万相 Wan 视频 API 规范

本页是阿里万相视频模型 wan3.0-video、wan3.0-video-prime 的调用规范。它们与其他视频模型共用 POST /v1/videos 创建、GET /v1/videos/{id} 轮询的流程；鉴权、素材上传、轮询状态、结果下载和错误处理见 视频 API 完整调用规范，本页只列出万相特有的字段和规则。万相也可以用 POST /v1/responses 提交，见 用 Responses 接口调用。

更新于 2026-10-12。原 wan3.0-video-480p、wan3.0-video-720p、wan3.0-video-1080p 已合并为 wan3.0-video，用 resolution 选择分辨率。首帧、尾帧和参考素材推荐放在顶层 media 数组（first_frame、last_frame、reference_image 等）；也支持 metadata.firstFrame、metadata.lastFrame、metadata.referenceImages、metadata.referenceVideos、metadata.referenceAudios（以及 metadata.first_frame 等下划线写法）和顶层 firstFrame／first_frame、lastFrame／last_frame，它们都会转为 media，但不能与 media 同时提交。无法识别的素材字段会直接返回 400。万相只支持轮询，不要设置 callback_url。

模型一览

两个模型能力一致：分辨率、时长、比例、首尾帧和多素材参考的规则相同，请求参数通用，切换只需修改 model。区别在于生成速度：wan3.0-video-prime 是高速版，端到端生成明显更快，适合需要尽快拿到成片的场景；wan3.0-video 是标准版，对出片时间不敏感时选它即可。

通用规则

• 分辨率：顶层 resolution 取 480p、720p 或 1080p（大小写均可），不传时为 1080P。也可以用像素尺寸 size（例如 1280x720、1920x1080），会同时确定分辨率和比例；size 也可以写比例（如 "size": "9:16"），与 ratio/aspect_ratio 不一致时返回 400。
• 时长：duration（或 seconds）填整数秒；-1 表示由模型智能决定时长。
• 比例：使用 ratio（或等价的 aspect_ratio），两者不一致时返回 400。adaptive 表示按输入素材自适应。
• 提示词：提供了首帧或参考素材时可以省略 prompt，但建议写明动作和镜头要求；两者都没有会返回 400。
• 可选字段：
  • negative_prompt：负面提示词；
  • prompt_extend：是否自动改写提示词，布尔值，默认 true；
  • watermark：是否加水印，布尔值；
  • seed：整数，-1 到 2147483647。

{
  "model": "wan3.0-video",
  "prompt": "雨夜城市中的银色跑车，低机位跟拍，霓虹倒影，电影感",
  "duration": 10,
  "resolution": "1080p",
  "ratio": "16:9"
}

首帧与首尾帧

首帧、尾帧请写在 media 数组中：first_frame 为首帧，last_frame 为尾帧（提供尾帧时必须同时提供首帧）。参考图同样放在 media（reference_image），规则见下一节。

{
  "model": "wan3.0-video-prime",
  "prompt": "从清晨的空旷广场平滑过渡到夜晚灯光亮起的同一构图",
  "duration": 8,
  "resolution": "720p",
  "media": [
    { "type": "first_frame", "url": "https://cdn.example.com/start.jpg" },
    { "type": "last_frame", "url": "https://cdn.example.com/end.jpg" }
  ]
}

多素材参考：media 数组

参考图片、视频、音频统一放在顶层 media 数组，每项为 { "type": "...", "url": "..." }：

• 首帧/尾帧不能与参考图片、视频、音频混用。
• 提交了 media 时只读取 media；images、image 等字段里有 media 未包含的素材时返回 400，首尾帧也请写在 media 里。
• 素材 URL 需匿名可访问，要求见 素材 URL 要求；本地文件先按 本地素材上传 取得 URL。万相不接受 multipart/form-data 文件上传。

{
  "model": "wan3.0-video",
  "prompt": "参考图中的人物随参考音频的节奏起舞，动作风格参考参考视频",
  "duration": 10,
  "resolution": "720p",
  "ratio": "9:16",
  "media": [
    { "type": "reference_image", "url": "https://cdn.example.com/dancer.jpg" },
    { "type": "reference_video", "url": "https://cdn.example.com/dance-motion.mp4" },
    { "type": "reference_audio", "url": "https://cdn.example.com/music.mp3" }
  ]
}

用 Responses 接口调用

这两个模型也可以用 POST /v1/responses 提交，适合只能调用 Responses 接口的客户端或工作流。它和 /v1/videos 生成的是同一种视频任务，参数规则和计费完全相同。

• 提示词写在 input：可以是字符串，也可以是消息数组。消息里的 input_text 作为提示词，input_image 作为图片素材，规则同顶层 images（第 1 张为首帧、第 2 张为尾帧）。
• 其他参数（resolution、duration、ratio、media、negative_prompt 等）照常写在请求顶层，写法与上文相同。
• 取结果有三种方式：

{
  "model": "wan3.0-video-prime",
  "input": "雨夜城市中的银色跑车，低机位跟拍，霓虹倒影，电影感",
  "duration": 5,
  "resolution": "720p",
  "ratio": "16:9",
  "background": true
}

生成完成后，视频地址在 output[0].content[0].text 中，格式为 <video controls src="视频地址"></video>，从 src 取出即可下载：

{
  "id": "resp_BVQwZLWyXB2dEU99F7nrER7XNJdVh8RS",
  "object": "response",
  "model": "wan3.0-video-prime",
  "status": "completed",
  "output": [
    {
      "type": "message",
      "role": "assistant",
      "status": "completed",
      "content": [
        { "type": "output_text", "text": "<video controls src=\"https://...\"></video>" }
      ]
    }
  ],
  "metadata": {
    "task_id": "task_BVQwZLWyXB2dEU99F7nrER7XNJdVh8RS",
    "task_status": "completed"
  }
}

metadata.task_id 是对应的视频任务号，也可以用 GET /v1/videos/{task_id} 查询同一个任务。

计费

wan3.0-video 与 wan3.0-video-prime 是官方版，任务结果使用官方 URL。计费按官方规则：

计费时长 = 输入视频时长 + 输出视频时长

• 输入视频时长：实际输入的参考视频秒数；没有参考视频时为 0。
• 输出视频时长：成功生成的视频秒数。
• 单价按输出分辨率（480P / 720P / 1080P）计算，输入视频与输出视频使用同一档单价。
• 参考图片、参考音频、文档和网页不计入时长。
• 带参考视频，或 duration 为 -1 时，提交按 30 秒预扣；完成后按模型平台返回的输入加输出秒数结算，并退回差额。

具体每秒单价以模型广场当前显示为准。带参考视频时不要只按输出秒数估算费用。