O Wan é a família de modelos de IA da Alibaba para geração de vídeo. Você entra com um prompt de texto, uma foto ou clipes de referência, e ele devolve um vídeo pronto. Desde o Wan 2.5, ele também gera música, efeitos sonoros e diálogo com sincronia labial na mesma geração. O modelo mais novo, o Wan 3.0, foi lançado em agosto de 2026 e cria clipes de até 30 segundos em 1080p.
Neste guia, você vai ver de onde o Wan veio, o que muda de uma versão para outra, quais são de código aberto, o que dá para usar de graça e como começar hoje mesmo.
O que é o Wan AI?
O Wan é um conjunto de modelos generativos da Alibaba que cria vídeos, e também imagens, a partir de texto, imagens, áudio e vídeo. O nome completo em chinês é Tongyi Wanxiang (通义万相), algo como “dez mil formas”. Os primeiros materiais em inglês às vezes abreviavam para Wanx. Hoje, “Wan”, “Wan AI” e “Wan video” são nomes da mesma família.
Três coisas diferenciam o Wan de outros geradores de vídeo com IA:
- Raízes no código aberto. A Alibaba liberou o Wan 2.1 e o Wan 2.2 com pesos abertos, sob a licença Apache 2.0. Eles viraram a base de boa parte das ferramentas de vídeo da comunidade, dos workflows do ComfyUI e dos fine-tunes.
- Som junto com a imagem. A partir do Wan 2.5, música, efeitos sonoros e falas são gerados com o vídeo, e não dublados depois. Ponha uma fala entre aspas e o personagem diz na tela.
- Direção em linguagem do dia a dia. O Wan entende o vocabulário do cinema: enquadramentos, movimentos de câmera, iluminação, lentes e clima. Você descreve a cena do jeito que um diretor faria.
Quem criou o Wan?
O Wan é desenvolvido pelo Tongyi Lab, o grupo de pesquisa em IA da Alibaba e a mesma equipe por trás dos modelos de linguagem Qwen. A Alibaba oferece os modelos Wan mais recentes pelo Alibaba Cloud Model Studio, pela plataforma Qwen Cloud e pelo próprio site, wan.video. As versões de pesos abertos estão publicadas no GitHub e no Hugging Face.
Você não precisa passar pela Alibaba para usar o Wan. O Wan Studio é um app independente que roda no navegador e dá acesso aos modelos Wan por uma caixa de prompt simples. Ele não tem nenhum vínculo com a Alibaba. O Wan 3.0 é o modelo padrão, e o Wan 2.7 e o Wan 2.5 ficam no menu de modelos.
Todas as versões do Wan, do 2.1 ao 3.0
A Alibaba lançou seis versões principais do Wan em 18 meses, entre fevereiro de 2025 e agosto de 2026. As duas primeiras são de código aberto. Do Wan 2.5 em diante, os modelos são hospedados, geram som e ficam mais longos e mais controláveis a cada lançamento.
| Versão | Lançamento | O que mudou | Clipe mais longo | Como é oferecido |
|---|---|---|---|---|
| Wan 3.0 | Agosto de 2026 | Cenas de 30 segundos, documentos e páginas da web como entrada, extensão de vídeo | 30 s, 1080p | API e apps hospedados |
| Wan 2.7 | Abril de 2026 | Controle do primeiro e do último quadro, edição de vídeo por instruções, várias referências na entrada | 15 s, 1080p | API e apps hospedados |
| Wan 2.6 | Dezembro de 2025 | Histórias em vários planos, referência para vídeo com a aparência e a voz de uma pessoa | 15 s, 1080p | API e apps hospedados |
| Wan 2.5 | Setembro de 2025 | Primeiro Wan com som próprio e diálogo com sincronia labial | 10 s, 1080p | API e apps hospedados |
| Wan 2.2 | Julho de 2025 | Arquitetura de mistura de especialistas (MoE), um modelo 720p para GPUs domésticas | 5 s, 720p | Pesos abertos (Apache 2.0) |
| Wan 2.1 | Fevereiro de 2025 | Primeiro lançamento de código aberto, modelos 14B e 1.3B | 5 s, 720p | Pesos abertos (Apache 2.0) |
Wan 2.1 (fevereiro de 2025): a virada do código aberto
A Alibaba abriu o código do Wan 2.1 em 25 de fevereiro de 2025. O lançamento trouxe quatro modelos: texto para vídeo com 14 bilhões e 1,3 bilhão de parâmetros, além de dois modelos 14B de imagem para vídeo, um para 480p e outro para 720p. O modelo menor precisava de cerca de 8 GB de memória de vídeo para gerar um clipe de 5 segundos em 480p, então rodava em placas de vídeo gamer comuns. Na estreia, o Wan 2.1 liderou o benchmark de vídeo VBench, com pontuação geral de 86,22%.
Wan 2.2 (julho de 2025): mistura de especialistas
O Wan 2.2 chegou em 28 de julho de 2025, de novo sob Apache 2.0. Os modelos principais dividem o trabalho entre dois especialistas: um monta a cena e o movimento no começo da geração, e o outro refina os detalhes no fim. São 27B de parâmetros no total, mas só 14B ativos por vez, então rodar o Wan 2.2 custa praticamente o mesmo que rodar o Wan 2.1. Um modelo compacto, o TI2V-5B, aceita tanto texto quanto imagem e gera em 720p a 24 fps em uma única placa, como uma RTX 4090. Em agosto de 2025, a Alibaba acrescentou o Wan2.2-S2V, que anima um personagem a partir de um arquivo de áudio.
O Wan 2.2 continua sendo a versão mais buscada do Wan, principalmente porque dá para rodar de graça no seu próprio hardware.
Wan 2.5 (setembro de 2025): som próprio
O Wan 2.5 foi apresentado na conferência Apsara, da Alibaba, no fim de setembro de 2025. Foi o primeiro Wan a gerar áudio e vídeo juntos: vozes, efeitos sonoros e música sincronizados com a ação. Os clipes chegam a 10 segundos em 1080p, e você também pode enviar uma faixa de áudio para conduzir a cena. O Wan 2.5 não saiu com pesos abertos, o que marcou a virada da família para os modelos hospedados.
Wan 2.6 (dezembro de 2025): histórias em vários planos
A Alibaba anunciou o Wan 2.6 em meados de dezembro de 2025. Ele consegue dividir um único prompt em vários planos mantendo os mesmos personagens, e esticou os clipes para 15 segundos. Também estreou a referência para vídeo: envie um clipe curto de uma pessoa e o Wan 2.6 a coloca em cenas novas, com a aparência e a voz dela.
Wan 2.7 (abril de 2026): controle e edição
O Wan 2.7 chegou no início de abril de 2026 como um pacote que cobre texto para vídeo, imagem para vídeo, referência para vídeo e edição de vídeo. Com ele, você fixa tanto o primeiro quanto o último quadro, combina várias imagens e clipes de referência em uma só geração e edita um vídeo pronto com instruções simples, como “troque a jaqueta dela por uma vermelha”. Os clipes vão de 2 a 15 segundos, em 720p ou 1080p.
Wan 3.0 (agosto de 2026): cenas de 30 segundos
O Wan 3.0 entrou em beta público em 6 de agosto de 2026 e foi lançado oficialmente em 24 de agosto. Ele dobra a duração máxima do clipe para 30 segundos, em até 1080p, e a Alibaba afirma que rostos, composição e áudio se mantêm estáveis de um plano para outro. Ele também aceita entradas fora do comum: entregue um PDF, uma apresentação de slides, uma planilha ou uma página da web, e ele monta um vídeo a partir do conteúdo. Dá até para estender um clipe que você já tem. Ao contrário do Wan 2.1 e do 2.2, seus pesos são fechados.
O que o Wan consegue fazer?
A família Wan cobre quase tudo o que você espera de um gerador de vídeo com IA. As versões novas acrescentam recursos em vez de substituir os anteriores:
- Texto para vídeo. Descreva uma cena e o Wan a renderiza, com movimento de câmera e iluminação.
- Imagem para vídeo. Envie uma foto como primeiro quadro e o Wan dá vida a ela. Ótimo para fotos de produto, retratos e ilustrações.
- Primeiro e último quadro. Defina onde o clipe começa e onde termina, e o Wan preenche o movimento entre os dois. Ideal para loops e transições (Wan 2.7 e 3.0).
- Referência para vídeo. Forneça imagens ou clipes de um personagem, produto ou lugar, e o Wan os mantém fiéis em uma cena nova (Wan 2.6 em diante).
- Som próprio e diálogo. Música, efeitos sonoros e falas saem junto com a imagem. As falas entre aspas ganham sincronia labial (Wan 2.5 em diante).
- Cenas com vários planos. Um só prompt pode render vários planos com cortes, mantendo os personagens consistentes (Wan 2.6 em diante).
- Edição de vídeo. Envie um clipe e descreva uma mudança, como uma roupa nova, outro tempo lá fora ou outro estilo. O Wan renderiza de novo sem perder o movimento (Wan 2.7 e 3.0).
- Extensão de vídeo. Continue um clipe para a frente ou para trás, até 30 segundos no total (Wan 3.0).
- Imagens. A Alibaba também tem modelos de imagem Wan, e o Wan Studio oferece um modo de imagem ao lado do modo de vídeo.
Nem todo app libera todos os recursos. No Wan Studio, as entradas de referência e o modo de edição rodam no Wan 2.7, enquanto o Wan 3.0 aceita um prompt de texto ou um primeiro quadro e vai até 30 segundos.
O Wan é open source?
Em parte. O Wan 2.1 e o Wan 2.2, além de derivados como o Wan2.2-S2V, têm pesos abertos sob a licença Apache 2.0, que permite uso comercial. Você pode baixá-los do GitHub, do Hugging Face ou do ModelScope e rodá-los no ComfyUI ou no Hugging Face Diffusers.
O Wan 2.5, 2.6, 2.7 e 3.0 são oferecidos como modelos hospedados, por meio de APIs e apps. A Alibaba não publicou os pesos do Wan 3.0 no lançamento. Se você precisa dos recursos mais novos, de som próprio ou de clipes com mais de alguns segundos, vai usar uma versão hospedada.
O Wan AI é grátis?
Pode ser, dependendo de como você usa:
- Pesos abertos. O Wan 2.1 e o 2.2 não custam nada para baixar. O preço está no hardware e no tempo de configuração. O modelo 1.3B roda com cerca de 8 GB de memória de vídeo, o Wan 2.2 TI2V-5B em uma placa de 24 GB, e os modelos 14B pedem mais memória ou offloading.
- Plano grátis do Wan Studio. Você ganha 160 créditos por mês, o suficiente para até dois vídeos no Wan 2.5 em 480p, sem cartão e sem marca d'água. Saiba mais em Wan grátis.
- Planos pagos. O Wan Studio começa em US$ 14 por mês, com 2.800 créditos, cerca de 39 vídeos. Os planos pagos liberam o Wan 3.0 e o Wan 2.7, 720p e 1080p e licença comercial. Já a Alibaba Cloud cobra a API por segundo de vídeo. Compare os planos na página de preços.
Como acessar o Wan
Há três caminhos. Escolha pelo quanto de configuração você está disposto a encarar e pelos recursos de que precisa.
| Caminho | Ideal para | Modelos Wan | O que você precisa |
|---|---|---|---|
| App no navegador, como o Wan Studio | Criadores, profissionais de marketing e quem quer resultado rápido | Wan 3.0, 2.7, 2.5 | Um e-mail; plano grátis para começar |
| API, como a Wan API ou o Alibaba Cloud Model Studio | Desenvolvedores que querem colocar geração de vídeo em um produto | Modelos hospedados mais recentes | Uma chave de API e um plano pago ou uma conta na nuvem |
| Pesos abertos rodando localmente no ComfyUI ou no Diffusers | Entusiastas, pesquisadores, trabalho offline | Wan 2.1, 2.2 | Uma GPU NVIDIA com 8 a 24 GB ou mais, e tempo para configurar |
Para o passo a passo de cada caminho, leia nosso guia de como usar o Wan. Se você é desenvolvedor, comece pela Wan API.
Qual modelo do Wan usar?
Use o Wan 3.0 para tudo que for longo ou contar uma história, o Wan 2.7 quando precisar de referências ou edições, e o Wan 2.5 para rascunhos baratos. A tabela abaixo liga os objetivos mais comuns ao modelo certo.
| Se você quer... | Use | Por quê |
|---|---|---|
| Fazer um anúncio ou uma história completa de 15 a 30 segundos em uma só geração | Wan 3.0 | Clipes mais longos, personagens estáveis entre os planos |
| Manter o mesmo personagem ou produto em várias cenas | Wan 2.7 | Imagens, clipes e áudio de referência marcados no prompt |
| Mudar algo em um vídeo que já existe | Modo de edição do Wan 2.7 | Edições por instrução que preservam o movimento original |
| Fazer um loop perfeito ou uma transição precisa | Wan 2.7 | Controle do primeiro e do último quadro |
| Testar ideias gastando pouco | Wan 2.5 ou Wan 2.5 Fast | Clipes de 5 ou 10 segundos, menor custo em créditos, disponível no plano grátis |
| Rodar tudo no seu próprio hardware | Wan 2.2 local | Pesos abertos e complementos da comunidade, mas sem som embutido |
O que dá para criar com o Wan
A maioria dos vídeos feitos com o Wan é curta, prática e pensada para o feed. Os usos mais comuns:
- Anúncios em vídeo e peças de produto. Uma foto do produto vira o primeiro quadro, e o Wan acrescenta movimento, música e uma fala. Veja nossa seleção de geradores de vídeo de produto com IA.
- Conteúdo para redes sociais. Clipes verticais em 9:16 para TikTok, Reels e YouTube Shorts. Mais em geradores de vídeo com IA para TikTok.
- Personagens falantes e vídeos explicativos. As falas entre aspas ganham sincronia labial, então um retrato pode dizer uma frase. Aprenda como fazer uma foto falar.
- Videoclipes. Trilha e efeitos sonoros são gerados junto com os cortes, então a edição cai certinho na batida.
- Curtas e storyboards. Cenas com vários planos e personagens consistentes ajudam a apresentar ou pré-visualizar uma história.
- Vídeos explicativos para empresas. Na plataforma da Alibaba, o Wan 3.0 consegue transformar uma apresentação de slides ou um relatório em um vídeo curto.
Limitações que você precisa conhecer
O Wan é poderoso, mas não faz milagre. Planeje-se pensando nestes limites:
- Artefatos ainda acontecem. Mãos, movimentos muito rápidos e cenas lotadas podem sair com falhas. Conte com gerar algumas versões.
- Texto na tela sai aproximado. Placas e rótulos podem vir embaralhados, então coloque o texto exato no seu editor.
- A sincronia labial gosta de falas curtas. Uma ou duas frases por personagem sincronizam melhor do que um discurso longo.
- Duração e resolução custam mais. Um clipe de 30 segundos em 1080p gasta muito mais créditos do que um rascunho de 5 segundos em 480p.
- Os modelos mais novos são fechados. Não dá para fazer fine-tuning nem hospedar por conta própria o Wan 2.5 e as versões seguintes.
- Imagem e direitos importam. Use rostos, vozes, músicas e marcas que você tem permissão para usar, e saiba que as plataformas podem bloquear alguns pedidos.
Perguntas frequentes
O que significa Wan?
Wan vem de Tongyi Wanxiang (通义万相), o nome em chinês dos modelos de geração visual da Alibaba. “Wanxiang” quer dizer algo como “dez mil formas”. Não é uma sigla, por isso se escreve Wan, e não WAN.
De quem é o Wan AI?
Os modelos Wan são desenvolvidos pelo Tongyi Lab, da Alibaba. Apps como o Wan Studio dão acesso a eles; o Wan Studio é independente e não tem vínculo com a Alibaba.
Qual é o modelo mais recente do Wan?
O Wan 3.0, lançado em agosto de 2026. Ele gera clipes de até 30 segundos em 1080p, com som próprio e personagens estáveis entre os planos. O Wan 2.7 continua sendo a escolha certa para entradas de referência e edição de vídeo.
O Wan AI é grátis?
O Wan 2.1 e o 2.2, de código aberto, são gratuitos para baixar e rodar na sua própria GPU. No navegador, o plano grátis do Wan Studio dá até dois vídeos por mês no Wan 2.5 em 480p, sem precisar de cartão. O Wan 3.0 e o Wan 2.7 exigem um plano pago.
O Wan é open source?
O Wan 2.1 e o Wan 2.2 são de código aberto, sob a licença Apache 2.0. O Wan 2.5, 2.6, 2.7 e 3.0 são modelos hospedados, disponíveis por apps e APIs, e seus pesos não são públicos.
O Wan gera vídeos com som?
Sim, a partir do Wan 2.5. Música, efeitos sonoros e diálogo são gerados na mesma etapa que a imagem. Coloque a fala de um personagem entre aspas e ela sai com o movimento de lábios correspondente. Os modelos de texto para vídeo e de imagem para vídeo do Wan 2.1 e 2.2, de código aberto, não têm som.
Qual a diferença entre o Wan 2.2 e o Wan 3.0?
O Wan 2.2 é um modelo de código aberto que você roda localmente e que gera clipes sem som de cerca de 5 segundos, em até 720p. O Wan 3.0 é hospedado, gera até 30 segundos em 1080p, cria som e diálogo e dá conta de cenas com vários planos.
Posso usar os vídeos do Wan comercialmente?
A licença Apache 2.0 do Wan 2.1 e 2.2 permite uso comercial. Nas versões hospedadas, confira os termos da plataforma que você usa. No Wan Studio, todos os planos pagos incluem licença comercial; o plano grátis serve para experimentar os modelos.
Conclusão
O Wan saiu de um lançamento de pesquisa em código aberto e virou uma das famílias de vídeo com IA mais completas que existem, com som, cenas em vários planos e clipes de 30 segundos. O jeito mais fácil de ver do que ele é capaz é testar: comece grátis no Wan Studio, escreva uma cena curta e gere. Quando quiser resultados melhores, leia nosso guia de prompts do Wan.
