Skip to main content

Génération vidéo Wan3.0

La série wan3.0 est un modèle de génération vidéo tout-en-un offrant des améliorations complètes en génération audiovisuelle, référence multimodale et montage vidéo. Elle génère jusqu’à 30 secondes à 30 images/s, produit nativement dialogues, musique et effets sonores, accepte jusqu’à 20 références multimodales (images, vidéos, audio, documents, pages web) par requête et prend en charge le contrôle de la première image ou des images initiale et finale, le montage et la prolongation vidéo.

Pour rédiger vos prompts, consultez le Guide des prompts de génération vidéo wan3.0.

Périmètre

Les exemples de code s’appliquent à la région Singapour.

Fonctionnalités du modèle

wan3.0-video / wan3.0-video-prime est un modèle tout-en-un couvrant les tâches ci-dessous sans changer de nom de modèle. Il route automatiquement les demandes selon le champ type dans input.media et l’intention du prompt.
Chaque tâche accepte uniquement les valeurs type indiquées ci-dessous. Les valeurs type de tâches différentes ne peuvent pas être mélangées. Par exemple, le mode images initiale et finale accepte uniquement first_frame et last_frame, sans reference_audio ni autre type simultané. Consultez Combinaisons de médias.

Type de tâche

Déclenchement

Remarques d’utilisation

Texte vers vidéo

Transmettez uniquement prompt, sans media

Réglage libre de la résolution, du rapport d’aspect et de la durée

Image vers vidéo

Première image vers vidéo

Définissez type sur first_frame

Réglez de préférence ratio sur adaptive pour reprendre automatiquement le rapport d’aspect de la première image

Images initiale et finale vers vidéo

Définissez type sur first_frame et last_frame

Réglez de préférence ratio sur adaptive pour reprendre automatiquement le rapport d’aspect de la première image

Référence multimodale

Référence d’image

Définissez type sur reference_image

Jusqu’à 10 images, chacune ≤20 Mo

Référence vidéo

Définissez type sur reference_video

Jusqu’à 5 clips, durée totale ≤15 secondes, chaque fichier ≤100 Mo

Référence audio

Définissez type sur reference_audio

Jusqu’à 5 clips, durée totale ≤15 secondes, chaque fichier ≤15 Mo

Références combinées

Définissez type avec une combinaison de reference_image/reference_video/reference_audio

Références d’images/vidéos/audio, combinables librement

  • Image+Vidéo

  • Image+Audio

  • Vidéo+Audio

  • Image+Vidéo+Audio

Référence de fichier/page web vers vidéo

Définissez type sur file ou link (un seul des deux, maximum 1), combinable avec reference_image/reference_video/reference_audio

Analyse le contenu du document/de la page web pour générer une vidéo

Les documents et liens web doivent être accessibles publiquement sans connexion

Montage vidéo

Définissez type sur reference_video (combinable avec reference_image/reference_audio) avec un prompt de montage (« modifier la vidéo », « supprimer », « remplacer », « transformer en »)

Ajout/suppression/modification d’éléments, changement de style, de lumière ou de dialogues. Valeurs recommandées : ratio = adaptive, duration = -1 (conservation automatique du rapport d’aspect et de la durée d’origine)

Prolongation vidéo

Définissez type sur reference_video (combinable avec reference_image/reference_audio) avec un prompt de prolongation (« prolonger », « continuer », « prolonger avant/après »)

Prolongation avant/après/dans les deux sens. Valeur recommandée : ratio = adaptive (conservation du rapport d’aspect d’origine)

Conseils pour les prompts

La plateforme propose un Skill d’optimisation des prompts Wan 3.0 pour vous aider à les affiner. Télécharger le Skill : wan3-pe.zip (décompressez après téléchargement) Utilisation : Dans la zone de chat IA, saisissez /wan3-pe suivi de votre prompt pour lancer l’optimisation. Exemple :
/wan3-pe Refine the prompt based on the Skill. Prompt: A cat running on the grass.

Fonctionnalités principales

Texte vers vidéo

Générez des vidéos à partir du seul prompt, sans média d’entrée. Le modèle produit nativement des récits multiséquences jusqu’à 30 secondes, avec dialogues, musique et effets sonores synchronisés automatiquement.
  • Prend en charge les storyboards à un ou plusieurs plans (4~6 secondes par plan, avec indications temporelles).
  • Audiovisuel : Génère nativement dialogues, sons ambiants et musique de fond sans doublage en postproduction.
  • Durée intelligente : Avec duration défini sur -1, le modèle recommande automatiquement une durée adaptée.
Configuration des paramètres : resolution=480P/720P/1080P (par défaut), ratio=21:9/16:9/4:3/1:1/3:4/9:16, duration=2~30 secondes ou -1 (durée intelligente).

Exemple de prompt 1

Clip d’aventure de 20 secondes dans un univers de peluches, en format ultralarge, avec des textures de fourrure extrêmement fines, une échelle spatiale cinématographique, un contraste entre apparences mignonnes et action intense, des mouvements FPV exagérés et une physique réaliste des corps mous. Un vaisseau fait de tissu pelucheux, de boutons, de fermetures éclair et de rembourrage transporte trois petites peluches — un lapin, un renard et un corbeau — fuyant à grande vitesse dans un univers de planètes géantes en laine, de nébuleuses duveteuses et de monstres-marionnettes. Une immense baleine interstellaire à longue fourrure bleu foncé et aux yeux de boutons de verre poursuit le vaisseau depuis la nébuleuse. Le vaisseau-fermeture éclair est catapulté, orbite rapidement autour d’une planète de laine, puis la baleine surgit derrière lui. Il traverse une ceinture d’astéroïdes-boutons, est avalé par la baleine et s’échappe par une fermeture éclair dorée sur son dos. La baleine se dégonfle lentement comme si elle perdait son rembourrage. Enfin, le vaisseau traverse une nébuleuse rose-violette vers un soleil de boutons multicolores.
SynopsisUn incident de « ravitaillement » plein d’humour pince-sans-rire et d’absurdité dans un désert futuriste aux couleurs vives. Dans une station oubliée évoquant la Route 66, un pompiste blasé reçoit une visiteuse insolite : une cowgirl impassible sur un vrai cheval. Alors qu’il la prend pour une excentrique de passage, elle se dirige vers la pompe, saisit le pistolet et « fait le plein » de son cheval avec de l’herbe fraîche. Cette scène surréaliste plonge le pompiste expérimenté dans une dissonance cognitive totale.Description de la scène et esthétique lumineuseStyle visuel : Réaliste, avec un étalonnage cinématographique très saturé et lumineux, créant une impression ensoleillée où l’absurde se déroule dans un cadre parfaitement normal, voire agréable.Esthétique colorée : Respect strict d’une palette vive « bleu sarcelle-orange ».Bleu sarcelle : Ciel sans nuages d’un azur clair et lumineux, légèrement sarcelle. Le bâtiment principal arbore un jaune-orange-bleu rétro un peu délavé. La pompe est rouge vintage passé.Orange : Sol sec et craquelé orangé, montagnes lointaines aux tons chauds de terre cuite. Foulard ou veste orange pour la cowgirl.Personnages et décor :Cowgirl : Impassible et taciturne, chapeau à large bord, bottes de travail solides et jean, vêtements couverts de poussière après un long voyage.Cheval : Un vrai cheval, calme, à la robe ordinaire, comme habitué depuis longtemps à tout cela.Pompiste : Combinaison bleue graisseuse, énormes lunettes noires, avachi dans son fauteuil avec un cure-dent à la bouche. Il est au cœur des plans de réaction du film.Station : Style Route 66 classique, petite supérette adjacente et distributeur de Coca délavé à l’entrée, avec tout le charme rétro américain.
  1. Style des mouvements de caméra
Le style de caméra est « Observation calme & gros plan absurde » :Nombreux plans moyens fixes et travellings latéraux lents, observant les événements avec calme et objectivité, sans guider les émotions.Aux moments absurdes décisifs, coupez soudainement sur un très gros plan — herbe jaillissant du pistolet ou visage stupéfait du pompiste — pour créer l’humour par ce grossissement abrupt.
  1. Description plan par plan
0–8 s : Prologue — Un après-midi ennuyeuxPlan d’ensemble fixe. Ciel bleu, vent et poussière. La station rétro jaune-orange-bleu légèrement délavée se dresse seule au bord de la route. À l’entrée, le pompiste en lunettes noires somnole dans son fauteuil. Seul le vent rompt le silence.Plan large. À l’horizon, une cowgirl à cheval apparaît lentement, rompant le silence.Plan moyen. Réveillé par les sabots, le pompiste ajuste ses lunettes et se redresse avec impatience devant ce duo étrange. Son cure-dent tressaute ; son visage dit : « Encore quelqu’un qui demande son chemin. »8–16 s : Développement — Un non-sens très sérieuxSans un mot, la cowgirl descend vivement, mène le cheval jusqu’à une vieille pompe. Le cheval avance la tête avec habitude.Vue subjective du pompiste, légèrement fisheye : À travers ses lunettes, la femme et le cheval paraissent encore plus étranges. Elle saisit réellement le pistolet.Gros plan. Il fronce les sourcils, persuadé qu’elle se moque de lui. Il retire ses lunettes, prêt à crier.Gros plan au ralenti : Au moment où il retire ses lunettes, elle pointe le pistolet vers la bouche du cheval et presse la gâchette.16–24 s : Climax — L’effondrement cognitif[Contraste ultime] :Gros plan : Du pistolet jaillissent non pas de l’essence, mais des flots d’herbe verte fraîche et perlée de rosée !Très gros plan : Coupe rapide sur le pompiste médusé. Yeux ronds, bouche entrouverte, cure-dent immobile. Son expression se fige comme si sa vision du monde s’effondrait en une seconde.Plan moyen. Le cheval mâche joyeusement, plisse les yeux de satisfaction, puis fouette l’air de sa queue. La poussière soulevée atterrit sur le visage du pompiste toujours stupéfait.24–30 s : Dénouement — Poussière au vent, stupeur persistanteLe « plein » d’herbe est fait. Elle raccroche le pistolet, sort quelques pièces, rejoint l’entrée de la supérette et les fait tinter dans une boîte en métal sur le comptoir.Elle jette un regard au pompiste pétrifié ; sous le bord du chapeau, le coin de ses lèvres semble se relever.[Arrêt sur image ultime] : Elle remonte à cheval et s’éloigne.La caméra avance lentement vers le pompiste. Visage poussiéreux, lunettes toujours serrées dans la main, il reste figé jusqu’à ce que le cure-dent tombe enfin avec un petit clic.Arrêt sur son visage en crise existentielle. Le film se termine dans un silence absurde, avec le seul bruit du cure-dent roulant au sol sous le vent.
Court métrage d’animation 3D de 30 secondes, dark fantasy, plan unique, intérieur en briques de pierre faiblement éclairé. Un homme froid et remarquablement beau, yeux violets, cheveux bleu encre ébouriffés de mèches argentées, cornes cristallines sombres, peau pâle et froide, runes astrales pourpres sur le front et les tempes. Il porte un trench à col montant en brocart bleu nuit polaire sur une chemise de soie noire, avec une bague d’oreille en argent sombre et améthyste à gauche.Scène : Clair de lune blanc froid comme éclairage principal dur, low-key très contrasté, lumière de trois quarts face. À l’arrière-plan, deux silhouettes floues et un feu jaune chaud vacillent ; des poussières bleues éthérées flottent dans l’air.Caméra : Plan rapproché légèrement en plongée, faible profondeur de champ verrouillée sur le personnage à gauche, puis lent redressement à hauteur des yeux pendant le monologue.Action : Debout de biais, tête baissée avec un sourire méprisant, l’homme regarde sa paume puis se tourne vers la caméra. Il relève la tête et dit d’une voix froide et magnétique : « Ripe enough for the void. » Il ouvre la main gauche, cinq doigts écartés ; un vortex de nébuleuse sombre se forme dans sa paume. Il dit : « Your soul, a mere spark for me to extinguish. » Il serre soudain le poing ; la nébuleuse explose en brume pourpre et fragments d’étoiles bleues. Il affiche enfin un sourire cruel, tandis que ses ongles au dégradé violet sombre s’allongent légèrement.Avec des effets de résonance du vide et d’explosion d’énergie, et une voix de jeune antagoniste anglophone tout au long du film.
  • Python SDK
  • Java SDK
  • curl
Avant d’exécuter le code suivant, mettez à jour le SDK Python DashScope vers 2.0.1 ou une version ultérieure. Consultez Installer le SDK.
import os
import dashscope
from dashscope.v2 import DashScopeError

# Voici la configuration de la région de Singapour. Remplacez {WorkspaceId} par l'ID de votre workspace. La valeur de region varie selon la région.
client = dashscope.Client(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    workspace="{WorkspaceId}",
    region="ap-southeast-1",
)

print('please wait...')
# generate est un appel en une étape (soumet la tâche et attend sa fin) et retourne un Job terminé
try:
    job = client.videos.generate(
        model='wan3.0-video',
        prompt='A 20-second ultra-widescreen plush universe adventure clip, featuring ultra-fine plush textures throughout, cinematic space scale, a contrast between cute appearances and intense action, exaggerated FPV camera movements, and realistic soft-body physics. A spaceship made of plush fabric, buttons, zippers, and stuffing cotton carries three small plush animals — a rabbit, a fox, and a crow — fleeing at high speed through a universe composed of giant yarn planets, fluffy nebulae, and puppet giant beasts. A massive interstellar whale beast covered in deep blue long fur with eyes like two glass buttons chases the ship from within the nebula. The dynamics include the zipper ship launching via catapult, high-speed orbiting around a yarn planet, the giant whale bursting out from behind, navigating through a button asteroid belt, being swallowed by the whale beast, escaping through a golden zipper on its back, the whale slowly deflating as if losing its stuffing cotton, and finally flying through a pink-purple fluffy nebula toward a colorful button sun.',
        resolution="480P",
        ratio="adaptive",
        duration=20,
        prompt_extend=True)
    print(job)
    print("video_url:", job.video_url)
except DashScopeError as e:
    print(f"Code de statut HTTP: {e.status_code}")
    print(f"Code d'erreur: {e.code}")
    print(f"Message d'erreur: {e.message}")
    print("Consultez la documentation: https://www.alibabacloud.com/help/model-studio/developer-reference/error-code")

Image vers vidéo (première image / images initiale et finale)

Spécifiez précisément la première ou la dernière image avec first_frame/last_frame pour reproduire l’image de référence au pixel près. Adapté au contrôle précis des images de début et de fin.
  • Première image vers vidéo : Fournissez une image initiale, puis le modèle génère le mouvement qui suit.
  • Images initiale et finale vers vidéo : Spécifiez les deux, puis le modèle génère automatiquement la transition entre elles.
  • Prend en charge la sortie audiovisuelle ; les dialogues et effets sonores peuvent être précisés dans le prompt.
Configuration des paramètres : ratio = adaptive recommandé (adaptation au rapport d’aspect de l’image d’entrée), duration=2~30 secondes ou -1.
FonctionnalitéPrompt d’entréeImage initiale ou finale en entréeVidéo de sortie
Première image vers vidéo(0:00–0:03) Caméra : Plan moyen. Scène : Forêt de bambous au lavis d’Image 1. La silhouette d’un épéiste en chapeau de bambou et robe sombre se tient au centre, entourée de brume épaisse et d’ombres de bambous. Action : Sa main gauche repose légèrement sur la garde ; les feuilles tombent au vent. Atmosphère : Silencieuse, oppressante, grain du lavis clairement visible.
Consultez le prompt complet dans la section déroulante sous le tableau.
dbdaddafe0e1a8af2bcd975f61010426
Images initiale et finale vers vidéo[Plan-séquence, mouvement lent et esthétique, aucune coupe, prise de 15 secondes, texture de pigments minéraux confrontée au rendu 3D, contraste cyan-bleu × or]
Consultez le prompt complet dans la section déroulante sous le tableau.
Première image
Wan_Image_first_frame
Dernière image
Wan_Image_last_frame
(0:00–0:03) Caméra : Plan moyen. Scène : Forêt de bambous au lavis d’Image 1. La silhouette d’un épéiste en chapeau de bambou et robe sombre se tient au centre, entourée de brume épaisse et d’ombres de bambous. Action : Sa main gauche repose légèrement sur la garde ; les feuilles tombent au vent. Atmosphère : Silencieuse, oppressante, grain du lavis clairement visible.(0:03–0:08) Introduction de l’intrigue. Caméra : Gros plan. L’épéiste perçoit une intention meurtrière. Avancée rapide sous son chapeau. Détail : Des yeux perçants et résolus apparaissent, regard tranchant ; des gouttes de « sueur » à l’encre glissent sur le front. Action : Sa main droite serre lentement la garde, jointures blanchies. Les feuilles tombent plus vite.(0:08–0:13) Caméra : Orbite rapide autour de l’épéiste. Deux assassins, silhouettes au lavis, surgissent du fond de la forêt avec crochets doubles et lames courtes. Leurs mouvements sont des traits d’encre fluides. La caméra balaie rapidement leurs silhouettes pour accentuer la vitesse.(0:13–0:18) Caméra : Sensation à main levée, capture à grande vitesse. Combat : L’épéiste dégaine vivement, sa lame dessinant une fissure de lavis blanc pur. L’assassin attaque aux crochets doubles. Premier coup : Rotation et taille ; la collision produit des étincelles calligraphiques noires et blanches et des gouttes d’encre. Deuxième coup : Feinte, propulsion sur un bambou, attaque plongeante ; l’assassin roule pour esquiver, le bambou éclate en traces d’encre. Troisième coup : La pointe vise la gorge de l’autre assassin, qui pare avec une lame courte ; la caméra saisit les fines craquelures d’encre au frottement des lames.(0:18–0:20) Caméra : Ralenti puis arrêt sur image. * Scène : La lame s’arrête au cou de l’assassin figé. * Détail : Le chapeau de l’épéiste est légèrement incliné par le combat. La forêt retrouve son calme, les feuilles dansent. * Atmosphère : Recul lent au plan moyen, arrêt sur l’épéiste rengainant et l’assassin tombant. * Texte (facultatif) : En bas, texte au lavis : « Le monde des arts martiaux — réglé d’un seul trait. » Style : Conserver le lavis fortement noir et blanc d’Image 1, des gestes calligraphiques rapides et de riches détails : gouttes, étincelles, fissures d’encre.
[Plan-séquence, mouvement lent et esthétique, aucune coupe, prise de 15 secondes, texture de pigments minéraux confrontée au rendu 3D, contraste cyan-bleu × or]Cadre global : Peinture minérale chinoise, grain des pigments et texture de feuille d’or, fort contraste cyan-bleu et or. Lac de l’Ouest à l’aube dans une brume fine : surface mate au lavis cyan-bleu, lumière dorée traversant les nuages en colonnes Tyndall, trois pagodes de pierre des Trois Bassins reflétant la Lune et pagode Leifeng à peine visibles ; lotus au premier plan. Sujet : la déesse aquatique « Xizi », texture minérale, visage ovale, sourcils de saule, yeux de phénix, fleur de cinabre entre les sourcils, peau de jade chaud doucement lumineuse, halo d’or pâle. Chignon haut avec épingle de lotus dorée ; jupe et châle d’eau courante, dégradé cyan-bleu et reflets scintillants.Audio : Guzheng et flûte de bambou doux, légers clapotis et oiseaux matinaux. À 8 secondes, une voix féminine douce et éthérée récite lentement : « Si l’on comparait le lac de l’Ouest à la belle Xizi — » ; pendant le retournement : « Légèrement ou richement parée, elle est toujours belle. » Débit lent, légère réverbération et résonance persistante.[0–3 s : Une goutte] Très gros plan macro sur le bord d’une feuille de lotus à l’aube. Une goutte grossit, reflète l’or matinal et tombe lentement. La caméra la suit en basculant vers le bas ; elle touche le lac et crée des cercles concentriques dorés et bleus.[3–7 s : L’eau prend forme] Au centre des rides, l’eau s’élève et forme la déesse « Xizi ». Elle devient sa jupe cyan-bleu et son châle translucide, de fins ruisselets l’entourent. Elle monte du lac, yeux doucement fermés puis ouverts ; l’épingle de lotus luit. La caméra tourne lentement autour de son regard baissé et de sa jupe tissée d’eau.[7–11 s : Un lotus à chaque pas] Elle marche pieds nus sur le lac ; chaque pas fait naître des rides dorées et des lotus successifs. Recul en plan moyen large : la brume révèle les trois pagodes de pierre chaleureusement éclairées, Leifeng dans le matin et les saules effleurant l’eau. À 8 secondes, la voix commence : « Si l’on comparait le lac de l’Ouest à la belle Xizi — ». Son châle laisse une longue traînée d’eau lumineuse or et bleu.[11–15 s : Le regard en arrière — toujours belle] Elle s’arrête et se tourne vers la caméra, qui avance en plan rapproché. Lumière matinale sur son visage, châle d’eau flottant à côté, gouttes lumineuses quittant ses cheveux et devenant particules. La voix poursuit : « Légèrement ou richement parée, elle est toujours belle. » Sourire doux devant Leifeng et les Trois Bassins brumeux. La dernière seconde se fige sur son regard retourné, composition d’affiche de cinéma parfaite.
  • Python SDK
  • Java SDK
  • curl
Avant d’exécuter le code suivant, mettez à jour le SDK Python DashScope vers 2.0.1 ou une version ultérieure. Consultez Installer le SDK.
import os
import dashscope
from dashscope.v2 import DashScopeError

# Voici la configuration de la région de Singapour. Remplacez {WorkspaceId} par l'ID de votre workspace. La valeur de region varie selon la région.
client = dashscope.Client(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    workspace="{WorkspaceId}",
    region="ap-southeast-1",
)

print('please wait...')
# generate est un appel en une étape (soumet la tâche et attend sa fin) et retourne un Job terminé
try:
    job = client.videos.generate(
        model='wan3.0-video',
        prompt='A cat running on the grass',
        media=[{"type": "first_frame", "url": "https://cdn.translate.alibaba.com/r/wanx-demo-1.png"}],
        resolution="720P",
        ratio="adaptive",
        duration=5,
        prompt_extend=True)
    print(job)
    print("video_url:", job.video_url)
except DashScopeError as e:
    print(f"Code de statut HTTP: {e.status_code}")
    print(f"Code d'erreur: {e.code}")
    print(f"Message d'erreur: {e.message}")
    print("Consultez la documentation: https://www.alibabacloud.com/help/model-studio/developer-reference/error-code")

Génération vidéo avec références multimodales

Fournissez jusqu’à 20 références (images, vidéos, audio, documents, pages web) ; le modèle en comprend automatiquement l’intention pour générer une vidéo. Utilisez « Image 1 » ou « Img 1 », « Video 1 », « Audio 1 », etc. dans le prompt pour désigner les médias selon leur ordre dans input.media.
Règles de désignation des médias : Images, vidéos et audio sont numérotés séparément. Le premier reference_image dans input.media correspond à « Img 1 » ou « Image 1 », le deuxième à « Img 2 » ou « Image 2 » ; le premier reference_video à « Video 1 », le deuxième à « Video 2 » ; le premier reference_audio à « Audio 1 », le deuxième à « Audio 2 », etc. Les trois types peuvent coexister sans conflit sous les noms « Image 1 », « Video 1 » et « Audio 1 ».
  • Référence de personnage/objet : Fournissez des images pour générer une vidéo avec une apparence cohérente.
  • Référence de caméra/action : Fournissez une vidéo pour reproduire ses mouvements de caméra ou sa chorégraphie.
  • Référence de style : Fournissez une image pour appliquer son esthétique à la vidéo générée.
  • Référence audio : Fournissez de la musique ou une voix pour générer une danse ou une animation labiale synchronisée avec le rythme ou la tonalité.
  • Document/page web vers vidéo : Fournissez un document ou un lien public pour en analyser automatiquement le contenu et générer une vidéo.
Configuration des paramètres : ratio = adaptive recommandé (adaptation aux références), duration=2~30 secondes ou -1.
1. Références d’images/vidéos/audio
FonctionnalitéPrompt d’entréeMédias de référence en entréeVidéo de sortie
Image de référenceAvec le gloss d’Image 1, générez une vidéo verticale de 15 secondes montrant l’essai par un modèle, en mettant en valeur la couleur des lèvres.
5eecdaf48460cde5fbbc2c464cec524f5d9972026d69774e75b8339e1c4c24831b75b38faadcd24bec177c308ebd5304ec45867da4df4d505ff298ada22ab8bc3b4fc6aa4c1faca825e838ced1f82ac8f6990daa07af56984fb4c8ed7016461c
Référence image+vidéo+audioRemplacez sans raccord visible le rôle féminin de Video 1 par l’homme d’Image 1. Il est assis près de la fenêtre, téléphone à l’oreille.[Voix et dialogue] Extrayez les caractéristiques vocales d’Audio 1 et faites dire au personnage : « Vraiment ? C’est génial ! Quand rentres-tu ? Tu me manques tellement. »[Synchronisation labiale et expressions] La voix doit piloter précisément l’ouverture naturelle des lèvres. Ajoutez clignements, légers hochements de tête et respiration. Les micro-expressions doivent traduire parfaitement l’affection et la nostalgie du dialogue.[Lumière et décor] Le visage reçoit naturellement un mélange de lumière intérieure chaude et de néon froid extérieur. Des gouttes glissent lentement sur la fenêtre ; un peu de vapeur monte du café. Le personnage s’intègre au décor sans contour de détourage.[Caméra et qualité] Plan-séquence de 15 secondes, avancée extrêmement lente, cadre très stable, éclairage cinématographique, résolution 8K, photoréalisme.Image de référence
c647161f46b757a2bc7ace26bab49d5e
Vidéo de référenceAudio de référence
  • Python SDK
  • Java SDK
  • curl
Avant d’exécuter le code suivant, mettez à jour le SDK Python DashScope vers 2.0.1 ou une version ultérieure. Consultez Installer le SDK.
import os
import dashscope
from dashscope.v2 import DashScopeError

# Voici la configuration de la région de Singapour. Remplacez {WorkspaceId} par l'ID de votre workspace. La valeur de region varie selon la région.
client = dashscope.Client(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    workspace="{WorkspaceId}",
    region="ap-southeast-1",
)

print('please wait...')
# generate est un appel en une étape (soumet la tâche et attend sa fin) et retourne un Job terminé
try:
    job = client.videos.generate(
        model='wan3.0-video',
        prompt='Video 1 holds Image 3, sitting on the chair in Image 4, playing a soothing country folk song, and says: "The sunshine is so nice today." Image 1 holds Image 2 in hand, walks past Video 1, places Image 2 on the table next to Video 1, and says: "That sounds great, can you sing it again?"',
        media=[
            {"type": "reference_image", "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260408/sjuytr/wan-r2v-object-girl.jpg"},
            {"type": "reference_video", "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/qigswt/wan-r2v-role2.mp4"},
            {"type": "reference_image", "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/rtjeqf/wan-r2v-object3.png"},
            {"type": "reference_image", "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/qpzxps/wan-r2v-object4.png"},
            {"type": "reference_image", "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/wfjikw/wan-r2v-backgroud5.png"}
        ],
        resolution="720P",
        ratio="adaptive",
        duration=5,
        prompt_extend=True)
    print(job)
    print("video_url:", job.video_url)
except DashScopeError as e:
    print(f"Code de statut HTTP: {e.status_code}")
    print(f"Code d'erreur: {e.code}")
    print(f"Message d'erreur: {e.message}")
    print("Consultez la documentation: https://www.alibabacloud.com/help/model-studio/developer-reference/error-code")
2. Références de fichiers ou pages web
FonctionnalitéPrompt d’entréeMédias d’entréeVidéo de sortie
Fichier de référence - PPT vers vidéoPublicité pour des lunettes connectées haut de gamme, style minimaliste, futuriste et mode, éclairage retenu, palette noire, gris argent et bleu glacier, avec touches de lumière blanche douce et éléments d’interface présentant les caractéristiques.
Consultez le prompt complet dans la section déroulante sous le tableau.
glass.pptx
Fichier de référence - Excel vers vidéoDurée totale de 22 secondes, 4 séquences successives. Fond blanc pur, aplats doux et courbes épurées, esthétique professionnelle minimaliste façon Apple Keynote, police sans empattement gris foncé.
Consultez le prompt complet dans la section déroulante sous le tableau.
H1-2026跨境电商月度GMV.xlsx
Publicité pour des lunettes connectées haut de gamme, style minimaliste, futuriste et mode, éclairage retenu, palette noire, gris argent et bleu glacier, avec touches de lumière blanche douce et éléments d’interface présentant les caractéristiques. Ouverture sur fond noir pur : les lunettes émergent lentement, des reflets raffinés glissent sur les branches et un liseré froid dessine la monture. La caméra parcourt en très gros plan verres, plaquettes, charnières, branches et matériaux, révélant la finesse du métal et des composites haute performance, les finitions discrètes et les lignes fluides. Le produit tourne ensuite en l’air tandis que des animations minimalistes affichent ses caractéristiques. La caméra converge rapidement ; tous les composants se réassemblent avec précision. Transition vers un jeune modèle aux traits définis, sûr de lui, en tenue urbaine haut de gamme, qui tourne la tête, lève la main, marche et sourit naturellement dans un espace minimaliste sous des lumières urbaines. Vues de face, de profil et de trois quarts arrière soulignant la finesse, la silhouette mode et la polyvalence quotidienne. Fin sur le produit flottant immobile devant un fond uni ; avancée vers le logo et le slogan. Musique électronique ambiante minimaliste, battements précis, rythme net et puissant. Image raffinée, retenue et pure, forte identité de marque et esthétique technologique internationale.
Durée totale de 22 secondes, 4 séquences successives. Fond blanc pur, aplats doux et courbes épurées, esthétique professionnelle minimaliste façon Apple Keynote, police sans empattement gris foncé. Musique obligatoire, audible durant tout le film : Fond professionnel léger et enjoué, rythme régulier, mélodie simple, dès la première seconde et sans interruption. Sous la voix, elle ne disparaît pas : son volume est seulement un peu inférieur. Bruitages : souffle à l’arrivée des aplats, petits clics de clavier aux changements de chiffres, tintement net pour les données clés. Narration masculine ou féminine en anglais, claire et assurée, environ 2,5 mots/seconde, comme une présentation trimestrielle : professionnelle sans froideur, rythmée, avec un léger accent sur les chiffres clés.H1-2026跨境电商月度GMV.xlsxSéquence 1 : Plan large centré, fond blanc pur, lumière douce, style professionnel minimaliste ; reprendre le fond blanc et les aplats doux de l’image de référence 1. L’écran blanc s’ouvre au centre ; d’innombrables particules dorées convergent, se heurtent en éclairs puis forment « H1 2026 · Wan ». Des flux lumineux parcourent les lettres, de fines particules orbitent leurs bords, éblouissants mais raffinés. Après une pause, le titre se dissout en particules ; deux grands nombres gris foncé glissent dessous : à gauche B7, $1,580 (GMV de janvier), à droite G7, $3,460 (juin), reliés par une flèche gris clair portant dessous « Monthly GMV Growth ». Une étiquette corail arrondie apparaît en bas avec H8, +45.7% (croissance totale du semestre), et un tintement net. Narration claire et assurée : « In the first half of 2026, monthly GMV grew from 15.8 to 34.6 million dollars. » Musique audible dès la première seconde, rythme léger continu, souffle discret au glissement des aplats. À la fin, ceux-ci s’écartent doucement pour révéler la suite.Séquence 2 : Plan large, axe Y à gauche et X en bas, fond blanc et grille pointillée gris clair, lumière douce, style professionnel minimaliste, courbes inspirées de l’image 2. L’axe X porte Jan, Feb, Mar, Apr, May, Jun, régulièrement espacés en sans empattement gris clair ; l’axe Y indique les valeurs. Trois courbes se dessinent simultanément : corail pour l’Asie du Sud-Est (ligne 4 : B4=$580, C4=$640, D4=$750, E4=$880, F4=$1,050, G4=$1,280), bleu sarcelle pour l’Amérique du Nord (ligne 5 : B5=$420, C5=$480, D5=$560, E5=$680, F5=$860, G5=$1,260), ambre pour l’Europe (ligne 6 : B6=$580, C6=$610, D6=$680, E6=$750, F6=$830, G6=$920). Elles partent de la même position Jan et montent vers Jun au rythme de la musique. Remplissage dégradé à 30% de transparence sous chaque ligne. Chaque point mensuel rebondit légèrement ; son montant exact flotte au-dessus, uniquement en dollars, sans pourcentage ni autre texte, strictement conforme aux cellules. Une légende à trois aplats et noms de marchés en anglais apparaît en haut à droite. Pause après les six points. Narration posée : « All three markets — Southeast Asia, North America, and Europe — showed consistent month-over-month growth, with no single dip. » Musique toujours audible, petits clics aux données. L’étiquette de juin remplit l’écran puis rétrécit et se réorganise pour la transition.Séquence 3 : Plan large, histogramme sur 60% à gauche et données sur 40% à droite, fond blanc, lumière douce, style minimaliste inspiré de l’image 1. Six barres bleu sarcelle arrondies s’élèvent de janvier à juin ; elles doivent toutes être entièrement visibles. Hauteurs strictement conformes à la ligne 5 Amérique du Nord : B5=$420, C5=$480, D5=$560, E5=$680, F5=$860, G5=$1,260, en ordre croissant. Chaque barre monte avec un léger souffle élastique, montant exact au-dessus. Puis cinq croissances mensuelles glissent verticalement à droite : Feb +14.3% (C5 vs B5), Mar +16.7% (D5 vs C5), Apr +21.4% (E5 vs D5), May +26.5% (F5 vs E5), Jun +46.5% (G5 vs F5). Chaque ligne associe flèche verte montante et pourcentage, par exemple ↑+14.3%, en escalier de haut en bas, police assez grande et lisible, petit clic à chaque apparition. Enfin, +200% de croissance totale (G5=$1,260 vs B5=$420) surgit au centre en grand corail avec un tintement et un léger halo, puis reste un instant. Narration accentuée : « North America was our growth engine — up two hundred percent in just six months, accelerating every single month. » Musique audible, rythme montant au sommet. Le nombre grandit au centre tandis que le reste s’efface doucement vers la dernière séquence.Séquence 4 : Plan large centré légèrement en hauteur, fond blanc, lumière douce, esthétique minimaliste, diagramme annulaire inspiré de l’image 3. Un anneau simple à trois arcs corail, bleu sarcelle et ambre montre les parts semestrielles : Asie du Sud-Est calculée sur H4=5180, Amérique du Nord H5=4260, Europe H6=4370, total H7=13810. Séparations blanches, aucun pourcentage, chiffre ni étiquette sur le graphique, seulement trois arcs purs. Rotation lente d’environ 10°/s. Au centre, un grand nombre gris foncé monte rapidement de 0 à H7, $138.1M (138,1 millions de dollars), avec clics continus puis tintement à la valeur finale. Sous-titre gris clair : « Three Markets · All Growing · Zero Downturn. » Conclusion posée, suivie d’une seconde de silence : « 138 million in total — all markets growing, zero downturns. » Musique toujours audible, s’estompant progressivement. Une seconde de silence avant la fin.
  • Python SDK
  • Java SDK
  • curl
Avant d’exécuter le code suivant, mettez à jour le SDK Python DashScope vers 2.0.1 ou une version ultérieure. Consultez Installer le SDK.
import os
import dashscope
from dashscope.v2 import DashScopeError

# Voici la configuration de la région de Singapour. Remplacez {WorkspaceId} par l'ID de votre workspace. La valeur de region varie selon la région.
client = dashscope.Client(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    workspace="{WorkspaceId}",
    region="ap-southeast-1",
)

print('please wait...')
# generate est un appel en une étape (soumet la tâche et attend sa fin) et retourne un Job terminé
try:
    job = client.videos.generate(
        model='wan3.0-video',
        prompt='A high-end smart glasses product advertisement, with an overall minimalist, futuristic, fashion-forward style, restrained lighting, a palette of black, silver-gray, and ice-blue as main tones, with localized soft white light accents and parameter UI graphics. Opening on a pure black background, a pair of smart glasses slowly emerges from the darkness, with refined highlights gliding along the temple edges, the frame silhouette outlined under cold edge lighting. The camera passes in extreme close-up over the lenses, nose pads, hinges, temples, and material details, showcasing the delicate texture of metal and high-performance composite materials, with a refined and restrained surface treatment and slim, flowing lines. The product then slowly rotates in midair, with minimalist motion graphics displaying core parameter information in sync. The camera then quickly converges, all components precisely returning to assemble into the complete product. It transitions to a young model wearing the glasses — the model has defined features, confident demeanor, dressed in sleek, upscale urban fashion, naturally turning their head, raising their hand, walking, and smiling in a minimalist space and urban lighting environment. The camera shows the glasses from front, side, and rear-oblique angles, highlighting the slim fit, fashionable silhouette, and everyday versatility. The ending features the product floating and frozen against a solid-color background, with the camera slowly pushing in toward the brand logo and core slogan. The overall music is minimalist electronic ambiance with precise beats, clean and powerful rhythm. The visual quality is refined, restrained, and pure, with a strong brand signature and international tech aesthetic.',
        media=[
            {"type": "file", "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260806/ebapmr/glass.pptx"}
        ],
        resolution="480P",
        ratio="adaptive",
        duration=10,
        prompt_extend=True)
    print(job)
    print("video_url:", job.video_url)
except DashScopeError as e:
    print(f"Code de statut HTTP: {e.status_code}")
    print(f"Code d'erreur: {e.code}")
    print(f"Message d'erreur: {e.message}")
    print("Consultez la documentation: https://www.alibabacloud.com/help/model-studio/developer-reference/error-code")

Montage vidéo

Fournissez une vidéo de référence et des instructions en langage naturel pour la modifier précisément. Les parties non visées restent inchangées.
  • Ajouter des éléments : Ajoutez des objets ou personnages aux positions indiquées.
  • Supprimer des éléments : Supprimez des objets ou personnages avec remplissage automatique de l’arrière-plan.
  • Modifier des éléments : Remplacez l’apparence, les vêtements, l’âge ou d’autres attributs des personnages.
  • Modifier le style/la lumière : Transformez le style global (argile, lavis, etc.) ou ajustez l’éclairage.
  • Modifier les dialogues : Changez les paroles des personnages.
  • Montage avec référence : Fournissez des images de référence et ajoutez leurs éléments à la vidéo.
Configuration des paramètres : ratio = adaptive et duration = -1 recommandés (conservation du rapport d’aspect et de la durée d’origine). Le prompt doit exprimer le montage : « modifier la vidéo », « supprimer », « remplacer », « transformer en », etc.
FonctionnalitéPrompt d’entréeVidéo de référence en entréeVidéo de sortie
Changement de styleTransformez toute la scène en style pâte à modeler
Modification des dialoguesModifiez la vidéo et remplacez les paroles de l’homme par : « L’affaire est conclue. Maintenant… nous disparaissons. »
Montage avec référenceModifiez la vidéo : la femme de Video 1 porte le chapeau d’Image 1, ajusté naturellement à sa tête. L’homme de Video 1 porte celui d’Image 2. Remplacez sa chemise brun roux par la chemise ample en denim bleu délavé d’Image 3, col ouvert, manches retroussées aux avant-bras. Conservez les mouvements, les autres vêtements et le reste du décor.Vidéo de référenceImages de référence (3)
straw_hat
baseball_cap
jeans_shirt
  • Python SDK
  • Java SDK
  • curl
Avant d’exécuter le code suivant, mettez à jour le SDK Python DashScope vers 2.0.1 ou une version ultérieure. Consultez Installer le SDK.
import os
import dashscope
from dashscope.v2 import DashScopeError

# Voici la configuration de la région de Singapour. Remplacez {WorkspaceId} par l'ID de votre workspace. La valeur de region varie selon la région.
client = dashscope.Client(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    workspace="{WorkspaceId}",
    region="ap-southeast-1",
)

print('please wait...')
# generate est un appel en une étape (soumet la tâche et attend sa fin) et retourne un Job terminé
try:
    job = client.videos.generate(
        model='wan3.0-video',
        prompt='Convert the entire scene to clay style',
        media=[
            {"type": "reference_video", "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260402/ldnfdf/wan2.7-videoedit-style-change.mp4"}
        ],
        resolution="720P",
        duration=-1,
        prompt_extend=True)
    print(job)
    print("video_url:", job.video_url)
except DashScopeError as e:
    print(f"Code de statut HTTP: {e.status_code}")
    print(f"Code d'erreur: {e.code}")
    print(f"Message d'erreur: {e.message}")
    print("Consultez la documentation: https://www.alibabacloud.com/help/model-studio/developer-reference/error-code")

Prolongation vidéo

Prolongez une vidéo existante avant, après ou dans les deux sens. Le style visuel et les personnages restent cohérents ; le prompt décrit les mouvements de la partie ajoutée.
  • Prolongation après : Utilise la dernière image comme point de départ pour générer la suite.
  • Prolongation avant : Utilise la première image comme point d’arrivée pour générer ce qui précède.
  • Prolongation bidirectionnelle : Utilise la vidéo comme séquence centrale et la prolonge simultanément avant et après.
Configuration des paramètres : ratio = adaptive recommandé (conservation du rapport d’aspect). Le prompt doit exprimer la prolongation : « prolonger », « continuer », « prolonger avant/après », etc.
  • Définissez de préférence duration sur -1 (recommandation automatique selon l’entrée), ou sur la durée de sortie cible : durée d’entrée + prolongation souhaitée. Pour ajouter 2 secondes après une vidéo de 5 secondes, réglez duration sur -1 ou 7.
  • La durée totale entrée + sortie doit être ≤30 secondes.
FonctionnalitéPrompt d’entréeVidéo de référence en entréeVidéo de sortie
Prolongation aprèsLe boulanger soulève le pain badigeonné, pose le pinceau ; la caméra le suit vers le four derrière lui. Il ferme la porte, reste à côté, regarde le pain cuire, en hume l’arôme et dit : « Ça sent si bon. »
Prolongation avantProlongez Video 1 de 15 secondes avant son début. Le personnage A est un homme aux cheveux courts brun foncé, en queue-de-pie noire, chemise blanche, nœud papillon noir et gilet beige. B est une femme aux cheveux bruns relevés, en longue robe vintage beige à manches bouffantes, jupe bordée de dentelle noire et boucles d’oreilles sombres en goutte.
Consultez le prompt complet dans la section déroulante sous le tableau.
Prolongation bidirectionnellePlacez la vidéo au milieu et ajoutez deux secondes avant : la caméra suit doucement la jeune fille qui s’approche, s’arrête, relève la tête et inspire profondément l’air froid, lèvres entrouvertes. Ajoutez trois secondes après : elle finit de se frotter les mains, regarde la caméra et sourit chaleureusement. Elle lève lentement une main gantée pour attraper un flocon. Recul lent en plan moyen large révélant un chemin forestier enneigé et ensoleillé, contre-jour doré, reflets optiques, faible profondeur de champ, atmosphère réconfortante.
Prolongez Video 1 de 15 secondes avant son début. Le personnage A est un homme aux cheveux courts brun foncé, en queue-de-pie noire, chemise blanche, nœud papillon noir et gilet beige. B est une femme aux cheveux bruns relevés, en longue robe vintage beige à manches bouffantes, jupe bordée de dentelle noire et boucles d’oreilles sombres en goutte. Dans la salle de bal, les lustres de cristal se reflètent sur le marbre. Les invités discutent à voix basse par petits groupes, verres à la main. Un prélude de valse aux cordes commence doucement ; les conversations s’apaisent. B traverse lentement la salle, sa robe effleurant le sol, regard parcourant les lieux. A sort de la foule, vient directement à elle, s’incline légèrement et tend la main droite, attentif et chaleureux. B baisse les yeux en souriant et pose doucement sa main droite dans sa paume. Ils échangent un sourire ; A la conduit au centre de la piste. Les invités s’écartent naturellement, tous les regards sur le couple. A lève de sa main gauche la main droite de B et pose sa main droite au bas de son dos. En position de valse, ils partent sur le temps fort des cordes et commencent à tourner. Élégance d’un bal de cour du XIXe siècle, tons dorés chaleureux.
  • Python SDK
  • Java SDK
  • curl
Avant d’exécuter le code suivant, mettez à jour le SDK Python DashScope vers 2.0.1 ou une version ultérieure. Consultez Installer le SDK.
import os
import dashscope
from dashscope.v2 import DashScopeError

# Voici la configuration de la région de Singapour. Remplacez {WorkspaceId} par l'ID de votre workspace. La valeur de region varie selon la région.
client = dashscope.Client(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    workspace="{WorkspaceId}",
    region="ap-southeast-1",
)

print('please wait...')
# generate est un appel en une étape (soumet la tâche et attend sa fin) et retourne un Job terminé
try:
    job = client.videos.generate(
        model='wan3.0-video',
        prompt='Extend Video 1 backward, the baker brings up the brushed bread, puts the brush aside, the camera follows the baker to the oven behind for baking',
        media=[
            {"type": "reference_video", "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260414/rptnhd/wan2.7-i2v-video-continuation-2.mp4"}
        ],
        resolution="720P",
        ratio="adaptive",
        duration=5,
        prompt_extend=True)
    print(job)
    print("video_url:", job.video_url)
except DashScopeError as e:
    print(f"Code de statut HTTP: {e.status_code}")
    print(f"Code d'erreur: {e.code}")
    print(f"Message d'erreur: {e.message}")
    print("Consultez la documentation: https://www.alibabacloud.com/help/model-studio/developer-reference/error-code")

Médias d’entrée

Chaque élément de input.media contient les champs type et url. Les types et contraintes sont les suivants :

type

Description

Contraintes

first_frame

Image strictement utilisée comme première image de la vidéo

Maximum 1

last_frame

Image strictement utilisée comme dernière image de la vidéo

Maximum 1

reference_image

Image de référence

Maximum 10

reference_video

Vidéo de référence

Maximum 5, durée totale de 15 secondes au plus

reference_audio

Audio de référence

Maximum 5, durée totale de 15 secondes au plus

file

Fichier (docx, doc, xlsx, xls, pptx, ppt, pdf, txt, md)

Maximum 1, incompatible avec link dans la même requête

link

Lien web (page publique)

Maximum 1, incompatible avec file dans la même requête

Les types reference_xx/file/link et first_frame/last_frame sont mutuellement exclusifs et ne peuvent pas figurer dans la même requête.

Vidéo de sortie

  • Résolution : 480P, 720P, 1080P (par défaut).
  • Rapport d’aspect : 16:9, 4:3, 1:1, 3:4, 9:16, adaptive (par défaut, adapté aux médias d’entrée).
  • Durée : 2~30 secondes ; -1 (durée intelligente, 5 secondes par défaut). Avec une vidéo d’entrée, durée totale entrée + sortie ≤30 secondes.
  • Format : MP4, 30 images/s.
  • Audiovisuel : Activé par défaut ; désactivable avec audio=false.
  • L’URL vidéo est valable 24 heures. Enregistrez rapidement la vidéo.

Facturation et limites de débit

Référence de l’API

Référence de l’API de génération vidéo Wan3.0