Wan3.0
Wan3.0 视频生成
- 阿里云万相 3.0 全能参考视频模型(统一入口)
- 文生视频 / 首帧 / 首尾帧 / 参考生视频 / 参考文件生视频
- 分辨率 480P / 720P / 1080P,时长 2–30 秒
- 支持图、视频、音频、文档、网页等多模态参考
POST
认证
string
必填
生成模式
模型名固定wan3.0-video,按传参自动承接多种能力:
请求参数
基础
string
必填
固定值:
wan3.0-videostring
文本描述。与素材字段至少填其一。
- 最长 20000 字符,超出部分会被自动截断(不报错)
- 参考模式下可用「图1」「视频1」「音频1」指代素材;编号按同类型素材在数组中的顺序(图与视频各自从 1 计数)
string
默认值:"1080P"
输出分辨率(大小写不敏感)
480P720P1080P(默认,价格最高)
string
默认值:"adaptive"
宽高比。也可用
aspect_ratio。adaptive(默认,自适应)16:9/4:3/1:1/3:4/9:16
integer
默认值:"5"
生成时长(秒),2–30,默认
5有参考视频输入时,要求「输入视频总时长 + 输出
duration ≤ 30 秒」,超出将被拒绝。boolean
默认值:"true"
输出视频是否含音轨,默认
true。开关声音价格相同。integer
随机种子,范围
[0, 2147483647]boolean
默认值:"false"
是否加水印,默认
falsestring
决定裸
image_urls 归到哪一族:frame— 首尾帧族reference— 参考族
素材输入
string[]
图片 URL 数组。角色归属见「两族素材互斥」。支持公网 URL 与 Base64(
data:image/png;base64,...)。object[]
带角色的图片数组,可显式指定角色。每项:
url:图片地址role:first_frame/last_frame/reference_image(及常见别名)
string[]
参考视频,最多 5 段;单段 1–15 秒,总时长 ≤ 15 秒
string[]
参考音频,最多 5 段;单段 1–15 秒,总时长 ≤ 15 秒
string
单条参考音频(与
audio_urls 等价的单值写法)string
参考文档 URL,最多 1 个。不可与
link_url 同时传。支持:docx / doc / xlsx / xls / pptx / ppt / pdf / txt / key / pages / numbers / md 等,≤100MB,≤50 页。string
公开网页 URL,最多 1 个。仅支持免登录网页。不可与
file_url 同时传。两族素材互斥
素材分两族,不能混用(提交前校验,返回 400,不建任务、不扣费):裸 image_urls 如何归属
- 传了
generation_type→ 以它为准(frame/reference) - 未传,但请求含参考族输入(
video_urls/audio_urls/audio_url/file_url/link_url)→ 归reference_image - 都没有 → 归首尾帧族:第 1 张
first_frame,第 2 张last_frame(与wan2.7一致)
image_with_roles。
素材上限与格式
请求示例
文生视频
首帧生视频
首尾帧生视频
image_with_roles:
参考生视频(多素材)
有video_urls时,裸image_urls会自动归参考图;显式generation_type: "reference"更清晰。
参考文件生视频
可不传prompt,由文档内容驱动生成:
参考网页生视频
计费
按秒 × 分辨率计费(与官方刊例一致),开关声音同价:- 默认 1080P(最贵),成本敏感请显式传
480P/720P - 计费秒数 = 请求的
duration audio: true/false不影响价格
限制与注意
常见错误
均为同步 400,不建任务、不扣费:Response
integer
响应状态码,成功时为 200
array
返回数据数组
查询任务结果视频为异步任务。使用 获取任务状态 或
GET /v1/videos/generations/{task_id} 轮询。建议每 5–10 秒一次;生成通常 1–5 分钟。成功后取 result.videos 中的地址。