Skip to main content
Wan 3.0 在一个任务中即可生成最长 30 秒的有声视频。文生视频只需一段提示词;图生视频以你提供的画面作为开场,并可以另一帧作为结尾;参考生视频最多接受 10 张图像、5 段视频片段和 5 段音频片段,并把其中的人物、产品、动作和人声放入画面。参考生视频还可以编辑和扩展你已有的片段。所有视频模型的通用内容请参阅视频生成;其他基于参考生成的模型请参阅参考生视频和 Seedance。 下面是用 /image/generate 生成的两张图像,以及参考生视频根据它们生成的片段。陶艺师保留了她的发型、雀斑和围裙,茶壶保留了釉色和金色把手,结尾的台词由她对着镜头说出。
两张并排的参考图像:一位系着牛仔布围裙的红发陶艺师,以及一把带金色把手的青绿色斑点茶壶
任务以异步方式运行:报价接口为任务定价,队列接口提交任务并扣费,检索接口则用于轮询,直到 MP4 就绪。 示例假定已设置 VENICE_API_KEY:

选择模型

每个档位都有相同的三种变体: Prime 速度更快,价格也更高:陶艺片段在标准档位上耗时 205 秒,在 Prime 上耗时 131 秒。每个 ID 还有一种带点号的写法,例如 wan-3.0-reference-to-video。 图生视频和参考生视频都接受图像,但用途不同。图生视频严格以 image_url 作为开场,如果你传入了 end_image_url,则以它作为结尾。参考生视频把图像当作参考:图像中的内容会出现在片段中,取景方式由提示词决定。当第一个镜头已经确定时,请使用图生视频;当你需要在多个镜头中保持同一个人物或产品时,请使用参考生视频。 时长、宽高比和分辨率来自 /models。以下查询会返回这些信息:
目前所有 Wan 3.0 模型都提供 2s、5s、10s、15s、20s、25s 和 30s 时长,16:9、9:16、1:1、4:3 和 3:4 宽高比,以及最长 20,000 个字符的提示词。图生视频和参考生视频还额外提供 adaptive,它会跟随输入的形状。这些细节可能会变化,因此请从 API 中读取。参考输入的限制不在 /models 中,而是在第 2 步中说明。

1. 获取报价

按输出秒数计费,费率由档位和分辨率决定。截至 2026 年 10 月 23 日,标准档位在 480p 下为每秒 $0.065,720p 为 $0.13,1080p 为 $0.26;Prime 分别为 $0.088、$0.182 和 $0.364。Pro 在 1080p 下为 $0.237,2K 为 $0.272,4K 为 $0.296;Prime Pro 分别为 $0.331、$0.355 和 $0.379。同一档位的三种变体价格相同,关闭 audio 也不会改变价格。 参考视频另外计费,按任务的费率计算并精确到秒的小数部分,因此一段 4.2 秒的片段会增加 4.2 秒的费用。参考图像和音频免费。报价接口不需要 API 密钥;当任务包含参考视频时,请添加 reference_video_total_duration(单位为秒):
报价和扣费都四舍五入到分,因此 480p 下 5 秒的费用 $0.325 会按 $0.33 报价和扣费。

2. 将任务加入队列

以下是生成陶艺片段的请求,其中两张图像指向本文档中的副本,你可以直接运行:
参考输入放在三个数组中,可以是公开 URL 或 data URL。Venice 会自行抓取 URL,因此这些 URL 必须无需请求头或 Cookie 即可访问。参考生视频任务至少需要一张图像或一段视频;仅提供音频会被拒绝。 参考视频与 duration 的总和也必须在 30 秒以内。视频可以是 MP4 或 MOV,音频可以是 MP3 或 WAV。短边小于 240 像素下限的图像会被放大,而不会被拒绝。 在提示词中,@Image1 指 reference_image_urls 中的第一项,@Image2 指第二项,依此类推;@Video1 和 @Audio1 在各自的数组中以相同方式计数。请在提示词中点名你发送的每一个参考输入,包括音频:在人声或声音应出现的位置写上 @Audio1。 尽管 API 参考中列出了 reference_document_urls,Wan 3.0 并不使用它。Prime、Pro 和 Prime Pro 会拒绝该字段,标准档位则会接受文档但忽略它,并照常对任务扣费。 响应会返回后续所有操作所需的标识:
请保存这两个值,检索时需要用到它们。 此时你已被扣费,而不是在视频返回时才扣费,因此不要重试队列请求。如果你拿到了 queue_id,请用它进行轮询。如果始终没有收到响应,再次发送任务可能会导致重复扣费。队列接口限制为每分钟 40 次请求,检索接口为每分钟 120 次;两者都会返回 x-ratelimit-remaining-requests。 大多数错误会在这一步以 400 被拒绝且不扣费:取值不在 /models 中、变体不接受的字段、参考输入过多、只有音频而没有图像或视频,或缺少 aspect_ratio。响应体会在 issues[].message 中说明问题所在。片段长度在扣费之后才会检查,因此过长或过短的参考片段会在这一步拿到 queue_id,然后在第一次检索时失败,费用会被退还。

3. 轮询并下载

使用队列响应中的值调用检索接口:
响应有两种可能。任务运行期间,你会收到 JSON:
任务完成后,你会收到 video/mp4,响应体就是视频本身。请根据 Content-Type 进行分支处理。 这两个数字的单位是毫秒:分别表示该模型上任务的通常耗时,以及你的任务已运行的时长。在我们尝试的每个模型上,平均值都在 7.5 分钟左右,而每个任务都比平均值更快。任务耗时 1 到 5 分钟:480p 下 2 秒的测试略超过一分钟,基于 5 秒参考视频的任务则需要 3 到 5 分钟。请每 10 到 15 秒轮询一次,而不是一直等到平均时长。 MP4 为 H.264 编码,每秒 30 帧,带立体声 AAC 音频;如果你传入了 audio: false,则没有音轨。720p 返回 1280×720,标准档位的 1080p 返回 1920×1080,但 Pro 和 Prime Pro 的 1080p 返回的是 1936×1088。

如果任务失败

失败的任务会保持失败状态:再次轮询会返回相同的状态和响应体。在生成开始前失败的任务,例如参考片段超出长度限制或 Venice 无法解码的图像,会在加入队列后几秒内退款。它们的响应体只包含 error;错误表列出了这些错误。

清理

在检索时传入 delete_media_on_completion: true,存储的视频会在返回它的同一次调用中被删除。之后对该 ID 的任何检索都会返回 404。如果你想多次下载视频,请不要设置此项。

工作流

陶艺片段属于主体工作流:输入图像,片段中出现同样的人物和物体。下面的请求是我们实际运行过的其他工作流,输入使用占位 URL。除最后一个外,其余都使用参考生视频,由提示词决定模型如何处理片段。

从片段中获取运动

参考视频可以只提供镜头运动或动作,而不带入其内容。这里使用 wan-3-0-text-to-video 生成的一段 5 秒环绕雕像的片段,来设定围绕陶艺师的镜头运动:
镜头以环绕雕像的方式围绕她弧形移动。

为对白指定人声

在提示词中说明台词使用 @Audio1 中的人声说出。这里由 /audio/speech 生成的一段 6 秒台词提供人声:
她对着镜头说出了新的台词。

编辑片段

描述要做的修改,点明哪些内容必须保持不变,并将 duration 设置为片段的长度:
庭院和树木被白雪覆盖,雕像和环绕运动保持原样。使用 adaptive 时,854×480 的源片段返回的是 1280×718。

扩展片段

结果以你的片段(重新生成)开头,并从那里继续,因此 duration 是整个结果的长度:原片段加上新画面。
5 秒的环绕片段返回为 10 秒:先是再次环绕,然后是 5 秒新的升镜,越过屋顶。使用 "duration": "5s" 的相同请求只返回了环绕部分,没有其他内容。开头部分是重新生成的而非复制的,因此如果你需要原始画面,请从结尾截取新画面并将其拼接到你的片段上。片段的秒数会被计费两次:一次作为参考视频,一次作为结果的一部分。由于片段和 duration 共享 30 秒上限,一段 10 秒的片段最多只能延长 10 秒。

首帧与末帧

这个工作流使用图生视频。将开场画面作为 image_url 发送,将结尾画面作为 end_image_url 发送,并描述两者之间发生的事情。两帧画面都来自 /image/generate,第二帧是用 /image/edit 基于第一帧制作的,以保证房间一致:
片段以早晨的画面开场,最终停在傍晚的画面上。

编写提示词

Wan 3.0 会紧密遵循结构化的提示词,以下习惯在我们的测试中很有帮助:
  • 为片段的每一段指定时间戳,例如 0-4s: 和 4-10s:。在陶艺片段中,拿起茶壶和推镜头的动作都出现在提示词指定的位置。
  • 将对白放在双引号中,并说明角色何时应保持沉默。如果不加说明,模型会用简短的词语填补安静的时刻:陶艺片段的第一次生成在台词前加了一句 “Okay.”。第二次生成在第一个镜头中写了 She is silent.,并在台词前写了 says only:,结果只有一声轻轻的 “Mm.”。
  • 直白地写出镜头运动:slow push-in、static camera、one slow orbit。
  • 描述你想要的声音,包括房间底噪和环境音。Wan 3.0 没有负面提示词,因此请把 no music 之类的排除项直接写进提示词中。

完整示例

这个脚本生成了陶艺片段:它为任务报价,以 data URL 形式附上两张图像将任务加入队列,轮询直到 MP4 返回,然后保存。请将陶艺师和茶壶保存到脚本旁边,分别命名为 woman.webp 和 teapot.webp。20 分钟的截止时间是我们运行过的最长任务的数倍。
检索接口在交付视频的同时会删除存储的视频,因此如果你想再次下载,请去掉 delete_media_on_completion。

API 参数

队列

检索

错误

相关资源