanecer en silencio. Por sí solo, el modelo llenaba los momentos de silencio con palabras breves: la primera toma del clip de alfarería añadió “Okay.” antes de la frase. La segunda toma, con She is silent. en el primer plano y says only: antes de la frase, solo tuvo un discreto “Mm.”
Nombra los movimientos de cámara con claridad: slow push-in, static camera, one slow orbit.
Describe el sonido que quieres, incluido el tono de sala y el ambiente. Wan 3.0 no tiene prompt negativo, así que escribe las exclusiones, como no music, en el propio prompt.

Ejemplo completo

Este script generó el clip de alfarería: cotiza el trabajo, lo encola con las dos imágenes como data URLs, consulta el estado hasta que llega el MP4 y lo guarda. Guarda la alfarera y la tetera junto a él como woman.webp y teapot.webp. El plazo de 20 minutos es varias veces el trabajo más largo que ejecutamos.

import base64
import os
import time
from pathlib import Path

import requests

BASE_URL = "https://api.venice.ai/api/v1"
HEADERS = {"Authorization": f"Bearer {os.environ['VENICE_API_KEY']}"}
MIME_TYPES = {".jpg": "image/jpeg", ".jpeg": "image/jpeg", ".png": "image/png", ".webp": "image/webp"}


def data_url(path):
    encoded = base64.b64encode(path.read_bytes()).decode()
    return f"data:{MIME_TYPES[path.suffix.lower()]};base64,{encoded}"


job_request = {
    "model": "wan-3-0-reference-to-video",
    "prompt": (
        "A warm, sunlit pottery studio with wooden shelves of unglazed pots. "
        "0-4s: medium shot. The woman from @Image1 lifts the teapot from @Image2 off a shelf with both hands "
        "and turns it so the gold handle catches the window light. She is silent. "
        "4-10s: slow push-in to a close-up. She looks into the camera, smiles, and says only: "
        '"This one took three firings." '
        "Quiet room tone and birdsong from the open window, no music."
    ),
    "duration": "10s",
    "resolution": "720p",
    "aspect_ratio": "16:9",
    "reference_image_urls": [data_url(Path("woman.webp")), data_url(Path("teapot.webp"))],
}

quote = requests.post(
    f"{BASE_URL}/video/quote",
    json={key: job_request[key] for key in ("model", "duration", "resolution")},
)
quote.raise_for_status()
print(f"Estimated cost: ${quote.json()['quote']:.2f}")

queued = requests.post(f"{BASE_URL}/video/queue", headers=HEADERS, json=job_request)
queued.raise_for_status()
job = queued.json()
print(f"Queued {job['queue_id']}")

started = time.monotonic()
deadline = started + 20 * 60
while time.monotonic() < deadline:
    result = requests.post(
        f"{BASE_URL}/video/retrieve",
        headers=HEADERS,
        json={
            "model": job["model"],
            "queue_id": job["queue_id"],
            "delete_media_on_completion": True,
        },
    )

    content_type = result.headers.get("Content-Type", "").split(";")[0].strip()
    if content_type == "video/mp4":
        output = Path("pottery-studio.mp4")
        output.write_bytes(result.content)
        print(f"Saved {output} after {time.monotonic() - started:.0f}s")
        break

    body = result.json()
    if not result.ok:
        # Terminal failure. Polling again returns the same error.
        print(f"{result.status_code}: {body.get('error')}")
        raise SystemExit(1)

    if body.get("status") != "PROCESSING":
        print(body)
        raise SystemExit(1)

    time.sleep(15)
else:
    raise SystemExit(
        f"Still processing after 20 minutes. Poll retrieve again later with queue_id={job['queue_id']}."
    )

Retrieve elimina el video almacenado al entregarlo, así que quita delete_media_on_completion si quieres descargarlo de nuevo.

Parámetros de la API

Queue

Campo	Tipo	Obligatorio	Descripción
`model`	string	Sí	ID del modelo Wan 3.0.
`prompt`	string	Sí	Hasta `prompt_character_limit` caracteres. En reference-to-video, refiérete a las entradas como `@Image1`, `@Video1` y `@Audio1`.
`duration`	string	Sí	Uno de los valores de `durations`. Al extender un clip, el clip más el nuevo metraje.
`aspect_ratio`	string	Sí	Uno de los valores de `aspect_ratios`.
`resolution`	string	No	Uno de los valores de `resolutions`. El valor predeterminado es `1080p`.
`audio`	boolean	No	Establécelo en `false` para obtener un clip sin pista de audio. El valor predeterminado es `true`.
`image_url`	string	Image-to-video	Primer fotograma, como URL o data URL.
`end_image_url`	string	No	Último fotograma, como URL o data URL. Solo image-to-video.
`reference_image_urls`	array of strings	Una imagen o un video, en reference-to-video	Imágenes de referencia, como URLs o data URLs.
`reference_video_urls`	array of strings	Una imagen o un video, en reference-to-video	Videos de referencia, como URLs o data URLs.
`reference_audio_urls`	array of strings	No	Audio de referencia, como URLs o data URLs. Solo reference-to-video, junto con una imagen o un video.

Retrieve

Campo	Tipo	Obligatorio	Descripción
`model`	string	Sí	`model` de la respuesta de queue.
`queue_id`	string	Sí	`queue_id` de la respuesta de queue.
`delete_media_on_completion`	boolean	No	Elimina el video almacenado cuando esta llamada lo devuelve. El valor predeterminado es `false`.

Errores

Estado	Endpoint	Cuerpo	Solución
`400`	queue	`Invalid request parameters`, con el motivo en `issues[].message`	Corrige el campo indicado en `issues[].path`. Se rechaza antes de cualquier cobro.
`400`	retrieve	`Invalid request parameters`	Los videos de referencia y `duration` suman más de 30 segundos. El cobro se reembolsa.
`400`	retrieve	`The image file is corrupted or unreadable`	No se pudo decodificar una imagen. El cobro se reembolsa.
`400`	retrieve	`Request ID is invalid.`	`queue_id` desconocido. Usa el de tu propia respuesta de queue.
`401`	queue, retrieve	`Authentication failed`	Revisa la clave en venice.ai/settings/api.
`402`	queue, retrieve	`Authentication required` más una oferta de pago x402	No se envió el encabezado `Authorization`.
`404`	queue, quote	`Specified model not found: ...`	El ID del modelo es incorrecto. El cuerpo sugiere coincidencias cercanas.
`404`	retrieve	`Upstream API error: 404`	El video ya se eliminó mediante `delete_media_on_completion`.
`422`	retrieve	`Video duration exceeds the maximum allowed.`	Un video de referencia dura más de 15 segundos, o los videos suman más que eso. El cobro se reembolsa.
`422`	retrieve	`Video duration is too short.`	Un video de referencia dura menos de 1 segundo. El cobro se reembolsa.
`422`	retrieve	`Audio duration exceeds the maximum allowed. Maximum is 30 seconds.`	Un clip de audio de referencia dura más de 15 segundos, o los clips suman más que eso. El límite es de 15 segundos, diga lo que diga el mensaje. El cobro se reembolsa.
`429`	queue, retrieve	Límite de solicitudes excedido	Queue permite 40 solicitudes por minuto y retrieve 120. Espera y vuelve a intentarlo.

Documentación

Primeros pasos

Texto y chat

Imagen

Vídeo

Audio

Búsqueda y RAG

Agentes e integraciones

Herramientas de código

Herramientas para agentes

SDK y frameworks

Elige un modelo

1. Obtén una cotización

2. Encola el trabajo

3. Consulta el estado y descarga

Si falla

Limpieza

Flujos de trabajo

Movimiento a partir de un clip

Una voz para el diálogo

Editar un clip

Extender un clip

Primer y último fotograma

Escribir prompts

Ejemplo completo

Parámetros de la API

Queue

Retrieve

Errores

Recursos relacionados

​Elige un modelo

​1. Obtén una cotización

​2. Encola el trabajo

​3. Consulta el estado y descarga

​Si falla

​Limpieza

​Flujos de trabajo

​Movimiento a partir de un clip

​Una voz para el diálogo

​Editar un clip

​Extender un clip

​Primer y último fotograma

​Escribir prompts

​Ejemplo completo

​Parámetros de la API

​Queue

​Retrieve

​Errores

​Recursos relacionados

Elige un modelo

1. Obtén una cotización

2. Encola el trabajo

3. Consulta el estado y descarga

Si falla

Limpieza

Flujos de trabajo

Movimiento a partir de un clip

Una voz para el diálogo

Editar un clip

Extender un clip

Primer y último fotograma

Escribir prompts

Ejemplo completo

Parámetros de la API

Queue

Retrieve

Errores

Recursos relacionados