描述晨光里的面包店、店员放下托盘的动作和相应声音。

把文字描述转成 2–30 秒视频。支持 480P、720P、1080P,可选择画幅和是否生成音频。
SampleRun the model to replace this previewWan 3.0 文生视频 API
用文字描述生成带有动作和声音的短片。
从一段场景描述生成短片。例如写清面包店开门时的光线、店员端托盘的动作和镜头位置,再补充脚步声等细节。
短镜头可集中表现一个动作。比较多个版本时,固定时长和画幅,每次只修改一条指令。
主要功能
按镜头需求设置输入和输出参数。
从开场写起
在 prompt 中先写场景和主体,再按发生顺序描述动作和运镜。提示词最多 20,000 个字符。
设置音频
audio 默认开启,设为 false 可关闭生成音频。
设置镜头时长
duration 可设为 2–30 秒的整数,默认 5 秒。复杂动作应预留更多时间。
选择画幅与分辨率
用 ratio 选择画幅。resolution 支持 480P、720P 和 1080P,默认 1080P。
控制提示词扩写
prompt_extend 默认开启。要比较相同措辞的效果时,可将其设为 false。
复用随机种子和水印设置
seed 可选 0–2147483647 的整数。watermark 默认关闭。

调用步骤
准备请求,提交生成任务,完成后获取视频。
准备场景描述
写明开场构图、主体动作和镜头怎样跟随。需要声音时,把相关动作和声音写在一起。
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-t2v。提交字符串 prompt,并按需设置 duration、resolution、ratio 和 audio。
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。
按使用量付费
按生成视频的秒数计费,每秒费率取决于所选分辨率。
| 分辨率 | VibeToken | 官方 | 节省 |
|---|---|---|---|
| 480P 5s | ¥0.750 | −50% | |
| 720P 5s | ¥1.500 | −50% | |
| 1080P 5s | ¥3.000 | −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。
写明商品摆放位置,留出后期添加标题和字幕的区域。
用短镜头表现窗帘缓慢摆动,并关闭生成音频,便于衔接后期配乐。
常见问题
了解输入限制、输出设置和计费方式。
默认 5 秒、1080P,画幅为 adaptive,生成音频默认开启。