Tomas continuas largas (2 s a 30 s) [Medido por nosotros]
Genera tomas continuas de 2 a 30 segundos por solicitud sin degradación temporal cuando se estructura con listas de planos temporizadas.

Wan 3.0 (`wan3.0-video`) es el modelo insignia de generación de vídeo multimodal de Alibaba, que ofrece renderizado nativo en 1080p, dinámica física completa, sincronización labial nativa en varios idiomas para diálogos y referencia de múltiples recursos de hasta 30 segundos por toma continua. Todas las métricas de rendimiento que aparecen a continuación reflejan pruebas directas de la API de DashScope realizadas por DXBuilder.

Genera tomas continuas de 2 a 30 segundos por solicitud sin degradación temporal cuando se estructura con listas de planos temporizadas.
Acepta hasta 10 imágenes, 5 clips de vídeo (≤15 s en total), 5 pistas de audio (≤15 s) y 1 documento (100 MB / 50 páginas) o enlace web por tarea de renderizado.
Sintetiza diálogos temporizados entre {llaves} con precisión verificada de sincronización labial en portugués europeo y dialectos regionales, además de efectos sonoros (SFX) atmosféricos.
Mapea con precisión logotipos y texturas de referencia en superficies dinámicas (bordados en tela, letreros de neón, brasas incandescentes) sin degradación gráfica.
Nuestras pruebas de benchmark confirman que escalar los recursos de referencia de 0 a 4 elementos no añade latencia adicional de renderizado en GPU.
La edición de vídeo basada en instrucciones, la extensión temporal encadenada de vídeo y la inyección de contexto mediante búsquedas web en directo siguen sin verificarse en producción.
| Parámetro de producción | Wan 3.0 (DashScope Directo) | Seedance 2.5 PRO |
|---|---|---|
| Duración máxima de toma única | 30 Segundos (Continuo nativo) [Medido] | Hasta 30 segundos por take |
| Resoluciones nativas | 480p · 720p · 1080p nativo (Sin escalado por IA) | 480p · 720p (1080p/4K vía Upscaling Topaz) |
| Motor de audio y diálogo | Lip-sync nativo + SFX ambientales + dialectos [Medido] | Generación de audio independiente / pipeline de post-sincronización |
| Duración de renderizado (toma de 30 s) | 33–46 min (720p) · 50 min (1080p) [Medido] | 2–5 min (pipeline rápido) |
| Capacidad de entrada multimodal | 10 imágenes + 5 vídeos + 5 audios + 1 doc/enlace | 50 imágenes de referencia + vídeo y audio de referencia |
| Coste por segundo (DXBuilder) | 7.5 cr/s (480p) · 15 cr/s (720p) · 30 cr/s (1080p) | 25 cr/s (480p) · 35 cr/s (720p) · descuento hasta -25% a los 30s |
Gatilho: Formatea los prompts con marcas de tiempo absolutas y etiquetas de diálogo explícitas: HARD CUT at Xs — [SCALE/ANGLE]: action {spoken dialogue}.
Regras: Los prompts en prosa continua generan 0–1 cortes en 15 s; las listas de planos temporizadas ejecutan de 4 a 12 cortes [Medido por nosotros].
Gatilho: Sube imágenes de referencia (identidad del sujeto, vestuario, parche de logotipo) y clips de audio con bloqueos de identidad explícitos.
Regras: Las fotos del sujeto deben ser nítidas y estar orientadas verticalmente (la rotación EXIF arruina la geometría facial). El número de recursos de referencia (0 a 4) no altera el tiempo de renderizado [Medido por nosotros].
Gatilho: Diseña y calibra la composición, la iluminación y el movimiento de cámara en renders de prueba de 5 segundos antes de lanzar los pases finales completos de 30 segundos en 1080p.
Regras: Ahorra más del 80 % del presupuesto de créditos durante la calibración del encuadre; pasa a 30 s/1080p solo una vez fijados los tiempos y el reconocimiento de recursos.
HARD CUT at 04:00 — MEDIUM SHOT: Actor turns to camera | HARD CUT at 09:00 — EXTREME CLOSE-UP: Hand grips copper dial.Character speaks directly into lens: {"Temos apenas três minutos antes da ignição."} [AUDIO: heavy mechanical hum, no background music][LOOK LOCK: overcast daylight 5600K, charcoal wool overcoat, wet cobblestone environment, muted cyan color grading]Real gravitational weight, splashing water droplets with inertia, cloth drag resistance, no floating, no weightless wire-work.[NEGATIVE: no superhero emblems, no commercial franchise logos, no copyright costumes, no smooth slide floating motion]Subject accelerates from right edge to center, occupying 40% vertical frame height, moving 35% horizontal distance per second.Escena temporizada de varios planos con sincronización labial nativa de diálogos, diseño de sonido ambiental y peso físico verificado [Medido por nosotros].
[LOOK LOCK: Moody neon-lit alley, wet asphalt, 35mm anamorphic, heavy rain]
00:00-00:04 MEDIUM TRACKING SHOT: Detective walks forward with heavy footsteps, rain dripping from brimmed hat.
00:04-00:09 HARD CUT — CLOSE-UP: Detective stops under amber streetlight, looks straight into lens, speaking firmly: {"Não há mais tempo para negociações. O navio já partiu do cais."}
00:09-00:15 HARD CUT — OVER-THE-SHOULDER WIDE: A black cargo boat vanishes into foggy harbor waters. Real gravitational water displacement, heavy splashes.
[AUDIO: continuous heavy rainfall, distant foghorn, crisp vocal dialogue, no background synth music]
[NEGATIVE: no floating, no weightless wire-work, no superhero emblems, no frozen locked-off camera]Secuencia completa de 30 segundos evaluada que demuestra la reproducción de logotipos de referencia en superficies físicas con dinámica de masa real [Medido por nosotros].
[LOOK LOCK: Blacksmith forge workshop, warm 3200K tungsten backlight, volumetric smoke and rising embers] 00:00-00:08 LOW ANGLE SLOW DOLLY IN: Blacksmith hammers glowing hot steel bar on iron anvil with heavy impact shocks. 00:08-00:16 HARD CUT — MACRO SHOT: Hammer strikes molten metal surface, embossing the DXBuilder geometric logo from @Image1 into glowing orange iron, sparking embers scattering with authentic physics. 00:16-00:24 HARD CUT — MEDIUM PROFILE: Blacksmith plunges the branded metal blade into cold water vat. Instant dense steam eruption and boiling fluid turbulence. 00:24-00:30 HARD CUT — CLOSE-UP HERO SHOT: Water drips off the engraved brand logo on dark Damascus steel, camera maintains subtle hand-held organic drift. [AUDIO: metallic anvil strikes, roaring forge fire, loud water quenching hiss, deep room tone] [NEGATIVE: no static frozen camera, no synthetic plastic texture, no franchise trademarks]

Los presets Premium usan el motor Seedance 2.5: subes una selfie y un director IA rueda un blockbuster de 3 actos contigo como protagonista. De 15 segundos a 1:30.
⚡ 2.5
⚡ 2.5
⚡ 2.5