API de documento a vídeo: PDF, PPT, XLS, DOCX y página web

Wan 3.0 puede tomar un PDF, PPT/PPTX, XLS/XLSX, DOC/DOCX, archivo de texto o Markdown—o una página web pública—como referencia para un vídeo de 2 a 30 segundos. El límite de documento es 100 MB y 50 páginas. Esto es útil para vídeos de concepto y resúmenes, pero es interpretación generativa, no una exportación PowerPoint fiel a píxeles.^[1]

Esa última distinción te ahorra muchas expectativas fallidas. Si necesitas cada diapositiva, etiqueta de gráfico y oración reproducidas exactamente, renderiza la presentación tú mismo. Si necesitas un modelo que lea material de origen y lo convierta en un tratamiento visual breve, documento-a-vídeo es el trabajo correcto.

Tipos de entrada de documento y enlaces compatibles

La API actual de Wan 3.0 acepta uno de lo siguiente:

Usa file_url para un documento y link_url para una página web. Son mutuamente excluyentes; enviar ambas se rechaza antes de la generación.^[1]

Las URL deben ser enlaces HTTP(S) públicos. Una ruta como /Users/me/report.pdf, un enlace privado de Google Drive, o una página tras un login no pueden ser obtenidas por el modelo.

Una solicitud mínima de PDF-a-vídeo

Sube el documento al almacenamiento primero, luego envía su URL:

curl -X POST https://api.reapi.ai/api/v1/videos/generations \
  -H "Authorization: Bearer $REAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan3.0-video",
    "file_url": "https://files.example.com/q3-product-brief.pdf",
    "prompt": "Create a 20-second product launch concept. Keep the three claims and the product color from the brief. Use four clear scenes and restrained on-screen text.",
    "resolution": "720P",
    "duration": 20,
    "audio": true
  }'

La respuesta es asincrónica e incluye un id de tarea. Consulta GET /api/v1/tasks/{id} hasta que el estado sea completed; el MP4 aparece en output.video_urls.^[1]

A la tarifa actual de 720P de $0.076 por segundo, la solicitud de 20 segundos es de $1.52. El tamaño del documento no añade una segunda unidad de facturación. La resolución y la duración de salida determinan la tarifa pública.^[2]

Página-web-a-vídeo usa el mismo modelo

Reemplaza file_url con link_url:

{
  "model": "wan3.0-video",
  "link_url": "https://example.com/products/travel-backpack",
  "prompt": "Make a 15-second vertical product story. Use only features stated on the page. Show the opening, laptop sleeve, and carry-on fit in that order.",
  "size": "9:16",
  "resolution": "720P",
  "duration": 15
}

Público significa recuperable sin cookies, autenticación solo JavaScript, VPN de empresa, o login específico de región. Una página que se carga en tu navegador aún podría ser inaccesible para un buscador remoto.

Dale al modelo una instrucción editorial, no "haz un vídeo"

Un documento describe más de lo que un vídeo de 30 segundos puede mostrar. El prompt tiene que decirle al modelo qué preservar y qué tipo de edición hacer.

Un prompt útil responde cinco preguntas:

1. ¿Quién es la audiencia?
2. ¿Qué una afirmación debe sobrevivir?
3. ¿Qué hechos o activos visuales deben usarse?
4. ¿Cuál debe ser el orden de escenas?
5. ¿Qué no debe ser inventado?

Para un informe financiero, por ejemplo:

Create a 25-second internal update for employees. Open with revenue growth,
then show the two regions responsible, and finish on the stated Q4 priority.
Do not invent customer names, forecasts, or percentages. Read numbers exactly
as written. Use charts as visual references rather than recreating their labels.

Esto no garantiza números perfectos en píxeles generados. Reduce ambigüedad y da a los revisores una lista de comprobación de aceptación.

Cuándo extraer el documento tú mismo primero

La entrada directa de documentos es rápida, pero preprocesar es mejor cuando:

• toda afirmación debe aprobarse antes de la generación;
• el documento contiene páginas sensibles que no deben enviarse;
• solo dos párrafos son relevantes;
• el vídeo deseado es más largo que 30 segundos;
• un guión, lista de tomas, y voiceover necesitan revisión separada;
• la fuente contiene tablas densas que deben aparecer exactamente.

En esos casos, extrae el texto aprobado, escribe un plan de escenas, y envía el prompt final más un pequeño conjunto de referencias visuales. El paso extra crea una pista de auditoría estable y previene que un apéndice irrelevante dirija la salida.

Los documentos pueden combinarse con media de referencia

La familia de referencias de Wan 3.0 también acepta hasta diez imágenes, cinco vídeos de referencia cortos, y cinco clips de audio. Un resumen de producto puede proveer los hechos mientras imágenes definen el producto y un clip corto define el movimiento deseado.^[1]

Mantén el conjunto pequeño. Diez imágenes que discrepan en color o forma son peor que tres vistas claras. Nombra los activos importantes en el prompt y explica su papel.

Trata documentos remotos como datos que salen de tu sistema

Documento-a-vídeo es conveniente porque el modelo puede obtener e interpretar un archivo. Ese mismo comportamiento significa que el archivo se envía a un servicio alojado. Antes de envío, clasifica la fuente y quita cualquier cosa que el vídeo no necesita.

Lista de comprobación de preprocesamiento seguro:

• borra diapositivas ocultas, notas del orador, cambios rastreados, y apéndices;
• exporta solo la hoja de trabajo aprobada o rango de página;
• reemplaza nombres de cliente e identificadores internos cuando no son esenciales;
• confirma que una URL firmada caduca lo suficientemente tarde para el trabajo asincrónico;
• evita una URL permanente pública para material confidencial;
• retén la versión exacta de la fuente usada para generar el vídeo.

El límite API de 50 páginas es un máximo, no una recomendación. Un extracto aprobado de tres páginas da al modelo un resumen más claro y expone menos información que un deck de junta de 50 páginas.

Añade una revisión de hechos tras la generación

El documento de origen puede guiar contenido, pero el vídeo sigue siendo media generada. Revísalo contra una corta hoja de hechos en lugar de solo ver la calidad visual.

Si el texto exacto importa, renderízalo como una superposición determinista tras la generación de vídeo. Pedir "la misma tabla mostrada en la hoja de cálculo" no garantiza celdas de tabla correctas en los píxeles.

Divide material de origen largo en una serie de vídeo

Treinta segundos no es suficiente para cubrir un manual de producto, informe trimestral, o curso completo. Evita comprimir cada sección en un clip apresurado. Divide la fuente en afirmaciones independientes y dale a cada una un extracto aprobado y un resumen visual.

Por ejemplo, una página de producto podría volverse tres vídeos: el problema y audiencia, el flujo de trabajo principal, y configuración o precios. Cada solicitud permanece trazable a una pequeña parte de la fuente. La serie también crea criterios de aceptación más limpios y permite que una sección fallida sea regenerada sin pagar por el resto.

La división debe seguir intención del lector, no paginación de documentos. Las diapositivas 1-10 rara vez son un episodio significativo por sí mismas.

Puntos de fallo comunes

La lista de campo completa está en la documentación de API de Wan 3.0, y la tarifa actual está en la página de modelo de Wan 3.0.

Referencias

1. reAPI Wan 3.0 API documentation, accessed August 23, 2026.
2. reAPI Wan 3.0 model and pricing page, accessed August 23, 2026.
3. Alibaba Cloud, "Wan 3.0: 30-Second AI Video Generation from Any Input", 2026.