Guía de prompts para Wan 3.0: videos coherentes de 30 segundos

Un buen prompt de Wan 3.0 se lee como un guión de producción compacto, no como un montón de adjetivos visuales. Define el mundo y el sujeto una sola vez, divide la acción en tiempos marcados, dale a la cámara un solo trabajo claro en cada momento, y escribe el sonido que realmente quieres. Esa estructura se vuelve más importante conforme el clip se acerca al límite de 30 segundos de Wan 3.0.^[1]

Esta guía de prompts de Wan 3.0 se enfoca en instrucciones controlables en lugar de "palabras mágicas". Ningún template puede garantizar identidad, sincronización exacta, texto legible o continuidad física. Sin embargo, puede eliminar contradicciones y hacer que un take fallido sea mucho más fácil de diagnosticar.

TL;DR

Comienza con formato, duración e intención en una sola frase.
Asegura el sujeto, escenario, iluminación y reglas de continuidad antes de la línea de tiempo.
Dale a cada tiempo marcado una sola acción principal y una instrucción de cámara.
Nombra referencias por posición: Image1, Video1, Audio1 en Prime API; Wan 3.0 estándar usa su sintaxis de referencia posicional documentada.
Describe diálogos, ambiente, efectos y silencios explícitamente cuando el audio está habilitado.
Revisa un fallo a la vez en lugar de hacer el prompt entero más largo.

Anatomía del prompt de Wan 3.0, desde intención y mundo hasta tiempos marcados, cámara, sonido y fotograma final

La fórmula del prompt de Wan 3.0

Usa cinco bloques. No necesitan etiquetas en el prompt final, pero mantenerlos separados mientras redactas hace visibles las omisiones.

1. Intención: formato, duración, relación de aspecto y el sentido del video
2. Mundo: escenario, tiempo, clima, tratamiento visual y ambiente sonoro
3. Anclas: personas recurrentes, objetos, vestuario y detalles innegociables
4. Línea de tiempo: rangos de tiempo ordenados con acción y dirección de cámara
5. Límites: qué debe permanecer sin cambios y qué no debe aparecer

Los tres primeros bloques describen el mundo estable. La línea de tiempo describe qué cambia. Mezclar ambos en cada oración produce repetición y a menudo crea pequeñas contradicciones: el abrigo se convierte en una chaqueta, el amanecer se convierte en atardecer, o una cámara fija comienza a orbitar a mitad del mismo tiempo.

Empareja el número de tiempos con la duración

Un clip de cinco segundos puede llevar una acción. Un clip de 30 segundos necesita progresión, pero no necesariamente una docena de cortes. Dale a cada tiempo suficiente para que el sujeto y la cámara completen lo que pediste.

Duración	Forma inicial útil	Enfoque típico del prompt
2–6 segundos	Un tiempo	Una acción, un movimiento de cámara
7–15 segundos	Dos a cuatro tiempos	Presentación, acción, conclusión
16–30 segundos	Cuatro a siete tiempos	Progresión clara con transiciones

Estos son puntos de partida editorial, no límites del modelo. Un empuje tranquilo de 30 segundos a través de una habitación vacía puede necesitar una instrucción sostenida. Una película de productos rápida puede necesitar seis tiempos cortos. El contenido establece la cantidad.

Los rangos de tiempo también comunican orden; no son puntos de edición de fotograma exacto. Escribe 0–5s, 5–11s y 11–18s para mostrar secuencia, luego espera que algo de movimiento comience temprano o se establezca tarde. Si un corte debe ocurrir en un fotograma exacto, termina la sincronización en un editor de video.

Un prompt completo de Wan 3.0 de 30 segundos

El siguiente ejemplo es deliberadamente específico sin convertirse en una lista de jerga de cámara. Lleva una sola persona, un solo lugar y una sola tarea física a través del clip completo.

Formato: escena cinematográfica de documental de 30 segundos, 16:9, una mañana continua.

Escenario y tono: un pequeño taller de reparación costera al amanecer. Luz diurna azul fría
entra a través de ventanas con vetas de sal; dos lámparas de trabajo tibias permanecen
encendidas. Fotografía natural y contenida con madera desgastada, herramientas oxidadas,
hormigón húmedo y sin estilos comerciales brillantes. Surf tranquilo afuera, tono de sala
suave, contacto ocasional de metal; sin música ni diálogos.

Anclas de continuidad: la misma mujer de finales de cincuenta años en todo el video, cabello
corto plateado, mono azul marino oscuro con un parche naranja cosido, botas de trabajo
marrones. El mismo reloj de marea mecánico rojo permanece en el banco central. Mantén su
ropa, cara, disposición del taller, forma del reloj y dirección de la luz de la ventana sin
cambios.

0–5s: vista estática ancha desde la puerta. Cruza el taller llevando el reloj de marea rojo y
lo coloca en el banco central. Deja que la habitación se establezca antes de que la cámara se
mueva.

5–11s: empuje lento hacia un plano medio mientras abre la placa trasera del reloj. Sus manos
se mueven cuidadosamente; pequeños tornillos se colocan en una bandeja de metal poco profunda.

11–18s: vista de sobre el hombro en primer plano. Limpia un engranaje corroído con un cepillo
estrecho, lo gira una vez, luego se detiene cuando se atasca. Un rasguño suave y un solo
clic de metal se sincronizan con el movimiento.

18–24s: movimiento lateral suave hacia su perfil. Ajusta el engranaje, cierra el mecanismo y
gira el reloj hacia arriba. Mantén las posiciones del banco y la ventana consistentes en el
movimiento.

24–30s: primer plano medio. La aguja del reloj comienza a moverse. Ella escucha, exhala y da
una pequeña sonrisa privada mientras la cámara se detiene. Termina en el reloj y su mano
descansando junto a él; mantén la composición final durante dos segundos.

Evita: personas adicionales, cambios de vestuario, ventanas móviles, herramientas nuevas
apareciendo, destellos de lentes dramáticos, subtítulos, logos, narración o música de fondo.

El prompt tiene un arco: llevar, abrir, diagnosticar, reparar, confirmar. Cada tiempo se gana su lugar. Si el resultado se apresura, elimina una acción antes de agregar más lenguaje de tiempo.

Escribe la dirección de cámara como comportamiento, no como decoración

Los términos de cámara ayudan cuando cambian lo que el espectador ve. "Cinematográfico, épico, dinámico" dice poco. "Empuje lento desde una vista de puerta ancha a un plano hasta la cintura" define posición, dirección, ritmo y destino.

Las instrucciones de cámara útiles generalmente contienen dos o tres de estos elementos:

encuadre: ancho, medio, primer plano, vista aérea;
movimiento: fijo, pan, tracking, empuje, retroceso, órbita;
velocidad: lento, ritmo de caminata, repentino, sostenido;
relación: seguir detrás, mantener a la altura de los ojos, mantener el producto centrado;
estado final: terminar en la cara, revelar la habitación, mantener la última composición.

Evita apilar instrucciones incompatibles en un mismo tiempo. Un disparo fijo de trípode no puede también hacer una órbita manual. Un primer plano macro no puede preservar una vista de cuerpo completo en el mismo momento. Si ambas vistas importan, dales rangos de tiempo separados.

Los prompts de referencia deben asignar trabajos a los activos

Wan 3.0 acepta imágenes, videos y audio de referencia, mientras que sus modos de documento y página web pueden usar material de fuente estructurado.^[2] El prompt debe explicar qué controla cada activo en lugar de simplemente adjuntar todo lo disponible.

Usa Image1 para la cara y cabello del artista. Usa Image2 solo para la lluvia impermeable
verde y sus sujetadores plateados. Usa Video1 para el ritmo de caminata, no para la
ubicación o ángulo de cámara. Usa Audio1 como referencia de voz para la única línea en los
12–15 segundos. Preserva el taller de la imagen del primer fotograma.

El número de referencias no es un objetivo de calidad. Dos imágenes con trabajos distintos suelen ser más fáciles de razonar que diez casi-duplicados con iluminación y vestuario diferente. Elimina una referencia si no puedes terminar la oración "usa esto para…".

El modo de fotograma y el modo de referencia son también instrucciones diferentes. Un fotograma inicial define dónde comienza el clip. Una imagen de referencia guía identidad o apariencia sin prometer esa composición de apertura exacta. Elige el modo antes de escribir el movimiento.

El audio necesita su propia línea en el guión

Wan 3.0 puede generar una pista de audio de forma predeterminada, pero una descripción visual no especifica si la escena debe contener diálogos, música, efectos o silencio. Escribe esas opciones claramente.

Débil:

Escena callejera cinematográfica con sonido inmersivo.

Más fuerte:

Ambiente de calle nocturna natural: autobuses distantes, un timbre de bicicleta mientras el
ciclista pasa frente a la cámara, lluvia ligera en el toldo. Sin música, sin narración, sin
diálogos.

Para diálogos, mantén la línea lo suficientemente corta para el tiempo asignado e identifica al hablante. Pide el delivery emocional por separado de las palabras. Revisa el resultado para pronunciación, sincronización labial, distorsión, voz no deseada y una cama de sonido que cambia entre planos.

Cómo reparar un prompt después de un take fallido

No respondas a cada fallo agregando adjetivos. Identifica el primer lugar donde la salida se desvió, luego cambia el bloque relevante más pequeño.

Fallo	Primera revisión a intentar
Identidad se desvía	Elimina referencias conflictivas; acorta el plano; reafirma un ancla de identidad
Acción se apresura	Reduce el número de acciones o alarga ese tiempo
Cámara ignora dirección	Mantén un movimiento y define su encuadre inicial/final
Objetos aparecen o desaparecen	Lista los objetos esenciales una vez y agrega un límite de continuidad
Audio es genérico	Nombra ambiente, efectos, diálogos, música y silencio por separado
El final parece inacabado	Reserva los últimos dos o tres segundos para un estado final claro
El texto está mal escrito	Evita generar tipografía crítica; agrega texto verificado en post-producción

Cambia una variable por reintentos cuando sea posible. Si reescribes el sujeto, línea de tiempo, cámara y sonido de una vez, una salida mejor no te enseña nada sobre cuál corrección funcionó.

El costo importa durante este ciclo. Wan 3.0 estándar actualmente comienza a una tarifa por segundo más baja que Video Prime, y 480P es más barato que 720P o 1080P. Redacta versiones cortas o de baja resolución antes de comprometerte con una final de 30 segundos. Ve la guía de precios de la API de Wan 3.0 para ejemplos actuales.

Una lista breve de verificación del prompt

Antes de enviar, lee el prompt una sola vez buscando conflictos en lugar de detalles.

¿Es la duración lo suficientemente larga para cada acción?
¿Tiene cada tiempo una sola acción principal del sujeto?
¿Puede la cámara realizar físicamente la instrucción?
¿Se describe el sujeto, vestuario y ubicación recurrentes de manera consistente?
¿Tiene cada referencia un trabajo nombrado?
¿Se especifican diálogos, efectos, ambiente, música y silencio?
¿Es clara la composición final?
¿Le pediste al modelo que preserve cualquier texto o logo que debería agregarse en post-producción en lugar de eso?

Si las respuestas son claras, el prompt está listo. Más palabras no son automáticamente más control.

FAQ

¿Qué tan largo puede ser un prompt de Wan 3.0?

El campo de solicitud de reAPI acepta hasta 20.000 caracteres. Ese es un techo técnico, no un objetivo. Un guión conciso y sin contradicciones generalmente es más fácil de depurar que un prompt largo que repite la misma idea.

¿Debería un prompt de 30 segundos incluir marcas de tiempo?

Generalmente sí, cuando el clip contiene varias acciones ordenadas. Las marcas de tiempo muestran secuencia y ritmo, pero no deben tratarse como puntos de edición de fotograma exacto.

¿Admite Wan 3.0 prompts negativos?

El schema actual de video de Wan 3.0 de reAPI no expone un campo negative_prompt separado. Pon exclusiones importantes en una línea corta de Evita: al final del prompt positivo.

¿Puede el mismo prompt ejecutarse en Wan 3.0 Video Prime?

Sí, el guión creativo se transfiere. El payload de API no se transfiere sin cambios: Prime y Wan 3.0 estándar usan diferentes nombres de campos de media y relación de aspecto.

¿Cuántas referencias debería usar?

Usa tantas como el guión necesite, hasta los límites documentados. Cada referencia debe tener un rol distinto. Las casi-duplicadas adicionales pueden introducir pistas de iluminación, vestuario o composición conflictivas.

Conclusión

El prompt de Wan 3.0 más útil es un pequeño plan de producción: un mundo estable, un flujo de eventos ordenado, comportamiento de cámara deliberado y sonido explícito. Dale a los clips más largos espacio para desenvolverse, mantén las referencias con roles específicos, y revisa el primer fallo visible en lugar de rellenar el prompt entero. Cuando el tiempo de entrega es la restricción, el mismo guión puede ejecutarse a través de la API de Wan 3.0 Video Prime.

References

Alibaba Cloud. Wan 3.0: 30-Second AI Video Generation from Any Input. Retrieved August 26, 2026 from alibabacloud.com/blog/wan3-0-30-second-ai-video-generation-from-any-input_603452
reAPI. Wan 3.0 API documentation: input modes, media limits, duration, audio, and request fields. Retrieved August 26, 2026 from reapi.ai/docs/wan-3-0
Alibaba Cloud Model Studio. Wan 3.0 Video Generation: native 30-second output and omni-reference workflows. Retrieved August 26, 2026 from modelstudio.console.alibabacloud.com/model-releases/wan3.0-video