把图片、视频和音频作为参考,生成新镜头,也可根据现有片段续拍或改编。

输入
发送给模型的文本提示词
输出
Sample edited image — run the model to replace this previewSampleRun the model to replace this preview

Wan 3.0 参考生视频 API

用图片、视频和音频参考生成新镜头。

参考图可用来交代人物造型或场景,参考视频可示范动作,参考音频可提示环境声或节奏。支持将不同类型的参考用在同一请求里。

需要续接现有视频时,写清接下来发生什么,并说明剪辑点的姿势、运动方向或镜头位置。

主要功能

按镜头需求设置输入和输出参数。

图片参考

image_urls 最多接收 10 个图片链接,用于交代主体外观、道具或场景。

视频参考

video_urls 最多接收 5 个视频链接。可参考运镜和动作,也可将现有片段作为续接素材。

音频参考

audio_urls 最多接收 5 个音频链接,可用于参考节奏或环境声。audio 默认开启,设为 false 可关闭生成音频。

明确保留哪些细节

prompt 最多 20,000 个字符。prompt_extend 默认开启,设为 false 可关闭自动扩写。

设置输出规格

duration 支持 2–30 秒的整数,默认 5 秒。resolution 可选 480P、720P、1080P,默认 1080P。 提供参考视频时,参考视频与输出视频的总时长须在 30 秒以内。

估算视频参考用量

传入视频参考时,把参考时长与输出时长相加。可先裁出需要的参考片段再估算费用。

调用步骤

准备请求,提交生成任务,完成后获取视频。

  1. 准备参考素材

    整理服务可直接访问的素材链接,再写明每份参考的用途和所需调整。

  2. 提交任务

    使用 VibeToken API 密钥向 /v1/videos/generations 发送 POST 请求。将 model 设为 alibaba/wan-3-0-r2v。提交字符串 prompt、所需的参考链接数组和输出参数。

  3. 获取视频

    保存任务 ID,通过 GET /v1/videos/generations/{id} 轮询,或提交时设置 HTTPS callback_url。任务成功后读取视频链接。

定价

按使用量付费

将参考视频与输出视频的时长相加后向上取整到秒,再按所选分辨率的费率计费。没有视频参考时,只计算输出时长。

分辨率VibeToken官方节省
480P 5s¥0.750¥1.500−50%
720P 5s¥1.500¥3.000−50%
1080P 5s¥3.000¥6.000−50%

每秒约 ¥0.600。默认配置(1080P)单次调用 ¥3.000。

使用示例

按实际镜头需求选择提示词和素材。

角色和动作参考工作流示例

用图片交代角色外观,用短视频示范走位,再写明镜头应保留的元素。

延长场景工作流示例

传入镜头的最后一段,并提示人物接下来怎样进入新场景。

参考环境声工作流示例

用一段音频交代环境声,检查生成结果是否符合画面情境。

常见问题

了解输入限制、输出设置和计费方式。

可以。使用 image_urls、video_urls 和 audio_urls 分别传图片、视频和音频。