获取 API Key 获取 API
文档

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,或 -1 由模型决定
  • 支持图、视频、音频、文档、网页等多模态参考

请求示例

curl --request POST \
  --url https://api.openveer.com/v1/videos/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "wan3.0-video",
    "prompt": "一只小猫在月光下的屋顶上奔跑,城市的霓虹灯在远处闪烁,电影级画质,流畅运镜。",
    "resolution": "720P",
    "size": "16:9",
    "duration": 5
  }'

响应示例

{
  "code": 200,
  "data": [
    {
      "status": "submitted",
      "task_id": "task_01J9HA7JPQ9A0Z6JZ3V8M9W6PZ"
    }
  ]
}

认证

Authorization string

所有接口均需要使用 Bearer Token 进行认证

访问 API Key 管理页面 获取 API Key:

Authorization: Bearer YOUR_API_KEY

生成模式

模型名固定 wan3.0-video,按传参自动承接多种能力:

模式 典型传参
文生视频 仅 prompt
首帧生视频 image_urls 1 张(首尾帧族)
首尾帧生视频 image_urls 2 张,或 image_with_roles 指定 first_frame / last_frame
参考生视频 参考图 / 视频 / 音频;prompt 可用「图1」「视频1」「音频1」指代
参考文件 / 网页生视频 file_url 或 link_url(可无 prompt)

请求参数

基础

model string

固定值:wan3.0-video

prompt string

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)
resolution string

输出分辨率(大小写不敏感)

  • 480P
  • 720P
  • 1080P(默认,价格最高)

警告



不传 resolution 时按 1080P 计费。对成本敏感时请显式传 480P 或 720P。

size string

宽高比。也可用 aspect_ratio。

  • adaptive(默认,自适应)
  • 16:9 / 4:3 / 1:1 / 3:4 / 9:16
duration integer

生成时长(秒):

  • 2–30:指定输出时长,默认 5
  • -1:由模型自行决定时长

注意



有参考视频输入时,要求「输入视频总时长 + 输出时长 ≤ 30 秒」,超出将被拒绝。传 duration: -1 时,输出时长由模型决定,仍须满足该约束。

audio boolean

输出视频是否含音轨,默认 true。开关声音价格相同。

seed integer

随机种子,范围 [0, 2147483647]

watermark boolean

是否加水印,默认 false

generation_type string

决定裸 image_urls 归到哪一族:

  • frame — 首尾帧族
  • reference — 参考族

不传则自动判断,见下方「两族素材互斥」。

素材输入

image_urls 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,...)。

image_with_roles 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)
video_urls string[]

参考视频,最多 5 段;单段 1–15 秒,总时长 ≤ 15 秒

audio_urls string[]

参考音频,最多 5 段;单段 1–15 秒,总时长 ≤ 15 秒

audio_url string

单条参考音频(与 audio_urls 等价的单值写法)

file_url 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。

link_url 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):

族 成员 语义
首尾帧族 first_frame、last_frame 严格指定视频第一帧 / 最后一帧
参考族 reference_image、reference_video、reference_audio、file、link 由模型理解素材内容

裸 image_urls 如何归属

  1. 传了 generation_type → 以它为准(frame / reference)
  2. 未传,但请求含参考族输入(video_urls / audio_urls / audio_url / file_url / link_url)→ 归 reference_image
  3. 都没有 → 归首尾帧族:第 1 张 first_frame,第 2 张 last_frame(与 wan2.7 一致)

需要精确控制时请用 image_with_roles。

素材上限与格式

类型 上限 / 限制
首帧 / 尾帧 各最多 1 张
参考图 最多 10 张
参考视频 最多 5 段,单段 1–15s,总 ≤15s;mp4/mov;单边 240–4096 px,长宽比 ≤8:1,≤100MB
参考音频 最多 5 段,单段 1–15s,总 ≤15s;wav/mp3;≤15MB
图像 JPEG/JPG/PNG(无透明)/BMP/WEBP;单边 240–8000 px,长宽比 ≤8:1,≤20MB
文档 ≤100MB,≤50 页
网页 公开、免登录 URL

请求示例

文生视频

{
  "model": "wan3.0-video",
  "prompt": "一只小猫在月光下的屋顶上奔跑,城市的霓虹灯在远处闪烁,电影级画质,流畅运镜。",
  "resolution": "720P",
  "size": "16:9",
  "duration": 5
}

首帧生视频

{
  "model": "wan3.0-video",
  "prompt": "画面中的人物开始说唱,镜头缓缓推进",
  "image_urls": ["https://example.com/first.png"],
  "resolution": "720P",
  "duration": 5
}

首尾帧生视频

{
  "model": "wan3.0-video",
  "prompt": "从微笑逐渐变为大笑,背景光线从冷色调渐变为暖色调",
  "image_urls": [
    "https://example.com/first.png",
    "https://example.com/last.jpg"
  ],
  "duration": 5
}

或使用 image_with_roles:

{
  "model": "wan3.0-video",
  "prompt": "从微笑逐渐变为大笑",
  "image_with_roles": [
    {"url": "https://example.com/first.png", "role": "first_frame"},
    {"url": "https://example.com/last.jpg", "role": "last_frame"}
  ],
  "duration": 5
}

参考生视频(多素材)

{
  "model": "wan3.0-video",
  "prompt": "视频1抱着图1,在图3的椅子上弹奏一支舒缓的乡村民谣,并说道:\"今天的阳光真好。\"",
  "generation_type": "reference",
  "image_urls": [
    "https://example.com/object1.jpg",
    "https://example.com/object2.png",
    "https://example.com/chair.png"
  ],
  "video_urls": ["https://example.com/role.mp4"],
  "resolution": "480P",
  "duration": 5
}

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:

{
  "model": "wan3.0-video",
  "file_url": "https://example.com/glass.pptx",
  "resolution": "480P",
  "duration": 10
}

参考网页生视频

{
  "model": "wan3.0-video",
  "prompt": "把这篇文章做成一支科普短片",
  "link_url": "https://example.com/article/123",
  "duration": 15
}

计费

按秒 × 分辨率计费(与官方刊例一致),开关声音同价:

分辨率 单价 5 秒 30 秒
480P ¥0.30 / 秒 ¥1.50 ¥9.00
720P ¥0.60 / 秒 ¥3.00 ¥18.00
1080P ¥1.20 / 秒 ¥6.00 ¥36.00
  • 默认 1080P(最贵),成本敏感请显式传 480P / 720P
  • 计费秒数:传 2–30 时按请求的 duration;传 -1 时按模型实际产出秒数
  • audio: true/false 不影响价格

限制与注意

项 说明
时长 2–30 秒整数,或 -1(由模型决定时长)
有视频输入时 输入视频总时长 + 输出时长 ≤ 30 秒
生成耗时 通常 1–5 分钟,长视频更久
结果地址 任务成功后转存平台 CDN,返回地址可长期使用
prompt ≤20000 字符,超出自动截断

常见错误

均为同步 400,不建任务、不扣费:

场景 处理
首尾帧族与参考族混用 用 generation_type 选定一族,或 image_with_roles 指定角色
同时传 file_url 与 link_url 二选一
duration 非法 仅支持 2–30 或 -1
不支持的分辨率(如 4K) 仅用 480P / 720P / 1080P
参考图超过 10 张 减到 10 张以内
prompt 与素材都为空 至少提供其一

Response

code integer

响应状态码,成功时为 200

data array
返回数据数组
status string

任务状态,初始为 submitted

task_id string

任务 ID,用于查询

注意

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。