Wan

Alibaba 的 Wan 3.0：支持 480p、720p 和 1080p，时长 2 到 30 秒，涵盖常见画面比例，自带声音，单次生成最多可使用 10 张参考图。

价格

声音不额外收费；将 generate_audio 设为 false 可生成无声视频。仅在视频交付后计费。

支持的输入

• 提示词最多 8,000 个字符。Wan 不支持负面提示词。
• 提供 first_frame（也可加上 last_frame），或最多 10 张 reference_images，两者不能同时使用。
• 时长为 2 到 30 秒，仅支持整数秒。
• 16:9, 9:16, 1:1, 4:3, 3:4 和 21:9。使用首帧时，视频默认沿用图片的画面比例，除非设置了 aspect_ratio。
• 提供 seed，可在喜欢的结果基础上稍作调整后再次生成。

参考图

最多提供 10 张图片，用于指定人物、产品、场景或风格，并在提示词中按顺序用 Image 1、Image 2 等引用。Playground 使用的 @Image1 写法效果相同。Wan 会将这些元素组合到同一个镜头中，让角色拿着指定产品，或置身于选定场景。

{
  "model": "wan-3.0",
  "reference_images": [
    "https://example.com/beekeeper.jpg",
    "https://example.com/honey-jar.jpg"
  ],
  "prompt": "The beekeeper from Image 1 holds up the honey jar from Image 2 and smiles, in a lavender field.",
  "seconds": 5,
  "resolution": "720p",
  "aspect_ratio": "16:9"
}

提示词编写

• 描述动作和镜头运动，而不只是场景：“镜头缓慢推进”、“固定广角镜头”、“无人机镜头从海湾上空升起”。
• 明确光线和氛围：“阴天的清晨”、“夜间霓虹”、“黄金时刻的逆光”。
• 需要对白时，用引号括起台词，并注明由谁说。
• 不支持负面提示词，因此请描述想要的效果，例如“画面干净、对焦清晰”，而不是要避免的内容。

使用须知

• 大多数视频约 2 分钟即可生成；较长的 1080p 视频耗时更久。
• 先用 480p 生成草稿，调好提示词后，再用 720p 或 1080p 生成最终版本。
• 可能违反内容规则的提示词或图片会被拒绝（content_policy）；被拒绝的视频不收费。
• 视频保留 30 天；请下载需要长期保存的视频。

完整 API 说明：视频生成。可在控制台的 调试台 中试用，其中会显示每个视频对应的代码。