Wan 3.0 加速线路，使用 Wan 3.0 Prime API 在线生成 2-30 秒视频，支持文本、首尾帧、参考图片或音频、文件或网页内容输入，可输出 480P-1080P 多种画幅视频，并可选择同步音频。
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
Wan 3.0 Prime 加速版视频生成：支持文本、首尾帧、参考图片/音频、文件和网页输入，生成 2-30 秒 480P、720P 或 1080P 视频，可同步生成音频。
定价
标准用量
用图片控制视频的开始和结束画面。
上传首帧图片文件，支持 JPG/PNG/WebP/GIF，最大 10MB
上传尾帧图片文件，支持 JPG/PNG/WebP/GIF，最大 10MB
上传参考音频文件
输入公开可访问的文档或演示文稿 URL，最多 1 个，最多 1 个
输入无需登录即可访问的公开网页 URL，最多 1 个，最多 1 个
在视频中包含同步音轨
准备生成
配置参数并点击"运行"查看输出结果。
两条真实生成结果，都只用文字提示词、480P、2 秒、16:9 并带同步音轨：一条是产品镜头，一条是物体动作。可以对照提示词看画面和动作是否按描述出现。
文生视频 · 产品镜头
只用一句提示词。画面里木勺伸进杯中搅动，底层的牛奶和上层的抹茶逐渐混合成均匀的绿色，冰块随之晃动；杯壁挂着水珠，背景是虚化的街景和暖色晨光，木桌上的光影保持稳定。
Prompt
A glass of iced matcha latte on a sunlit café table; a slow push-in as condensation drips down the glass and a wooden spoon stirs, soft bokeh, warm morning light, gentle café ambience.
文生视频 · 物体动作
同样只用文字。纸鹤先停在洒满阳光的木桌上，接着两侧翅膀向上扬起、完全展开，最后整只纸鹤离开桌面浮到空中；纸张的折痕和桌面上的影子随动作变化，背景的窗帘和台灯保持虚化。
Prompt
A paper origami crane unfolds its wings on a sunlit wooden desk and lifts into the air, soft morning light, gentle camera push-in, subtle rustling paper sound.
根据输入方式、输出规格、控制能力和预算选择适合的视频模型。
以下规格对应当前 HiAPI Wan 3.0 Prime 请求契约。
三步完成一条视频：选控制方式、设参数、提交任务。
只写提示词；或加首帧、尾帧锁定起止画面；或用参考图片、音频、文档、网页提供素材。首尾帧和参考素材不要同时使用。
Draft
5 秒 · 480P
Final
最长 30 秒 · 1080P
先用 480P、几秒的短片验证动作和构图，再提高到 1080P 和需要的时长；画幅按投放渠道选择，竖屏选 9:16。
用模型 ID wan3.0-video-prime 创建异步任务，通过 callback.url 或 GET /v1/tasks/:id 获取结果。
以下是创建异步文生视频任务的最小请求；任务查询、callback、错误处理和完整参数仍以 API 文档为准。
curl -X POST "https://api.hiapi.ai/v1/tasks" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "wan3.0-video-prime",
"input": {
"prompt": "A glass of iced matcha latte on a sunlit café table; a slow push-in as condensation drips down the glass and a wooden spoon stirs, soft bokeh, warm morning light, gentle café ambience.",
"duration": 5,
"resolution": "1080P",
"aspect_ratio": "adaptive",
"audio": true
}
}'Wan 3.0 Prime 是阿里巴巴万相 3.0 视频生成的加速线路。它以文字提示词为核心，可以只写一句描述直接出片，也可以加入首帧和尾帧锁定起止画面，或者用参考图片、参考音频、一份文档或一个网页来告诉模型要生成什么。
输出时长可在 2 到 30 秒之间按秒设置，分辨率有 480P、720P 和 1080P 三档，画幅支持自适应、16:9、4:3、1:1、3:4 和 9:16。默认会生成与画面同步的音轨，不需要声音时可以关闭。
参考视频输入在这条线路上暂未开放；其余参数与 Wan 3.0 系列保持一致，同一套请求结构即可调用。
从纯文字出片，到首尾帧、参考素材和文档网页输入，分别看 Wan 3.0 Prime 能控制到什么程度；带视频的两项对应上方的真实案例。
01
最简单的用法是只写一段提示词，把主体、场景、动作、镜头和光线按顺序写清楚。抹茶拿铁这个案例里，提示词写了杯子、阳光、木勺搅动和推镜，输出里木勺搅动、牛奶和抹茶混合、杯壁水珠和暖色逆光都按描述出现。
默认会同时生成同步音轨，提示词里可以描述想要的声音，例如“轻柔的咖啡馆环境音”；不需要声音时把 audio 设为 false。
02
传入 first_frame_url，视频会从这张图开始；再加上 last_frame_url，视频会落在第二张图上。适合花开、日落、产品展开、角色转身这类有明确起点和终点的变化。
两张图的机位、光线和主体越接近，过渡越自然；提示词只需描述中间发生什么。首尾帧模式不能和参考素材数组同时使用。
03
reference_image_urls 最多 10 张，用来给出产品外观、角色形象或画面风格；reference_audio_urls 最多 5 段 WAV 或 MP3，每段 1 到 15 秒，需要和参考图片一起使用，可以作为人声、旁白或音乐出现在视频里。
提示词里按数组顺序写 Image1、Image2、Audio1，告诉模型每份素材的用途，例如“Image1 中的杯子，旁白使用 Audio1”。
04
aspect_ratio 支持 16:9、4:3、1:1、3:4 和 9:16，做竖屏短视频时直接选 9:16，不需要再裁切横版；选 adaptive 时，画幅跟随输入素材和提示词自动决定。
duration 可以是 2 到 30 之间的任意整数秒，费用按输出时长计算。建议先用 480P 和几秒的短片验证动作和构图，再提高分辨率和时长出正式版本；纸鹤这个案例就是 480P、2 秒的验证片，展翅和离开桌面的动作已经完整可见。
05
reference_file_urls 可以传一份公开可访问的文档或演示文稿，reference_link_urls 可以传一个无需登录的网页，模型会读取其中的内容作为生成依据。两者每次只能选一种，各限 1 个。
这适合把产品介绍页、活动说明或课程讲义快速转成一段讲解短片，再用提示词指定镜头风格和时长。
用商品图作参考图片，加一句卖点旁白，批量生成主图视频和详情页短片。
直接生成 9:16 画面和同步音轨，省掉横转竖的裁切和二次配音。
用首尾帧做花开、季节变化、产品组装前后这类有明确起止的镜头。
把产品页、活动说明或讲义作为参考文件或网页，快速产出讲解短片。
两者属于同一个 Wan 3.0 系列，提示词、首尾帧、参考图片、音频、文件和网页的用法一致，换一个模型 ID 就能切换。
Wan 3.0 的加速线路。适合需要更快拿到结果、频繁迭代提示词或批量出片的场景；参考视频输入暂未开放。
Wan 3.0 的标准线路，规格范围相同。两条线路价格不同，建议用同一条提示词各跑一次，对比效果和出片时间后再定。
必填只有提示词。可选输入包括首帧和尾帧、最多 10 张参考图片、最多 5 段参考音频、1 份参考文档或 1 个参考网页。参考视频输入暂未开放。
不可以。首尾帧模式与参考图片、音频、文件、网页这些数组互斥，每次任务选择其中一种控制方式；参考文件和参考网页之间也只能二选一。
WAV 或 MP3，每段 1 到 15 秒，最多 5 段，需要和参考图片一起使用。提示词里用 Audio1、Audio2 按顺序指代，说明它是旁白、对白还是音乐。
时长 2 到 30 秒按整数秒设置；分辨率 480P、720P、1080P；画幅 adaptive、16:9、4:3、1:1、3:4、9:16，adaptive 会根据输入素材和提示词决定。
默认会生成与画面同步的音轨，声音内容可以在提示词里描述（例如环境音、旁白）；把 audio 设为 false 可以只输出画面。
Prime 是 Wan 3.0 的加速线路，两者的提示词、首尾帧和参考图片、音频、文件、网页用法一致，换 model ID 即可切换；Prime 目前不接收参考视频输入，两条线路价格不同。
传入固定的 seed（0 到 2147483647），并保持提示词和其他参数不变，就能得到高度一致的结果，方便微调后对比。
按输出视频时长和分辨率档位计费，失败任务全额退回；具体单价以本页实时价格为准。