Text to Video

• Duración: 5, 10, 15, 20, 25, o 30s

• Resolución: 480p / 720p / 1080p

• Ideal para: escenas largas y de varias tomas de hasta 30 segundos en una sola generación, con audio nativo opcional escrito por el modelo. Entrenado en un extenso conjunto de datos etiquetado de contenido NSFW.

• Fortalezas: puede escribir su propia banda sonora mediante el interruptor Generate Audio, sigue prompts largos tipo guion divididos en tomas con marca de tiempo, mayor consistencia multi-sujeto y control de cámara que los modelos Wan anteriores.

• Desventajas: los mejores resultados necesitan un prompt acorde a la duración: los prompts cortos en duraciones largas dejan las decisiones de trama y toma al modelo. Sin prompt negativo; los elementos no deseados deben describirse explícitamente.

• Notas de contenido: Filtros: Mínimos

• Duración: 5, 10, 15, 20, 25, o 30s

• Resolución: 480p / 720p / 1080p

• Ideal para: las mismas escenas largas y de varias tomas de hasta 30 segundos que Wan 3.0 Spicy, con audio nativo opcional escrito por el modelo, pero devuelto aproximadamente un 40 % más rápido.

• Fortalezas: misma calidad de salida y mismas funciones que Wan 3.0 Spicy (interruptor Generate Audio, prompts tipo guion, consistencia multi-sujeto); la diferencia es el tiempo de espera, importante al probar ideas o iterar sobre una toma.

• Desventajas: cuesta más por segundo que Wan 3.0 Spicy para el mismo resultado; misma sensibilidad a la longitud del prompt y ausencia de prompt negativo.

• Notas de contenido: Filtros: Mínimos

• Duración: 5s, 10s o 15s

• Resolución: hasta 1080p

• Ideal para: vídeos con generación de audio sincronizado. Entrenado con un enorme conjunto de datos etiquetados de contenido NSFW.

• Puntos fuertes: genera audio junto con el vídeo, mejor consistencia temporal, mejor comprensión del prompt, calidad de movimiento mejorada.

• Compensaciones: más lento que los modelos más rápidos; los mejores resultados requieren prompts claros y precisos.

• Notas de contenido: Filtros: Mínimos

• Duración: 5s, 6s, 8s, 10s, 12s, 15s

• Resolución: 480p / 720p

• Ideal para: generar vídeos desde cero con audio sincronizado: desde clips cortos de "ambiente" hasta storyboards cinematográficos con varios planos. Entrenado con un enorme conjunto de datos etiquetados de contenido NSFW.

• Puntos fuertes: genera audio junto con el vídeo, adherencia estricta a la fórmula del prompt (Subject → Action → Environment → Camera → Lighting → Style → Constraints), rendimiento consistente en escenarios multi-plano con timecodes, soporte para una amplia gama de relaciones de aspecto (16:9, 9:16, 1:1, 4:3, 3:4, 21:9, o auto).

• Compensaciones: la textura y el detalle facial no aparecen automáticamente; usa términos específicos como "ultra-sharp detail" o "crisp texture". Divide los prompts largos y contradictorios en varios separados. Más lento que Seedance 2.0 Fast Spicy.

• Notas de contenido: Filtros: Mínimos

• Duración: 5s, 6s, 8s, 10s, 12s, 15s

• Resolución: 480p / 720p

• Ideal para: generar rápidamente vídeos a partir de descripciones de texto con audio sincronizado (desde clips simples de "ambiente" hasta guiones multi-plano con timecodes) cuando la velocidad es clave. Entrenado con un enorme conjunto de datos etiquetados de contenido NSFW.

• Puntos fuertes: genera audio junto con el vídeo, adherencia total a la fórmula del prompt (Subject → Action → Environment → Camera → Lighting → Style → Constraints), soporte para una amplia gama de relaciones de aspecto, rendimiento estable con escenarios multi-plano y timecodes. Más rápido y económico que Seedance 2.0 Uncensored.

• Compensaciones: para texturas detalladas y rasgos faciales en altas resoluciones, incluye términos específicos como "ultra-sharp detail" y "crisp texture". Divide los prompts largos y contradictorios. La calidad es inferior a Seedance 2.0 Uncensored.

• Notas de contenido: Filtros: Mínimos

• Duración: 5, 10, 15, 20 o 30 s

• Resolución: 480p / 720p / 1080p

• Ideal para: escenas largas de varias tomas de hasta 30 segundos en una sola generación: una historia completa en lugar de un único momento estirado, generada por completo a partir de tu prompt. Entrenado con un enorme conjunto de datos etiquetados de contenido NSFW.

• Puntos fuertes: metraje más natural y menos «de IA»: mejores transiciones de cámara, estabilidad del sujeto, iluminación y detalle de piel y ojos; los prompts con marcas de tiempo («0–5s: …, 6–10s: …») controlan qué ocurre y cuándo; audio nativo opcional con el interruptor Generate Audio.

• Compensaciones: el modelo Seedance más caro: 1080p cuesta unas 3,4 veces la tarifa de 720p, así que prueba primero en 480p/720p. Sin prompt negativo. El video puede salir sin audio aunque Generate Audio esté activado.

• Notas de contenido: Filtros: Mínimos

• Duración: 5s u 8s

• Resolución: hasta 720p

• Ideal para: la opción más económica: sin generación de audio, pero entrenado con un enorme conjunto de datos etiquetados de contenido NSFW.

• Puntos fuertes: detalle impactante, fuerte adherencia al prompt, bueno para movimientos de cámara dramáticos y gradación con ambiente. El coste más bajo por generación.

• Compensaciones: un filtrado menos conservador significa que debes mantener los prompts precisos; la anatomía y los pequeños detalles pueden desviarse si llevas al extremo.

• Notas de contenido: Filtros: Mínimos

• Duración: 5, 6, 8, 10, 12, o 15s

• Resolución: 480p / 720p / 1080p

• Ideal para: generar clips directamente a partir de una descripción de texto, con audio nativo incluido, sin necesidad de imagen de referencia.

• Fortalezas: movimiento y encuadre consistentes directamente desde un prompt escrito; cada clip obtiene automáticamente una pista de audio estéreo nativa; admite relaciones de aspecto 16:9, 9:16, 4:3, 3:4, 1:1, 21:9, o Adaptativo.

• Desventajas: no hay Start/End Frame ni Reference Mode aquí; para eso, usa Image to Video. Sin prompt negativo; describe las exclusiones al final del prompt principal. El audio no se puede desactivar. Los prompts largos se comprimen internamente, así que un texto conciso y preciso suele funcionar mejor.

• Notas de contenido: Filtros: Activados. Solo SFW, no admite contenido NSFW.

• Duración: 5, 6, 8, 10, 12, o 15s

• Resolución: 480p / 720p / 1080p

• Ideal para: clips de texto a video rápidos y económicos cuando no necesitas el modelo de precio completo.

• Fortalezas: aproximadamente la mitad de precio que MiniMax H3 Max y más rápido; las mismas opciones de duración y resolución; audio nativo incluido automáticamente.

• Desventajas: los mismos límites que MiniMax H3 Max aquí: sin Start/End Frame, sin Reference Mode, sin prompt negativo, el audio no se puede desactivar.

• Notas de contenido: Filtros: Activados. Solo SFW, no admite contenido NSFW.

Wan 2.2 es el más barato y rápido, sin audio. Wan 2.7 es la mejor opción general para la mayoría de los clips cortos (5–15 s), con mejor calidad de movimiento y audio que siempre se genera junto con el vídeo (sin interruptor para activarlo o desactivarlo). Wan 3.0 Spicy es la opción para escenas largas o de varias tomas de hasta 30 segundos.

Sí, los modelos Wan y Seedance de arriba funcionan con filtros de seguridad mínimos y son adecuados para contenido NSFW. Wan 2.7 generalmente produce resultados de mayor calidad en escenas complejas. MiniMax H3 Max y MiniMax H3 Max Turbo funcionan con filtros activados y son solo SFW.

Sin una imagen de inicio, el modelo depende únicamente de la descripción de texto. Por eso es importante describir con gran detalle la apariencia, iluminación y estilo del personaje al principio del prompt.

Usa poses simples, evita el movimiento excesivo de cámara, y genera varias versiones. Los defectos menores son más fáciles de corregir en postproducción.