默认参数 · 无声5s720p16:9
秋林里的狐狸
默认 720p、5 秒、无音频：狐狸转头、耳朵抖动、落叶飘下，主体和光线与原图一致。
提示词（英文）
The fox turns its head toward the camera, its ears twitch, golden leaves drift down through the misty light
上传一张图片并描述动作，生成 5、10 或 15 秒的 720p 或 1080p 视频，可按需开启同步音频。
提供商: Alibaba
类型: 视频生成
接口: /v1/tasks
状态: 已开放
消耗: 查看页面实时价格
返回模型列表首帧必填
Wan 2.6 Flash Image to Video
提供商 Alibaba视频
上传一张图片并描述动作，生成 5、10 或 15 秒的 720p 或 1080p 视频，可按需开启同步音频。
定价
标准用量
58 积分/ s
输入
首尾帧
用图片控制视频的开始和结束画面。
0 / 5000
预估费用430 积分86 积分 / s × 5s × 1080p
输出
准备生成
配置参数并点击"运行"查看输出结果。
--
看图片如何动起来
对照输入图片与成片，每个案例都附完整提示词和参数。
竖屏 · 同步音频5s720p9:16
夜市炒面
竖图直接出竖屏；开启音频后，锅铲声、火焰声和人群嘈杂声随画面一起生成。
提示词（英文）
The vendor tosses the noodles in the wok, flames flare up, steam billows, the crowd chatters in the background
1080p5s1080p16:9
沙漠公路老爷车
1080p 输出，镜头绕车缓慢移动，夕阳与扬尘细节更清晰。
提示词（英文）
The camera slowly dollies around the turquoise convertible as the sun sinks behind the mesas, dust drifting in the warm light
10 秒10s720p3:4
雨夜透明伞
10 秒完成抬伞、仰望、推镜整段动作，3:4 画幅跟随原图。
提示词（英文）
She tilts the umbrella and looks up at the rain, raindrops run down the clear canopy, city lights shimmer in the puddles, the camera slowly pushes in
更多 Wan 2.6 Flash 成片
包括 1080p 有声和 15 秒长镜头，点开即可播放。
720p有声5 秒
晨光中的红狐
720p有声5 秒
织机与玻璃之城
720p无声5 秒
磁砂涟漪
1080p有声5 秒
狐狸穿过林间空地
720p15 秒竖屏
夜市出餐全过程
720p无声5 秒
狐狸转头
1080p无声
沙漠公路老爷车
如何选择相关视频模型
根据输入素材和需要选择：
Kling 2.5 Turbo Image to Video
适合：需要首尾帧或反向提示词
取舍：时长 5 或 10 秒
Runway Gen-4.5 Image to Video
适合：需要指定 4:3、1:1 等输出画幅
取舍：固定 720p，最长 10 秒
Seedance 2.5 Image to Video
适合：需要更长时长或首尾帧控制
取舍：参数更多，上手稍复杂
Wan 2.7 Image to Video
适合：需要首尾帧过渡，或在 2–15 秒之间按秒选时长
取舍：最长 15 秒，素材最多 3 项：首帧、尾帧、驱动音频或首段视频
Wan 3.0 Video
适合：需要 2–30 秒长镜头，用首尾帧，或用参考图片、视频、音频、文件、网页控制画面
取舍：首尾帧和参考素材不能同时用，每次任务选一种方式
Wan 3.0 Prime
适合：想更快拿到 2–30 秒视频，可用首尾帧，或用参考图片、音频、文件、网页
取舍：暂不支持参考视频输入；首尾帧和参考素材不能同时用
模型规格
- 输入
- 1 张图片 + 提示词
- 分辨率
- 720p1080p
- 时长
- 5 秒10 秒15 秒
- 画幅
- 跟随输入图片
- 图片要求
- JPG / PNG / WebP，≥256×256，≤10MB
- 音频
- 可选同步音频，默认关闭
- 提示词长度
- ≤1,500 字符，中英文
- 模型 ID
- wan2.6-flash/image-to-video
当前价格：查看实时定价
分辨率与音频组合
每秒价格由分辨率和音频开关共同决定，具体价格见价格页。
| 组合 | 适合 | 相对价格 |
|---|---|---|
| 720p · 无声（默认） | 试稿、批量生成、后期自配音 | 最低 |
| 720p · 有声 | 社媒短片、需要现场感 | 约为默认档 2 倍 |
| 1080p · 无声 | 成片、投放 | 约为默认档 1.5 倍 |
| 1080p · 有声 | 高质量有声成片 | 约为默认档 3 倍 |
时长怎么选
| 时长 | 适合的内容 | 示例 |
|---|---|---|
| 5 秒 | 单个动作、产品亮相 | 狐狸转头 |
| 10 秒 | 动作加运镜的完整片段 | 雨中抬伞仰望 |
| 15 秒 | 场景氛围、连续动作 | 夜市出餐全过程 |
如何使用 Wan 2.6 Flash Image to Video
起始图片
01
上传一张图片
构图完整、主体清晰的图片效果最好；画幅由它决定。
主体动作
镜头路径
音频可选
02
描述动作并选择参数
写清动作与运镜，选择时长、分辨率和是否开启音频。
Playground
POST /v1/tasks
03
体验后接入 API
在 Playground 确认效果后，用下方请求接入。
提示词写法
01
只写画面里的变化
图片已经决定主体和场景，提示词描述动作与镜头即可。
示例：The fox turns its head toward the camera, leaves drift down
02
镜头词要具体
推镜、环绕、跟拍、手持比“电影感”更可控。
示例：the camera slowly dollies around the car
03
长时长写清顺序
10 秒和 15 秒适合按先后写两三个动作。
示例：she tilts the umbrella, looks up, the camera pushes in
04
开启音频时写出声音
写出想听到的声音，生成的音频更贴合画面。
示例：flames flare up, the crowd chatters in the background
API 快速示例
curl --request POST 'https://api.hiapi.ai/v1/tasks' \
--header 'Authorization: Bearer YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
"model": "wan2.6-flash/image-to-video",
"input": {
"prompt": "The fox turns its head toward the camera, its ears twitch, golden leaves drift down through the misty light",
"image_urls": [
"https://static.hiapi.ai/gallery/2026/10/ced2dd4214889094.jpg"
],
"duration": 5,
"resolution": "720p",
"audio": false
}
}'创建请求会返回 taskId；结果需要异步获取。查看完整 API 文档
关于 Wan 2.6 Flash Image to Video
一张图，5 到 15 秒的动态镜头
Wan 2.6 Flash 图生视频以一张图片作为开头，按提示词加入动作、运镜和氛围。画幅跟随图片，横图出横屏、竖图出竖屏，不需要额外设置。
时长可选 5、10、15 秒，分辨率 720p 或 1080p。默认生成无声视频；需要环境声和音效时打开 audio，按有声档计费。
- 提供商
- Alibaba
- 任务
- 首帧驱动视频
- 输入
- 1 张图片 + 提示词
- 价格
- 查看实时价格
一张图片能拍出哪些镜头
每段都附成片和参数：画幅跟随图片，提示词描述动作、运镜和声音。
动物与自然
晨光中的红狐转头
输入是一张晨雾森林里的狐狸照片。提示词要求它慢慢转向光线、耳朵抖动、呼出白气，镜头稳定推近。
开启音频后，鸟鸣、落叶和溪水声与画面同步生成。
机械与产品
织机运转，玻璃之城随之升起
复杂的机械画面同样能保持结构稳定：梭子往返、丝线起伏，平台上的微缩城市随丝线升起，镜头缓慢环绕。
木质撞击声和梭子的金属声让动作节奏更清楚。
抽象与氛围
磁砂涟漪：无声更适合后期配乐
黑砂沿铜环向外荡开，冷色光束扫过表面，低机位缓慢前移，适合品牌片头和展览循环视频。
这条关闭了音频，按无声档计费，方便后期自配音乐。
长镜头
15 秒夜市出餐全过程
15 秒能容纳翻炒、装盘、递出等多个连续动作，不必拼接多段。
竖图输入直接得到竖屏视频，适合短视频平台。
高清成片
1080p 有声：狐狸穿过林间空地
1080p 保留毛发和落叶细节，适合大屏和投放成片。
同一张输入图，可先用 720p 试稿，再切到 1080p 出片。
主体运动与镜头表现
适合的应用场景
人像与时尚
人物抬头、转身、衣物飘动，做成杂志感短片。
美食与街景
翻炒、火焰、蒸汽配同步音频，现场感更强。
自然与动物
动物动作和环境细节自然连贯。
汽车与产品
环绕运镜展示外观，1080p 保留细节。
在 HiAPI 上使用 Wan 2.6 Flash
同一个 API Key 调用全部视频模型，任务记录集中保存成片与消费明细，便于回看和核对费用。
相关阅读
查看全部文章需要比较不同模型和计费档位？查看全部模型实时价格
常见问题
Wan 2.6 Flash 图生视频需要哪些输入？
1 张图片和一段提示词。图片作为视频开头，提示词描述动作、镜头和氛围。
可以传多张图片吗？
不可以，image_urls 只接受 1 张图片。
图片有什么要求？
JPG、PNG 或 WebP，至少 256×256 像素，不超过 10MB。
支持哪些时长？
5、10、15 秒，默认 5 秒。
支持哪些分辨率？
720p 和 1080p，默认 720p。
输出画幅怎么设置？
无需设置，输出画幅跟随输入图片：横图出横屏，竖图出竖屏。
音频开关有什么作用？
开启 audio 后会生成与画面同步的环境声和音效；默认关闭，生成无声视频。
开启音频会影响价格吗？
会。有声视频按有声档每秒计费，无声视频按无声档计费；1080p 也高于 720p。当前价格以价格页为准。
怎么计费？
按视频秒数计费，每秒价格由分辨率和是否开启音频决定。
提示词可以用中文吗？
可以，中英文都支持，最多 1,500 字符。
提示词怎么写效果更好？
图片已经决定了主体和场景，提示词重点写动作、镜头运动和氛围，例如“狐狸转头看向镜头，金色落叶飘下，镜头缓慢推进”。
生成的视频能保存多久？
结果链接有有效期，需要长期保存时请及时下载或转存到自己的存储。