Wan-R2V acepta entradas multimodales (texto, imagen, video y audio) para generar videos de actuación. Utilice prompts para asignar a personas u objetos como personajes principales.
Enlaces rápidos: Referencia de API | Guía de prompts
Antes de comenzar, obtenga una clave de API y configúrela como variable de entorno. Para utilizar un SDK, instale el SDK de DashScope.
Modelos compatibles:
Modelos compatibles:
Modelos compatibles:
Referencia de API de referencia a video
R: El método de referencia depende del modelo y la función utilizados:
R: No se recomienda. Utilice
Introducción
| Prompt de entrada: El Video 1 entra caminando desde el fondo izquierdo del encuadre. Luego, la toma corta a un primer plano de la Imagen 1. El Video 1 está recargado contra la pared oxidada a la derecha de la Imagen 2. Al escuchar los pasos, gira lentamente la cabeza. Después de ver a la Imagen 1, el Video 1 dice: "¿Por qué viniste todavía?". La Imagen 1 responde: "Hablemos". | |||
Video de entrada (Video 1)Personajes | Imagen de entrada (Imagen 1)Personaje de referencia | Imagen de entrada (Imagen 2)Fondo de referencia | Video de salida (múltiples tomas, con audio) |
| Voz de referencia de entrada: |  |  | |
- SDK de Python
- SDK de Java
- curl
Disponibilidad
- Los modelos compatibles varían según la región. Los recursos están aislados entre regiones. Para consultar los modelos compatibles en cada región, consulte la consola de Model Studio.
- Al realizar una llamada, asegúrese de que su modelo, URL de endpoint y clave de API pertenezcan todos a la misma región. Las llamadas entre regiones fallarán.
El código de ejemplo en este tema se aplica a la región de Singapur. Si utiliza otras regiones, consulte la Referencia de API.
Capacidades principales (wan2.7)
Referencia de imagen única (imagen de múltiples paneles)
Modelos compatibles: wan2.7 series.
Descripción: Puede ingresar una imagen de múltiples paneles (guion gráfico). El modelo detecta automáticamente el diseño de múltiples paneles y genera un video con personajes, escenas y tomas consistentes. Puede ingresar solo una imagen de múltiples paneles a la vez.
Parámetros:
media.type: Establezca enreference_image.media.url: La URL o cadena codificada en base64 de la imagen de múltiples paneles.prompt: Si proporciona solo una imagen o video de referencia, utilice "imagen de referencia" o "video de referencia".
| Prompt de entrada: Imagen de referencia, estilo de película de aventuras animada en 3D, personajes chibi con texturas detalladas, movimientos fluidos y colores vibrantes. Mantener la consistencia de los personajes y la escena del bosque. No añadir texto. Atmósfera: Aventurera, alegre, misteriosa, caprichosa. Personajes: Niño explorador: sombrero redondo, mochila, capa corta. Compañero: un pequeño robot volador con cuerpo redondo y ojos azules brillantes. Escena: Bosque fantástico con raíces gigantes de árboles, hongos, enredaderas, entrada a una cueva del tesoro y rayos de sol. Guion gráfico: 1. Plano general: Árboles altos y haces de luz entrelazados en un bosque fantástico misterioso y luminoso. 2. Plano medio: El niño aparta las enredaderas para explorar. 3. Plano medio: El pequeño robot vuela a su lado, escaneando el camino con una luz azul. 4. Primer plano: Un viejo mapa del tesoro se despliega en las manos del niño. 5. Primer plano: Muestra una expresión emocionada, sus ojos se iluminan. 6. Toma de acción: Ambos saltan sobre raíces de árboles y un arroyo, adentrándose más en el bosque. 7. Plano medio: Un cofre del tesoro cubierto de musgo se revela detrás de las enredaderas. 8. Primer plano: Un resplandor dorado brilla desde el borde del cofre del tesoro. 9. Toma final: El niño y el pequeño robot están frente al cofre del tesoro, mirándose con sorpresa, llenos de aventura. | |
| Imagen de múltiples paneles de entrada | Video de salida |
 | |
- SDK de Python
- SDK de Java
- curl
Asegúrese de que su SDK de Python de DashScope sea la versión 1.25.16 o posterior. Consulte Instalar el SDK.
Referencia de múltiples entidades y personalización de voz
Modelos compatibles: wan2.7 series.
Descripción: Puede ingresar múltiples imágenes y videos de referencia como materiales de entidad. También puede especificar una voz única para cada entidad para habilitar la interacción de múltiples personajes y la diferenciación de voces.
Parámetros:
-
media: Una matriz de materiales de referencia.-
media.type: Admitereference_imageyreference_video. El número total de imágenes y videos de referencia no puede exceder 5. -
media.url: La URL del material. Las imágenes también admiten cadenas codificadas en base64. -
media.reference_voice(opcional): La URL de audio para especificar la voz de la entidad. Utilícelo junto conreference_imageoreference_video. Lógica de audio: Si unreference_videocontiene audio y no se especificareference_voice, se utiliza el audio original del video de forma predeterminada. Si se proporcionan ambos,reference_voicesobrescribe el audio original del video.
-
-
prompt: Haga referencia a los materiales de referencia en el prompt siguiendo las reglas a continuación:- Utilice identificadores como Imagen 1, Imagen 2 para recursos de
reference_imagey Video 1, Video 2 para recursos dereference_video. - El orden de referencia de los materiales se define mediante el arreglo
media. Las imágenes y los videos se cuentan por separado.
- Utilice identificadores como Imagen 1, Imagen 2 para recursos de
| Prompt de entrada: El Video 1 entra caminando desde el fondo izquierdo del encuadre. Luego, la toma corta a un primer plano de la Imagen 1. El Video 1 está recargado contra la pared oxidada a la derecha de la Imagen 2. Al escuchar los pasos, gira lentamente la cabeza. Después de ver a la Imagen 1, el Video 1 dice: "¿Por qué viniste todavía?". La Imagen 1 responde: "Hablemos". | |||
Video de entrada (Video 1)Personaje de referencia | Imagen de entrada (Imagen 1)Personajes | Imagen de entrada (Imagen 2)Fondo de referencia | Video de salida (múltiples tomas, con audio) |
| Voz de referencia de entrada: | | | |
- SDK de Python
- SDK de Java
- curl
Asegúrese de que su SDK de Python de DashScope sea la versión 1.25.16 o posterior. Consulte Instalar el SDK.
Referencia de múltiples entidades y control del primer fotograma
Modelos compatibles: wan2.7 series.
Descripción: Esta función añade control del primer fotograma a la función de referencia de entidad, lo que le otorga mayor control sobre la composición y el flujo de contenido del video.
Parámetros:
-
media: Una matriz de materiales de referencia.-
media.type: Admitefirst_frame,reference_imageyreference_video. Puede proporcionar un máximo de una imagen de primer fotograma. Debe proporcionar al menos una imagen o video de referencia. El número total de imágenes y videos de referencia no puede exceder 5. -
media.url: La URL del material. Las imágenes también admiten cadenas codificadas en base64.
-
-
prompt: Haga referencia a los materiales de referencia en el prompt siguiendo las reglas a continuación:- Utilice "Imagen 1, Imagen 2" para referirse a recursos de
reference_imagey "Video 1, Video 2" para referirse a recursos dereference_video. - El orden de referencia de los materiales se define mediante el arreglo
media. Las imágenes y los videos se cuentan por separado. - No necesita hacer referencia al primer fotograma en el prompt.
- Utilice "Imagen 1, Imagen 2" para referirse a recursos de
| Prompt de entrada: Una toma cenital de un planeta azul. La cámara hace zoom gradualmente hasta un primer plano de la Imagen 1 en el planeta. Está sosteniendo la Imagen 2 y comiéndola, mientras dice: "¿Por qué nadie viene a jugar conmigo?" | |||
Primer fotograma de entradaPrimer fotograma de referencia | Imagen de entrada (Imagen 1)Entidad de referencia | Imagen de entrada (Imagen 2)Objeto de referencia | Video de salidaEl video se genera con la relación de aspecto del primer fotograma |
 |  |  | |
- SDK de Python
- SDK de Java
- curl
Asegúrese de que su SDK de Python de DashScope sea la versión 1.25.16 o posterior. Consulte Instalar el SDK.
Proporcionar referencias
- Serie wan2.7
Pase imágenes, videos y audio de referencia a la matriz
media.Imágenes de entrada
-
Número de primeros fotogramas: Se permite un máximo de un primer fotograma (
media.type=first_frame). -
Número de imágenes de referencia: Se permite un máximo de cinco imágenes de referencia (
media.type=reference_image). El número total de imágenes y videos de referencia no puede exceder 5. -
Métodos de entrada:
- URL pública: Admite protocolos HTTP o HTTPS. Ejemplo: https://xxxx/xxx.png.
-
Cadena codificada en Base64: Use el formato
data:{MIME_type};base64,{base64_data}, donde:- {base64_data}: La cadena codificada en Base64 del archivo de imagen.
-
{MIME_type}: El tipo Multipurpose Internet Mail Extensions (MIME) de la imagen. El tipo debe coincidir con el formato del archivo.
Formato de imagen
Tipo MIME
JPEG
image/jpeg
JPG
image/jpeg
PNG
image/png
BMP
image/bmp
WEBP
image/webp
Videos de entrada
-
Número de videos de referencia: Se permite un máximo de cinco videos de referencia (
media.type=reference_video). El número total de imágenes y videos de referencia no puede exceder 5. -
Métodos de entrada:
- URL pública: Admite protocolos HTTP o HTTPS. Ejemplo: https://xxxx/xxx.mp4.
Audio de entrada
-
Límites: La voz de referencia (
media.reference_voice) solo se puede utilizar conreference_imageoreference_videopara especificar la voz del rol de entidad correspondiente. -
Métodos de entrada:
- URL pública: Admite protocolos HTTP o HTTPS. Ejemplo: https://xxxx/xxx.mp3.
Video de salida
- Número de videos: 1.
- Especificaciones de video: El formato es MP4. Para obtener especificaciones detalladas, consulte Modelos compatibles.
- Periodo de validez de la URL del video: 24 horas.
-
Dimensiones del video:
-
Serie wan2.7: El parámetro
resolutioncontrola el nivel de resolución (720p o 1080p), y el parámetroratiocontrola la relación de aspecto (16:9, 9:16, 1:1, 4:3 o 3:4).- Si se proporciona una imagen de primer fotograma, se ignora el parámetro
ratio. La relación de aspecto del video de salida se aproxima a la de la imagen de primer fotograma. - Si no se proporciona una imagen de primer fotograma, la relación de aspecto se especifica mediante el parámetro
ratio. El valor predeterminado es 16:9.
- Si se proporciona una imagen de primer fotograma, se ignora el parámetro
-
Serie wan2.7: El parámetro
Facturación y limitación de tasa
- Para cuota gratuita y precio unitario, consulte Wan reference-to-video.
- Para la limitación de tasa del modelo, consulte Wan.
-
Detalles de facturación:
- Las imágenes de entrada son gratuitas. Los videos de entrada y salida se facturan según su duración en segundos.
- Las llamadas fallidas al modelo o los fallos de procesamiento no generan cargos ni consumen la cuota gratuita para nuevos usuarios.
-
Fórmula de facturación:
Total billable duration (seconds) = Billable duration of input video (seconds) + Duration of output video (seconds).- Modelos de la serie Wan 2.7
- Modelos de la serie Wan 2.6
Duración facturable del video de entrada: El máximo es de 5 segundos.Truncation limit per video = 5 seconds ÷ Number of input reference videos (reference images and the first frame image are excluded). Cada video se factura segúnmin(actual duration, truncation limit). Las duraciones facturables de múltiples videos se suman.- 1 video de referencia: El límite de truncamiento por video es de 5 segundos.
- 2 videos de referencia: El límite de truncamiento por video es de 2.5 segundos.
- 3 videos de referencia: El límite de truncamiento por video es de 1.65 segundos.
- 4 videos de referencia: El límite de truncamiento por video es de 1.25 segundos.
- 5 videos de referencia: El límite de truncamiento por video es de 1 segundo.
- Ejemplo: Si la entrada consiste en 2 videos de referencia + 1 imagen, la imagen se excluye del recuento. El límite de truncamiento se calcula en función de 2 videos de referencia, lo que resulta en 2.5 segundos por video.
Billable input duration = min(video 1 duration, 2.5 seconds) + min(video 2 duration, 2.5 seconds).
Referencia de API
Referencia de API de referencia a video
FAQ
P: ¿Cómo hago referencia a materiales en un prompt?
R: El método de referencia depende del modelo y la función utilizados:
- Serie wan2.7
- Las imágenes de referencia se identifican como Figura 1, Figura 2, y así sucesivamente. Los videos de referencia se identifican de manera similar. Para prompts en inglés, utilice identificadores como Image 1 y Video 1.
- Las imágenes y los videos se cuentan por separado. El orden coincide con el orden del mismo tipo de material en el arreglo
media. - Si solo tiene una imagen o video de referencia, puede simplificar el identificador a "imagen de referencia" o "video de referencia".
- Por lo general, no necesita hacer referencia a la imagen del primer fotograma en el prompt.
P: ¿Se puede usar reference_voice con una imagen de primer fotograma?
R: No se recomienda. Utilice media.reference_voice con reference_image o reference_video para especificar el timbre de la entidad correspondiente.