Wan 2.7 vs Seedance 2.0: qué elegir para tu vídeo

Wan 2.7 y Seedance 2.0 son opciones actuales para generar vídeo. Empieza por Wan 2.7 si necesitas un clip de 2–3 segundos, un prompt negativo o decidir expresamente si el sistema amplía tu instrucción. Elige Seedance 2.0 estándar si la entrega exige 4K; si necesitas combinar referencias de imagen, vídeo y audio, su modo de referencias multimodales es un punto de partida documentado. Para 720p, Seedance Fast y Mini también son candidatos, con tarifas distintas. La elección útil es una operación y un modelo concreto, no un ganador para cualquier proyecto.

La documentación oficial consultada el 12 de octubre de 2026 ya recoge texto a vídeo, imagen a vídeo, referencias y edición en Wan 2.7. Seedance 2.0 también ofrece generación, edición y extensión, con condiciones de acceso tanto para particulares como para empresas. Por tanto, la antigua separación entre «Wan 2.7 para imágenes» y «Seedance 2.0 para vídeo» ya no sirve para elegir estos servicios. Las capacidades y los precios de esta comparativa corresponden a Alibaba Cloud Model Studio y BytePlus ModelArk, respectivamente; no hemos generado clips para clasificar su calidad o velocidad. Interfaces de Wan 2.7, tutorial de Seedance 2.0.

Elige primero la entrega y después el modelo

Si tu encargo es un plano breve para una ficha de producto, quizá baste con un fotograma inicial y una instrucción de movimiento. Si es una transición entre dos composiciones aprobadas, prepara fotogramas inicial y final. Si quieres transformar material ya grabado, utiliza edición: crear otro vídeo desde texto no es la misma tarea.

Estas elecciones se apoyan en los contratos publicados, no en una supuesta superioridad visual: Wan I2V, Wan R2V, Wan Video Edit y Seedance 2.0.

Para una primera prueba sin material previo, ambos tienen texto a vídeo. Fija duración, proporción, resolución y sonido antes de comparar. Que dos servicios ofrezcan «720p» no demuestra que produzcan el mismo movimiento, audio o número de resultados aprovechables.

Wan 2.7: cuatro operaciones que conviene distinguir

Texto a vídeo: controles de texto y clips de 2–15 segundos

wan2.7-t2v admite 720p y 1080p, con duraciones enteras de 2–15 segundos. Elige resolution y ratio por separado; la proporción puede ser 16:9, 9:16, 1:1, 4:3 o 3:4. Si no los especificas, los valores predeterminados son 1080p, 16:9 y 5 segundos, una combinación que puede costar más que la prueba a 720p que tenías en mente.

El prompt acepta hasta 5.000 caracteres y el prompt negativo hasta 500; la documentación indica chino e inglés y truncamiento si se supera el límite. Para usarlo desde un equipo hispanohablante, conserva el encargo en español y prepara la instrucción de generación en uno de esos idiomas documentados. prompt_extend permite activar o desactivar la reescritura automática. El parámetro antiguo shot_type ya no tiene efecto: describe los planos en el texto. Un valor fijo de seed tampoco garantiza un resultado idéntico. Contrato T2V de Wan 2.7.

Si aportas audio mediante audio_url, debe ser WAV o MP3, durar 2–30 segundos y ocupar como máximo 15 MB. Una pista más larga se corta a la duración solicitada; una más corta deja silencio en la parte restante. Decide esto antes de solicitar, por ejemplo, cinco segundos de imagen con una locución de tres.

Imagen a vídeo: fotogramas o continuación de un clip

En la API I2V de Wan 2.7, prepara una de estas combinaciones:

• first_frame, solo o acompañado de driving_audio.
• first_frame y last_frame, con audio opcional.
• first_clip, solo o acompañado de last_frame, para continuar vídeo.

Cada tipo puede aparecer una sola vez. No mezcles esas ramas ni añadas audio a la continuación como si todas las combinaciones fueran válidas. Para imágenes, el contrato admite JPEG/JPG, PNG sin canal alfa, BMP o WebP, entre 240 y 8.000 píxeles por dimensión y hasta 20 MB; para el clip inicial, MP4 o MOV de 2–10 segundos, entre 240 y 4.096 píxeles por dimensión y hasta 100 MB. driving_audio guía la sincronización de labios y acciones; acepta WAV o MP3 de 2–30 segundos y hasta 15 MB. Sin audio aportado, I2V genera música de fondo o efectos automáticamente.

La salida ofrece 720p o 1080p y sigue la proporción del material inicial, con pequeños ajustes posibles al codificar. Si la composición final debe tener medidas exactas, comprueba las dimensiones del archivo y prevé recorte o bandas. En continuación, duration expresa la duración total del resultado, incluido el clip inicial: tres segundos de entrada y duration: 15 dejan doce segundos nuevos y quince segundos facturables. No son quince segundos adicionales.

Referencias y edición: el vídeo de entrada también cuenta

wan2.7-r2v sirve para construir una escena a partir de referencias. Exige al menos una imagen o un vídeo de referencia, con un máximo conjunto de cinco, y admite además un fotograma inicial. Si una referencia define a un personaje, debe contener uno solo. En el prompt, las imágenes y los vídeos se numeran por separado: Image 1 y Video 1, respetando el orden de cada tipo.

Sin vídeo de referencia, la salida puede durar 2–15 segundos; con vídeo, 2–10. R2V ofrece 720p y 1080p; si aportas un fotograma inicial, su proporción prevalece sobre ratio. Los vídeos de referencia deben ser MP4 o MOV de 1–30 segundos y hasta 100 MB. La voz reference_voice, WAV o MP3 de 1–10 segundos y hasta 15 MB, es una referencia de timbre, no el texto que debe pronunciarse, y tiene prioridad sobre la voz del vídeo de referencia. Por eso no sustituye sin más al audio que dirige los tiempos en I2V. La duración facturable de R2V suma vídeo de entrada y salida. Reglas de R2V.

Para transformar un vídeo existente, usa wan2.7-videoedit: un clip de 2–10 segundos y, opcionalmente, hasta cuatro imágenes de referencia, con salida a 720p o 1080p. El vídeo de entrada debe ser MP4 o MOV, de hasta 100 MB. Omitir duration o poner 0 conserva la duración del origen; un valor positivo de 2–10 recorta desde el comienzo, no alarga el vídeo. audio_setting: origin conserva el sonido original; auto permite que el modelo lo gestione y pueda generar audio nuevo. Aquí también se factura la suma de duración de entrada y salida. Reglas de Video Edit.

Seedance 2.0: estándar, Fast y Mini no tienen la misma salida

Los identificadores actuales de BytePlus son:

• Estándar: dreamina-seedance-2-0-260128.
• Fast: dreamina-seedance-2-0-fast-260128.
• Mini: dreamina-seedance-2-0-mini-260615.

Los tres admiten texto a vídeo, fotograma inicial, fotogramas inicial y final, referencias multimodales, edición, extensión y audio generado. Sus clips duran 4–15 segundos. La diferencia decisiva para muchas entregas es la resolución: estándar ofrece 480p, 720p, 1080p y 4K; Fast y Mini ofrecen 480p y 720p. No ofrecen modo Draft ni inferencia Flex en esta serie. Matriz oficial de modelos.

Si tu entrega requiere 1080p o 4K, empieza por estándar. Si solo necesitas 720p, puedes evaluar Fast o Mini con el mismo encargo para comprobar si su resultado te sirve al menor coste publicado. Los nombres de las variantes y la descripción comercial del proveedor no bastan para afirmar que una será más rápida o mejor en tu escena.

En 4K, el archivo MP4 usa H.265/HEVC de 10 bits. Comprueba su reproducción en el dispositivo y el editor de destino: el soporte depende del reproductor y de la capacidad de decodificación. Las muestras 4K de la página oficial están montadas con varios planos; no prueban que una sola petición produzca ese montaje completo. Salida y compatibilidad 4K.

Usa las referencias para una función concreta

El modo de referencias multimodales permite combinar hasta nueve imágenes, tres vídeos y tres archivos de audio, según la categoría; no necesitas llenar esos espacios. Una imagen puede definir el objeto, un vídeo sugerir el movimiento y un audio aportar música, contenido hablado o timbre. Los números del prompt corresponden al orden dentro de cada tipo de material.

Para que el comienzo y el final correspondan a dos imágenes aportadas, utiliza imagen a vídeo con first_frame y last_frame. La documentación distingue ese modo de sugerir imágenes iniciales o finales dentro de un prompt de referencias. No des por válida cualquier mezcla de campos de ambas ramas. Para escribir después el encargo de cada plano, consulta nuestra guía de prompts de Seedance por versión; las marcas de tiempo de otra versión no garantizan precisión temporal en 2.0. Uso de referencias de Seedance 2.0.

La edición permite cambiar, añadir o quitar elementos de un vídeo. La extensión puede avanzar o retroceder desde un clip y conectar hasta tres. Al extender uno solo, el resultado suele contener la parte nueva; al conectar varios, incluye material original y nuevo. Especifica qué necesitas recibir y comprueba el archivo: «extender cinco segundos» no tiene la misma semántica que la duración total de continuación de Wan I2V.

Qué cuesta un primer clip de cinco segundos

Para una comparación de presupuesto, usa cinco segundos de salida, 16:9 y sin vídeo de entrada. Los importes siguientes son USD: tarifas base de Wan T2V en la región Singapur y estimaciones oficiales de BytePlus para Seedance 2.0, consultadas el 12 de octubre. No incluyen promociones ni acreditan equivalencia de calidad.

Fuentes: tarifa base de wan2.7-t2v, Singapur, ámbito internacional y precios de BytePlus, actualizados el 8 de octubre. La tarifa de Wan de esta tabla es para T2V, no para cualquier edición, región o distribuidor. En Seedance estándar, el ejemplo 4K de cinco segundos sin vídeo de entrada es aproximadamente 3,89 USD.

BytePlus cobra por tokens de vídeo. En 480p y 720p, las tarifas sin vídeo de entrada son 7,00 USD por millón de tokens para estándar, 5,60 para Fast y 3,50 para Mini. Al introducir vídeo cambian a 4,30, 3,30 y 2,10, pero el consumo incluye duración de entrada más salida y está sujeto a un mínimo relacionado con resolución, proporción y duración de salida. Una tarifa menor por token no implica una petición más barata.

Por ejemplo, el cálculo publicado para estándar a 720p y 16:9, con cinco segundos de salida y 2–15 segundos de vídeo de entrada, es aproximadamente 0,84–1,86 USD. El extremo inferior corresponde a entradas de 2–4 segundos por el mínimo de consumo. El cargo se determina por los tokens efectivos de usage.completion_tokens; BytePlus indica que solo cobra vídeos generados correctamente. Usa su calculadora para tu combinación exacta. Tampoco sustituyas los 0,76 USD del ejemplo sin vídeo por 0,15 × 5: el precio por segundo mostrado está redondeado. Fórmula, mínimos y ejemplos oficiales.

El coste que interesa al proyecto llega después: gasto real en generación dividido entre vídeos aceptados. Anota las solicitudes, cargos y resultados que cumplen el encargo; si no aceptas ninguno, no hay un coste medio finito por vídeo útil. Si añades montaje o retoque, registra ese trabajo aparte o conviértelo a la misma unidad monetaria antes de sumarlo. Esta comparativa no aporta facturas ni tasas de aceptación medidas.

Prepara referencias útiles y decide si conviene usar ambos

Resolver la composición antes de generar movimiento sigue siendo valioso. Para una pieza de catálogo de una lámpara, puedes aprobar primero una imagen del objeto, otra de su entorno y el encuadre final. Después animas el fotograma con I2V, construyes la escena con R2V o aportas referencias a Seedance. No necesitas generar esas imágenes con un modelo concreto: importan los derechos de uso, la composición y el formato que acepte la operación.

Trabajar por etapas permite detectar antes una base incorrecta y reservar las iteraciones de vídeo para movimiento y sonido. Conserva originales y anota qué debe aportar cada material. Si ya tienes un vídeo útil y solo necesitas una corrección, una edición del mismo servicio puede ser una primera opción más directa que volver a generar todo.

Los rostros requieren una ruta específica en ModelArk

Un rostro generado con Wan no se convierte automáticamente en una referencia autorizada para Seedance. BytePlus no admite subir directamente imágenes o vídeos de referencia con rostros humanos reales en la serie 2.0. Sus rutas documentadas son personajes digitales predefinidos, materiales de personas verificadas y autorizadas incorporados a la biblioteca, u originales de modelos concretos que ModelArk reconoce como fiables. El consentimiento ordinario, por sí solo, no sustituye esas rutas. Guía oficial de retratos.

La ruta de originales reconocidos exige misma plataforma, misma cuenta y generación en los últimos 30 días. Incluye vídeos de Seedance 2.0/2.5 desde el 11 de marzo de 2026, sus últimos fotogramas desde el 16 de abril e imágenes de Seedream 5.0 lite/pro/flash desde el 16 de abril. Editarlos, comprimirlos o reenviarlos puede invalidar ese reconocimiento, y la salida sigue sujeta a moderación. Los materiales incorporados a la biblioteca se pasan mediante asset://<ID>; en el prompt se identifican por su tipo y número, no por ese ID.

Esto limita el flujo de retratos entre proveedores, pero no elimina la utilidad de preparar objetos o escenarios sin rostros y reutilizarlos conforme a sus requisitos. Comprueba la admisión del material antes de diseñar un proyecto que dependa de trasladarlo de una plataforma a otra.

Del modelo elegido a un archivo que puedas entregar

En Alibaba Cloud, abre la referencia de la operación elegida y comprueba en Model Gallery que el modelo esté disponible en tu región. Modelo, clave y URL deben corresponder a esa misma región. Para T2V 2.7, sigue la sección HTTP (wan2.7); los ejemplos antiguos de DashScope Python y Java de esa página corresponden a 2.6 y anteriores. Esa limitación de T2V no describe todos los SDK de las otras operaciones. Entrada oficial de T2V.

Una primera configuración sencilla sería wan2.7-t2v, 720p, 16:9 y cinco segundos, con un plano y una acción bien definidos. Decide el audio y prompt_extend expresamente. La llamada de creación es asíncrona: guarda task_id y consulta esa tarea; PENDING o RUNNING no son un vídeo terminado. No crees una segunda solicitud para conocer el estado de la primera. Cuando llegue SUCCEEDED, recupera video_url y las estadísticas de uso. El identificador y el enlace duran 24 horas: descarga el archivo y consérvalo antes de que caduquen.

En BytePlus, entra en el tutorial específico de la serie 2.0, elige uno de los tres identificadores y una modalidad válida para tus materiales. El acceso requiere cuenta y activación: la página recoge saldo superior a 30 USD, un AI Savings Plan del nivel de 30 USD o superior, o un paquete de la serie con cuota disponible. Es una condición del proveedor, no un precio por clip. Las cuotas actuales contemplan particulares y empresas; no debe describirse todo el servicio como una beta exclusiva para empresas.

El tutorial enlaza el procedimiento de creación y consulta de tareas. Su ejemplo de 2.0 permite sustituir los materiales, ajustar duración, proporción y audio, guardar el ID y consultar hasta éxito o fallo. Usa ese ejemplo de la versión elegida: el ejemplo predeterminado de la API genérica puede mostrar 2.5. Recupera el vídeo, guarda el original y registra el consumo; la guía de retratos indica que la URL del vídeo original dura 24 horas. Caducidad del enlace y plazo de 30 días para reutilizar un rostro son reglas distintas.

Antes de entregar, reproduce el archivo descargado completo y verifica lo que pedía el encargo: duración y dimensiones, apertura y cierre, acción terminada, continuidad del objeto, sonido y compatibilidad del formato. Si comparas servicios, conserva el mismo objetivo y un límite de intentos acordado; separa generación nueva, edición y extensión. Después cambia solo la instrucción o referencia que explica el fallo observado. Ese registro permite elegir para tu trabajo sin convertir una muestra pequeña en una clasificación universal.

Preguntas frecuentes

¿Wan 2.7 genera vídeo o solo imágenes?

Genera vídeo mediante las operaciones actuales T2V, I2V, R2V y Video Edit de Alibaba Cloud. Wan2.7-Image es un producto distinto; sus límites de imágenes no se trasladan a los vídeos. Para elegir este par ya no hace falta sustituir Wan 2.7 por 2.6. Documentación de vídeo de Wan 2.7.

¿Qué Seedance 2.0 necesito para 1080p o 4K?

El estándar, dreamina-seedance-2-0-260128. Fast y Mini llegan a 720p. El 4K estándar usa HEVC de 10 bits, por lo que también debes comprobar la reproducción en el equipo de destino. Especificaciones y compatibilidad.

¿Puedo aportar un fotograma inicial y otro final a los dos?

Sí, mediante sus modalidades I2V correspondientes. En Wan, usa first_frame más last_frame, con driving_audio opcional; en Seedance, la modalidad específica con roles first_frame y last_frame. Mencionar el final dentro de un prompt de referencias no equivale a ese modo. Wan I2V, Seedance 2.0.

¿Wan 2.7 sale más barato que Seedance 2.0?

En T2V de Alibaba Cloud Singapur, cinco segundos a 720p cuestan nominalmente 0,50 USD. El ejemplo oficial de BytePlus sin vídeo de entrada, 16:9 y cinco segundos a 720p, estima 0,76 USD para estándar, 0,60 para Fast y 0,38 para Mini. Eso permite comparar presupuesto, pero no demuestra cuál produce más vídeos útiles. Las referencias de vídeo y las ediciones cambian el consumo. Tarifa de Wan T2V, estimaciones de Seedance.

¿Puedo llevar un retrato generado con Wan directamente a Seedance?

No lo supongas. ModelArk solo reconoce como fiables los originales de modelos especificados de su propia plataforma y cuenta, dentro de 30 días y con las fechas de vigencia indicadas. Para personas reales, utiliza su procedimiento de verificación y autorización o las otras rutas admitidas. Un resultado de otra plataforma no hereda ese reconocimiento. Condiciones para retratos en ModelArk.