Prompts para Wan: estructura, sintaxis y ejemplos para Wan 3.0, 2.7 y 2.2

Qué es Wan y qué versión está vigente

Wan es la familia de modelos de vídeo de Alibaba. Hay dos formas de usarla, y conviene tenerlas claras antes de escribir el prompt, porque no admiten lo mismo. Datos comprobados en noviembre de 2026 en la documentación oficial:

• Wan 3.0 (wan3.0-video y su variante -prime): la versión más reciente. Solo se usa por API, en Model Studio de Alibaba Cloud. Admite clips de 2 a 30 segundos, hasta 1080p, audio opcional y referencias.
• wan2.7, wan2.6 y wan2.5: versiones anteriores que siguen disponibles por API. Las tres pueden generar música o efectos acordes con la escena.
• Wan 2.2: la última versión de pesos abiertos, publicada en julio de 2025 con licencia Apache 2.0 (modelos T2V-A14B, I2V-A14B y TI2V-5B). Puedes ejecutarla en tu propio equipo o a través de un servicio que la ofrezca, pero no genera sonido.

La diferencia práctica es sencilla. La versión abierta te da control sobre dónde y cómo se ejecuta el modelo, a cambio de no tener sonido ni planos múltiples. Las versiones por API añaden audio, voz y planos con tiempos, pero dependen del servicio y de sus condiciones. Ninguna opción es mejor en general: elige según lo que necesites y revisa en la herramienta qué admite hoy.

Cómo se estructura un prompt para Wan

La guía oficial de Alibaba propone una fórmula por capas. La básica tiene tres piezas: entidad (quién o qué aparece), escena (dónde y en qué ambiente) y movimiento (qué pasa). Para afinar, se añaden el control estético (plano, cámara, luz) y la estilización (el aspecto visual).

• Texto a vídeo: entidad + escena + movimiento + control estético + estilización.
• Imagen a vídeo: solo movimiento y cámara. La imagen ya fija el aspecto, así que no hace falta volver a describirla.
• Con sonido (versiones por API): añade al final la descripción del sonido.
• Idioma: la documentación indica que el prompt y el negativo se escriben en chino o en inglés. Si escribes en español, tradúcelo antes.

Ojo con la longitud. En wan2.7 el prompt admite hasta 5.000 caracteres; en wan2.6 y wan2.5, hasta 1.500. Un prompt claro de cuatro o cinco frases suele bastar.

Sintaxis propia: negativos, planos, referencias y voz

Wan tiene algunas convenciones que no comparten todos los generadores. Merece la pena respetarlas tal cual:

• negative_prompt: un campo aparte en la API para lo que no quieres ver. En wan2.7 admite hasta 500 caracteres. Escríbelo como lista de términos («text, logos, watermark, flicker»), no como frases.
• Restricciones dentro del prompt: para el sonido funcionan frases cortas como «No dialogue.» o «No background music.».
• Planos múltiples (Wan 3.0, wan2.7 y wan2.6): una frase de descripción general y luego cada plano con su tramo de tiempo: «Shot 1 [0–3 s] …», «Shot 2 [3–6 s] …».
• Referencias: cada recurso se nombra por su número, «Image 1», «Image 2» o «Video 1», y se dice para qué sirve.
• Voz: el texto entre comillas, más la emoción, el tono, la velocidad, el timbre y el acento. Wan 3.0 y wan2.7 respetan literalmente el texto entre comillas; si no lo escribes, el modelo se inventa lo que dice.
• Varios personajes: dale a cada uno una etiqueta única («the tall bookseller», «the young courier») y úsala siempre, sin pronombres. Escribe la acción antes del diálogo.

En wan2.7, el parámetro prompt_extend viene activado por defecto: un modelo de lenguaje reescribe tu prompt antes de generar. Si quieres que se respete tu redacción exacta, comprueba ese parámetro en tu herramienta y desactívalo.

Cámara y movimiento en Wan

Wan entiende vocabulario de cine en inglés llano. Estos son los términos que aparecen en su documentación:

• Acercarse o alejarse: «camera pushes in», «camera pulls out».
• Desplazamientos y giros: «camera moves left», «camera moves right», «panning», «camera tilts up».
• Movimientos especiales: «orbiting camera movement», «aerial shot», «tracking shot».
• Sin movimiento: «fixed camera».
• Ángulos: «high-angle», «low-angle», «top-down».
• Planos: «close-up», «establishing shot».

Pide un solo movimiento de cámara por plano y no lo mezcles con una acción muy rápida del sujeto. Si necesitas otro movimiento, ponlo en un plano aparte.

Ejemplos para copiar

Los prompts van en inglés porque es el idioma que indica la documentación. Los personajes son inventados; cámbialos por los tuyos.

A red-haired clockmaker in a leather apron winds a tall brass clock in a cluttered workshop. Warm light from a single desk lamp, dust floating in the air. Close-up, camera pushes in slowly. Cinematic realism, shallow depth of field.

negative_prompt: text, logos, watermark, distorted hands, flicker

The fishing boat rocks gently on the swell while the fisherman in the yellow oilskin coils a rope on deck. Camera pulls out slowly. No dialogue.

A small delivery robot crosses a snowy town square at dusk. Shot 1 [0–3 s] establishing shot, the delivery robot rolls past a lit bakery, camera moves left. Shot 2 [3–6 s] hard cut, close-up of the delivery robot's blinking blue display as snow settles on it, fixed camera. Sound: crunching snow and a distant church bell. No background music.

A tiny bookshop at night, warm lamplight on crowded shelves. The tall bookseller in a grey cardigan places a parcel on the counter. The young courier in a red cap picks up the parcel and says, "Last delivery of the day." Cheerful, quick, bright voice. The tall bookseller smiles and replies, "Then go home and rest." Calm, slow, low voice. Medium shot, fixed camera. No background music.

Aerial shot of terraced rice fields at sunrise, low mist drifting between the terraces. A farmer in a straw hat walks slowly along a narrow path. Soft golden light, documentary look.

negative_prompt: text, logos, buildings, camera shake, flicker

Errores frecuentes

• Escribir el prompt en español: la documentación solo indica chino e inglés.
• Nombrar a personas reales o pedir que alguien se parezca a un famoso.
• Meter cambios de escena rápidos o coreografías largas en pocos segundos.
• Pedir texto exacto en pantalla o sincronía labial palabra por palabra: son puntos que la propia guía marca como difíciles.
• Usar «Shot 1 [0–3 s]» en wan2.5 o Wan 2.2, que no tienen documentado el multiplano.
• Pedir sonido a Wan 2.2: no lo genera, así que tendrás que añadirlo en la edición.
• Olvidar prompt_extend y extrañarse de que el vídeo no siga tu texto al pie de la letra.

Cómo hacerlo más rápido con PromptNow

El generador de prompts para Wan de PromptNow te pide la versión, el modo, la escena, la cámara, la duración y el sonido, y te devuelve un prompt que puedes pegar en ChatGPT, Claude o Gemini. La IA te escribe el prompt final en inglés con la sintaxis de tu versión, el negative_prompt aparte, los ajustes que conviene revisar, dos variantes y una explicación en español de cada parte.

Si todavía no tienes clara la escena, empieza por la plantilla de escena de vídeo o por la de storyboard y luego adapta el resultado a Wan.