Le modèle Wan Image-to-Video accepte une entrée multimodale (texte, image ou audio) et génère des vidéos d'une durée maximale de 15 secondes en résolution 1080P.
- Paramètres de base : Prend en charge des durées vidéo entières de 2 à 15 secondes, une résolution vidéo configurable (480P, 720P ou 1080P), la réécriture intelligente des prompts et l'ajout optionnel d'un filigrane.
- Capacités audio : Permet le doublage automatique ou l'importation d'un fichier audio pour assurer une synchronisation audiovisuelle.(Pris en charge par Wan 2.5 et Wan 2.6)
- Narration multi-plans : Génère des vidéos à plans multiples tout en préservant la cohérence du sujet lors des transitions. (Pris en charge uniquement par Wan 2.6)
Premiers pas
| Prompt d'entrée | Image de la première trame d'entrée | Vidéo de sortie (Multi-plans, Vidéo avec audio) |
| La caméra monte lentement depuis le dessous de la tortue, qui nage avec grâce, laissant apparaître clairement les détails de son ventre. | ![]() |
{WorkspaceId} par votre véritable ID d'espace de travail.
- Python SDK
- Java SDK
- curl
L'URL video_url est valide pendant 24 heures. Téléchargez la vidéo rapidement.
Périmètre
- Les modèles pris en charge varient selon la région. Les ressources sont isolées entre les régions. Pour connaître les modèles disponibles dans chaque région, consultez la console Model Studio.
- Lors d'un appel, assurez-vous que votre modèle, votre URL d'endpoint et votre clé API appartiennent tous à la même région. Les appels interrégionaux échouent systématiquement.
Fonctionnalités principales
Créer des vidéos multi-plans
Modèles pris en charge : Série de modèles Wan 2.6.
Présentation de la fonctionnalité : Le modèle bascule automatiquement entre les plans (par exemple, du plan large au gros plan), ce qui le rend idéal pour la production de clips musicaux.
Configuration des paramètres :
shot_type: Doit être défini sur"multi".prompt_extend: Doit être défini surtrue(active la réécriture intelligente pour optimiser les descriptions de plans).
| Prompt d'entrée | Image de la première trame d'entrée | Vidéo de sortie (Wan 2.6, Vidéo multi-plans) |
| Une scène d'art fantastique urbain. Un personnage de graffiti dynamique. Un garçon fait de peinture en bombe prend vie sur un mur de béton. Il rappe une chanson anglaise à un rythme très rapide, adoptant une pose classique et énergique de rappeur. La scène se déroule la nuit sous un pont ferroviaire urbain. L'éclairage provient d'un seul lampadaire, créant une atmosphère cinématographique, pleine d'énergie et de détails époustouflants. La partie audio de la vidéo consiste entièrement en du rap, sans autre dialogue ni bruit de fond. | Audio d'entrée : |
{WorkspaceId} par votre véritable ID d'espace de travail.
- Python SDK
- Java SDK
- curl
Assurez-vous que la version du SDK DashScope pour Python est au moins 1.25.8 . Pour savoir comment effectuer la mise à jour, consultez Installation du SDK .
Réaliser une synchronisation audiovisuelle
Modèles pris en charge : Séries de modèles wan2.5 et wan2.6.
Présentation de la fonctionnalité : Fait parler ou chanter les personnages des photos avec des mouvements de lèvres synchronisés sur l'audio. Pour plus d'exemples, consultez Génération sonore vidéo.
Configuration des paramètres :
- Fichier audio d'entrée : Fournissez une
audio_url. Le modèle synchronise les mouvements des lèvres en fonction du fichier audio. - Doublage automatique : Ne fournissez pas d'
audio_url. Par défaut, la sortie est une vidéo avec du son. Le modèle génère automatiquement des effets sonores d'ambiance, de la musique ou des voix en fonction des éléments visuels.
| Prompt d'entrée | Image de la première trame d'entrée | Vidéo de sortie (Vidéo avec son) |
| Une scène d'art fantastique urbain. Un personnage de graffiti dynamique. Un adolescent peint à la bombe prend vie sur un mur de béton. Il rappe en anglais à un rythme très rapide, adoptant une pose classique et énergique de rappeur. La scène se déroule la nuit sous un pont ferroviaire urbain. La lumière d'un lampadaire solitaire crée une atmosphère cinématographique, pleine d'énergie et de détails époustouflants. La partie audio de la vidéo consiste entièrement en du rap, sans autre dialogue ni bruit. | Audio d'entrée : |
{WorkspaceId} par votre véritable ID d'espace de travail.
- Python SDK
- Java SDK
- curl
Assurez-vous que la version du SDK DashScope pour Python est au moins 1.25.8 . Pour savoir comment effectuer la mise à jour, consultez Installation du SDK .
Générer des vidéos muettes
Modèles pris en charge : wan2.6-i2v-flash, Série de modèles wan2.2, Série de modèles wan2.1.
Présentation de la fonctionnalité : Utilisez des vidéos muettes pour des scénarios purement visuels ne nécessitant pas d'audio, tels que des affiches animées ou de courtes vidéos silencieuses.
Configuration des paramètres :
wan2.6-i2v-flash: Génère par défaut des vidéos avec audio. Pour générer une vidéo muette, définissez explicitementaudio=false. Même si vous transmettez uneaudio_url, la sortie reste muette lorsqueaudio=false. Vous êtes facturé pour les vidéos muettes.wan2.2 et modèles antérieurs: Génèrent par défaut des vidéos muettes. Aucune configuration supplémentaire n'est nécessaire.
| Prompt | Image de la première trame d'entrée | Vidéo de sortie (vidéo muette) |
| Un chat court sur l'herbe | ![]() |
{WorkspaceId} par votre véritable ID d'espace de travail.
- Python SDK
- Java SDK
- curl
Assurez-vous que la version du SDK DashScope pour Python est au moins 1.25.8 . Pour savoir comment effectuer la mise à jour, consultez Installation du SDK .
Comment transmettre des images et de l'audio
Image d'entrée
- Nombre d'images : Une seule.
- Méthodes d'entrée : URL d'image, chemin de fichier local ou chaîne encodée en Base64.
Méthode 1 : URL d'image (interface HTTP et SDK) Recommandé
Méthode 1 : URL d'image (interface HTTP et SDK) Recommandé
-
URL publique : Prend en charge les protocoles HTTP ou HTTPS.
- Exemple de valeur : https://help-static-aliyun-doc.aliyuncs.com/xxx.png.
Méthode 2 : Chemin de fichier local (SDK uniquement)
Méthode 2 : Chemin de fichier local (SDK uniquement)
Système d'exploitation | Chemin du fichier d'entrée | Exemple (chemin absolu) | Exemple (chemin relatif) |
|---|---|---|---|
Linux / macOS | file://{absolute_or_relative_path_of_the_file} | file:///home/images/test.png | file://./images/test.png |
Windows | file://D:/images/test.png | file://./images/test.png |
Système d'exploitation | Chemin du fichier d'entrée | Exemple (chemin absolu) |
|---|---|---|
Linux / macOS | file://{absolute_path_of_the_file} | file:///home/images/test.png |
Windows | file:///{absolute_path_of_the_file} | file:///D:/images/test.png |
Méthode 3 : Chaîne encodée en Base64 (interface HTTP et SDK)
Méthode 3 : Chaîne encodée en Base64 (interface HTTP et SDK)
-
Exemple de valeur :
data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAABDg......(L'exemple est tronqué à des fins de démonstration uniquement). -
Exigences de format : Respectez le format
data:{MIME_type};base64,{base64_data}, où :- {base64_data} : La chaîne encodée en Base64 du fichier image.
-
{MIME_type} : Le type MIME (Multipurpose Internet Mail Extensions) de l'image. Il doit correspondre au format du fichier.
Format d'image
Type MIME
JPEG
image/jpeg
JPG
image/jpeg
PNG
image/png
BMP
image/bmp
WEBP
image/webp
Code d'exemple : Trois méthodes d'entrée
Audio d'entrée
- Nombre de fichiers audio : Un seul.
-
Méthodes d'entrée :
- URL publique : Prend en charge le protocole HTTP ou HTTPS.
Vidéo de sortie
- Nombre de vidéos : 1.
- Spécifications de la vidéo de sortie : Les spécifications de sortie varient selon le modèle. Pour plus d'informations, consultez la rubrique Périmètre.
- Durée de validité de l'URL de la vidéo de sortie : 24 heures.
-
Dimensions de la vidéo de sortie : Les dimensions dépendent de l'image d'entrée et de la
resolutionconfigurée.- Le modèle tente de conserver le rapport hauteur/largeur de l'image d'entrée tout en l'adaptant à un nombre total de pixels proche de la valeur cible. Pour respecter les normes d'encodage, la largeur et la hauteur doivent être des multiples de 16. Le modèle ajuste automatiquement les dimensions avec précision.
- Par exemple : Pour une image d'entrée de 750 × 1000 pixels (rapport hauteur/largeur 3:4 = 0,75) avec une résolution définie sur « 720P » (nombre de pixels cible d'environ 920 000), la sortie finale pourrait être de 816 × 1104 pixels (rapport hauteur/largeur ≈ 0,739, total de pixels ≈ 900 000). La largeur et la hauteur sont toutes deux des multiples de 16.
Facturation et limitation du débit
- Pour le quota gratuit et les tarifs du modèle, consultez la rubrique Tarification des modèles.
- Pour la limitation du débit des modèles, consultez la rubrique Série Wan.
-
Détails de facturation :
- Les entrées ne sont pas facturées. Les sorties sont facturées en fonction de la durée en secondes des vidéos générées avec succès.
- Les échecs d'appel de modèle ou les erreurs de traitement n'entraînent aucun frais et ne consomment pas le quota gratuit pour les nouveaux utilisateurs.
- La conversion image-en-vidéo prend également en charge les plans d'épargne.
Référence API
Référence API Image-to-video (première image)
FAQ
Q : Pourquoi ne puis-je pas définir directement le rapport hauteur/largeur de la vidéo (comme 16:9) ?
R : L'API actuelle ne permet pas de définir directement le rapport hauteur/largeur de la vidéo. Vous pouvez uniquement configurer la résolution vidéo à l'aide du paramètre resolution.
Le paramètre resolution contrôle le nombre total de pixels, et non un rapport hauteur/largeur fixe. Le modèle préserve le rapport hauteur/largeur original de la première trame d'entrée (approximativement) puis l'ajuste finement pour répondre aux exigences d'encodage vidéo. Plus précisément, la largeur et la hauteur doivent toutes deux être des multiples de 16.
Q : Pourquoi le code SDK renvoie-t-il « url error, please check url! » ?
R : Assurez-vous que :
- Votre version du SDK Python DashScope est au moins
1.25.8. - Votre version du SDK Java DashScope est au moins
2.22.6.


