Como usar o Wan 3.0 para gerar vídeo com IA (2026): prompt, câmera e créditos

Wan 3.0 na Moosky, direto ao ponto: é o motor de movimento — câmera que parece operada por um operador de verdade, física que convence, plano-contínuo de até 30 segundos com áudio nativo na mesma corrida. Escolha a rota antes de escrever o prompt: Wan 3.0 T2V/FFLF para texto, quadro inicial e interpolação primeiro/último quadro; Wan 3.0 R2V quando o visual vem das suas referências. Rascunhe tudo no default barato (480P, 5 s: 49 créditos), corrija os verbos de câmera e só então pague o 1080P uma vez — a grade completa está aqui, copiada do próprio código de cobrança do composer.

Existem takes que dependem de pose e iluminação, e takes que dependem de movimento. Os primeiros qualquer motor entrega; os segundos são o território do Wan 3.0: o travelling que precisa de aceleração, o soco que precisa de peso, os vinte segundos de plano-sequência em que a maioria dos modelos desmorona no oitavo. Ele roda texto-para-vídeo, imagem-para-vídeo a partir de um quadro inicial e interpolação entre primeiro e último quadro, até 30 s em 1080p, com voz, ambiente e trilha saindo na mesma corrida. Também é um dos composers de custo médio-alto da Moosky — e o motivo pelo qual tanta gente desiste antes da primeira geração é susto de crédito, não decepção de qualidade. Este guia é o fluxo inteiro com o preço de cada etapa na mesa antes do primeiro clique.

Todos os números vêm do próprio código de cobrança dos composers no repositório da Moosky. Crédito é a moeda da casa a um câmbio fixo de 100 créditos = US$1, comprado em pacotes, sem assinatura.

Perguntas rápidas

Como usar o Wan 3.0 para gerar vídeo com IA? Quatro passos no mesmo composer: decida primeiro a rota (T2V/FFLF para texto e quadros-chave, R2V para referências), trave resolução, duração e orientação antes do prompt, rascunhe tudo em 480P a 49 créditos os 5 segundos ajustando verbos de câmera e física, e pague o re-run em 1080P uma única vez, para o take já aprovado. O composer cotiza o número exato antes de despachar, e corrida com falha de provedor é estornada.

Quanto custa um vídeo com o Wan 3.0? Dez créditos de base mais um nível por segundo que depende só de resolução e duração: 49 o rascunho default (5 s em 480P), 241 os 30 segundos inteiros em 480P, 934 os 30 segundos inteiros em 1080P. A 100 créditos = US$1, o rascunho sai por quarenta e nove centavos e o plano-herói de 30 segundos, por US$9,34.

O que é o modo FFLF do Wan 3.0? First-Last-Frame: você sobe um quadro de abertura e um de encerramento e o prompt descreve a travessia entre os dois — expressão, ação, câmera, luz — enquanto a identidade se mantém. É o modo dos antes/depois e dos loops de produto. Um quadro final sem quadro inicial é rejeitado pelo composer.

O Wan 3.0 gera áudio? Sim: voz, ambiente e trilha saem nativos na mesma corrida, e o preço não muda com o toggle ligado ou desligado. Diálogo entre aspas é preservado palavra por palavra; o lip-sync quadro a quadro é o calcanhar de aquiles documentado. Se o seu rascunho não tem fala, escreva "No dialogue." — sem essa linha, o modelo inventa.

Quando usar a rota R2V em vez da T2V? Quando o visual vem de material seu: personagem, objeto, estilo ou voz presos a referências (até 10 imagens, 5 clipes e 5 faixas de áudio soltas) se trabalham no composer R2V, porque a rota T2V/FFLF não mistura quadros com material de referência.

No que o Wan 3.0 é forte — e onde ele tropeça

Na Moosky o motor é o wan3.0-video via DashScope, exposto em dois composers:

• Wan 3.0 (T2V / FFLF) — texto-para-vídeo, ou imagem-para-vídeo a partir de um quadro inicial com um quadro final opcional para interpolar até ele. É o protagonista deste guia.
• Wan 3.0 (R2V) — referência-para-vídeo: você ancora personagem, objeto, estilo e voz subindo até 10 imagens, 5 clipes e 5 faixas de áudio soltas. A rota T2V/FFLF não aceita esse material misturado com quadros, então trabalho com referência vai para o guia r2v em português.

O que a documentação do próprio composer aponta como forte: controle de primeiro/último quadro, vocabulário de movimento e de câmera, áudio nativo de saída e narrativa de 30 segundos numa passada só — o motor prefere clipes de 16 a 30 segundos justamente para esse fôlego, raro num mercado em que quase todos desabam perto dos 10.

As limitações documentadas, para você não esbarrar nelas no meio do projeto:

• Boca no tempo exato de uma palavra é imprevisível. A fala citada sai literal, mas a textura do áudio ainda amadurece. Se o entregável é lip-sync quadro a quadro, o LTX continua sendo a opção mais barata de apresentador falante.
• Texto na tela é aproximado. Não monte um plano em torno de manchete, rótulo ou logo legível.
• Quadro final sem quadro inicial é inválido. O modo entrada/saída exige os dois.

A conta de créditos antes do primeiro clique

Cada corrida consome uma base de 10 créditos mais um valor por segundo que depende da resolução, arredondado para cima a cada segundo. O composer mostra a cotação exata antes de qualquer coisa rodar, e corrida que falha por erro de provedor volta para o saldo. A grade completa, calculada sobre as constantes de preço do composer:

Créditos, a 100 créditos = US$1 (o câmbio em dólar clipe por clipe está em quanto custa um vídeo com IA). Três leituras dessa tabela:

1. O default que aparece primeiro é barato de propósito. O composer abre em 480P, 5 segundos: 49 créditos.
2. Resolução é o multiplicador. 720P custa o dobro da 480P por segundo; 1080P, o dobro de novo. Um plano-contínuo de 30 segundos em 1080P são 934 créditos — decisão de produção, não teste de ideia.
3. Segundo é o que se cobra, então rascunho custa pouco e final custa muito. O fluxo abaixo inteiro é construído sobre essa assimetria. O toggle de áudio não altera a cotação — o áudio nativo custa igual ligado ou desligado.

Passo 1 — Abra o composer e trave o que é estrutural

Entre no composer do Wan 3.0 e defina resolução, duração e orientação antes de escrever uma palavra de prompt. A cotação ao vivo é calculada contra essas escolhas (paisagem, vertical e quadrado existem em cada degrau), então você sempre sabe o preço de um plano enquanto decide se ele merece ser feito. Rascunhe em 480P.

Passo 2 — Escreva o prompt na gramática do motor

O Wan 3.0 não expande prompt — o que você digita É o prompt, em linguagem natural (inglês ou chinês, até 20.000 caracteres). A orientação do composer define três molduras conforme o modo:

Texto-para-vídeo: entidade + cena + movimento, mais câmera e som. A forma oficial é sujeito + ambiente + movimento + qualidade cinematográfica + câmera, e o controle estético vem dos termos de fonte de luz, enquadramento, ângulo, lente e movimento.

O cavaleiro esporeia o animal, lama espirrando dos cascos no galope. Luz cálida de fim de tarde, profundidade de campo rasa, plano médio, câmera acompanha o movimento para a esquerda.

Declare a física no espaço do movimento em vez de esperar que um termo de câmera a carregue — o Wan 3.0 entrega causa-e-efeito quando você a nomeia.

Só quadro inicial (imagem-para-vídeo): a imagem já responde por entidade, cena e estilo. Seu prompt é movimento + câmera — não repita a aparência estática, salvo um detalhe que deva sobreviver. Os sinais de câmera que o modelo respeita: "camera pushes in", "camera pans right", "fixed camera" — escreva-os em inglês, a variante com mais exemplos de câmera no treinamento.

Quadro inicial + final (FFLF): descreva a travessia do primeiro quadro até o último — expressão, ação, câmera, luz — com a identidade travada. A forma oficial é mudança gradual de expressão, mais push-in de câmera, mais deslocamento de luz. É o modo dos antes/depois e dos loops de produto que precisam fechar num quadro específico.

Som é parte do prompt, não enfeite final: falas entre aspas mais emoção, tom, velocidade e timbre. Duas frases evitam as surpresas mais caras — escreva "No dialogue." se o rascunho não tem fala (sem ela o modelo inventa linhas) e "No background music." se você não quer que ele pontue o clipe sozinho.

Clipe com cortes, estruture: uma descrição geral e depois Shot 1 [0–3 s] ..., Shot 2 ... com carimbo de tempo. Para plano-sequência contínuo, escreva "Generate single shot." em vez de fingir cortes que o modelo vai tentar atuar.

Passo 3 — Rascunhe em 480P e assista como editor

A primeira passada é em 480P: 49 créditos no default de 5 segundos, 126 nos 15. Julgue quatro coisas, cada uma com correção de uma linha:

• A câmera não é a sua. Você pôs "cinematic" e ele inventou um travelling. Nomeie o verbo (push in, pan, truck, arc, tracking, static) e a velocidade, ou trave-o com um quadro final.
• A física não fechou. A colisão ou o arremesso que tinha que acontecer não aconteceu. Torne-a explícita no espaço do movimento — "the horse gallops, mud flies off the hooves on impact" ganha de "action scene".
• Inventou fala ou trilha. Acrescente a linha "No dialogue." / "No background music.".
• O plano longo descambou. Passados uns 15 segundos uma única geração pode derivar do quadro de abertura. Acrescente um quadro final que force o retorno, ou parta o conceito em dois clipes.

Itere aqui até o take estar 90% certo. Cada ajuste em 480P custa migalhas; o mesmo ajuste em 1080P custa quatro vezes mais e não ensina nada novo.

Passo 4 — Escale só o take aprovado

Take aprovado = mesmo prompt, mesmos quadros, agora em 720P ou 1080P. Um herói de 15 segundos em 1080P são 472 créditos; o plano-contínuo de 30 segundos em 1080P, 934. Um plano que não justifica 472 créditos também não justificava ter sido aprovado em 480P. Corridas que falham por erro de provedor estornam sozinhas, então uma escalada que esbarra num erro lá do fornecedor não custa nada repetir. A exportação sai sem marca d'água por default (o toggle existe para exigência de conformidade, fica desligado, e o preço é o mesmo nos dois estados).

O caso do relógio: um reveal de produto de 12 segundos, com a conta inteira

1. Produza um still limpo de abertura e um still limpo de encerramento (o quadro final que você quer).
2. Abra o composer do Wan 3.0, carregue os dois quadros, marque 480P e 12 segundos: 103 créditos.
3. Prompteie a travessia: "The watch rotates slowly on the pedestal, light sweeping across the bezel; camera pushes in from three-quarter to macro. Soft room tone, no background music."
4. Refaça duas vezes em 480P até a varredura de luz pousar no lugar certo (309 créditos no total).
5. Re-renderize o prompt aprovado em 1080P para o corte heroico: 380 créditos. Projeto inteiro: uns 689 créditos. Explorar desde o começo em 1080P teria custado 1.140.

Repare o que essa sequência compra: a diferença entre 689 e 1.140 créditos não é melhor gosto, é ordem. O ensaio caro deixa de existir se o ensaio barato vier antes.

Quando NÃO usar o Wan 3.0

O preço pune a escolha errada ainda mais do que a qualidade:

• Diálogo com lip-sync crítico — LTX (o apresentador falante mais barato) ou MiniMax H3 (boca no tempo da fala, documentado no guia r2v).
• Personagem, objeto ou amostra de voz presos a referências — o composer Wan 3.0 R2V, não este.
• Iteração barata de clipe curto falado — MiniMax é a pechincha documentada abaixo de 15 segundos.
• Ação cinética pesada — Seedance segue sendo o premium de troca de soco e perseguição.

Ainda escolhendo motor? O mapa honesto dos cinco nomes do ano está na comparativa melhores modelos de vídeo com IA de 2026. Se o seu plano nasce de uma foto e não de um prompt, o guia image-to-video cobre o padrão de travar o primeiro quadro entre motores. Lê em espanhol? A gêmea do mesmo fluxo foi escrita nativa para o público latino com o caso do relógio: Cómo usar Wan 3.0 para generar video con IA. E o original em inglês, com a forma oficial do prompt citada ao pé da letra, está em Wan 3.0 AI Video Workflow.

Perguntas frequentes

Quantos créditos custa um vídeo com Wan 3.0? Dez de base mais o nível por segundo conforme resolução e duração: 49 créditos no default que você vê primeiro (5 s em 480P), 241 nos 30 s completos em 480P, 934 nos 30 s completos em 1080P. A cotação exata aparece no composer antes do despacho, e corrida com falha de provedor é estornada.

Quanto custa o crédito em dólar? 100 créditos = US$1, fixo, comprado em pacotes — não existe assinatura. O rascunho de 49 créditos sai por quarenta e nove centavos; o clipe de 30 segundos em 1080P (934) fecha em US$9,34.

Por que minha geração falhou sem renderizar nada? A causa mais comum nessa superfície é saldo abaixo da cotação: o despacho é conferido contra seus créditos antes de o provedor ver o trabalho, então um saldo raso derruba a escalada em 1080P que o rascunho em 480P teria passado. Compare a cotação com seu saldo, ou baixe o degrau de resolução, antes de repetir. O cadastro entrega 10 créditos de boas-vindas justamente para ler a cotação sem compromisso.

Posso controlar o primeiro e o último quadro do mesmo clipe? Sim — isso é o FFLF: suba os dois quadros e prompteie a travessia entre eles. Quadro final sem quadro inicial o composer rejeita.

O Wan 3.0 gera áudio mesmo? O áudio nativo de saída (voz, ambiente, trilha) vem ligado por default e custa o mesmo ligado ou desligado. Fala entre aspas é preservada ao pé da letra; lip-sync quadro a quadro é o ponto fraco documentado.

Tem marca d'água? Não. O toggle existe para quando a conformidade pedir, mas ele vem desligado e não altera o preço.

Qual é o caminho mais barato até um bom clipe de 30 segundos? Nunca explore no degrau do entregável. Rascunhe em 480P (241 créditos pelos 30 segundos inteiros), itere até o vocabulário de movimento e câmera segurar, e só então pague o re-run em 1080P (934) exatamente uma vez — para o take que você já sabe que funciona.

Teste com o preço na tela

O fluxo só fica honesto quando o número aparece antes do compromisso, e o composer do Wan 3.0 cotiza cada geração adiantado: 49 créditos no primeiro rascunho, até 934 na versão completa de 30 segundos em 1080P. Wan 3.0 e Wan 3.0 R2V são os dois composers — referência vai no segundo, e a mecânica completa dela está no guia r2v em português. Quem chegou aqui procurando o gerador de vídeo certo para o público brasileiro encontra o ranking lado a lado dos motores na página melhor gerador de vídeos com IA. A calculadora clipe por clipe, com o mapa de motores e a política de estorno, está em quanto custa um vídeo com IA — e a escolha de motor começa na comparativa melhores modelos de vídeo com IA de 2026.