O modelo Wan de imagem para vídeo aceita entrada multimodal (texto, imagem ou áudio) e gera vídeos de até 15 segundos com resolução 1080P.
- Configurações básicas: Aceita durações de vídeo inteiras de 2 a 15 segundos, resolução configurável (480P, 720P ou 1080P), reescrita inteligente de prompts e marca d'água opcional.
- Recursos de áudio: Permite dublagem automática ou upload de arquivo de áudio para sincronização audiovisual.(Compatível com Wan 2.5 e Wan 2.6)
- Narrativa multi-cena: Gera vídeos com múltiplas cenas e mantém a consistência do sujeito nas transições. (Compatível apenas com Wan 2.6)
Primeiros passos
| Prompt de entrada | Imagem do primeiro quadro de entrada | Vídeo de saída (Multi-cena, Vídeo com áudio) |
| A câmera sobe lentamente por baixo da tartaruga, que nada graciosamente, com os detalhes de sua barriga claramente visíveis. | ![]() |
{WorkspaceId} pelo seu Workspace ID real.
- Python SDK
- Java SDK
- curl
A video_url é válida por 24 horas. Baixe o vídeo prontamente.
Escopo
- Os modelos compatíveis variam por região. Os recursos são isolados entre regiões. Para verificar os modelos disponíveis em cada região, consulte o console do Model Studio.
- Ao fazer uma chamada, certifique-se de que seu modelo, URL do endpoint e chave da API pertençam todos à mesma região. Chamadas entre regiões falham.
Capacidades principais
Criar vídeos multi-cena
Modelos compatíveis: Wan 2.6 series models.
Descrição do recurso: O modelo alterna automaticamente entre cenas — como de planos abertos para close-ups — sendo ideal para produção de videoclipes musicais.
Configuração de parâmetros:
shot_type: Defina como"multi".prompt_extend: Defina comotrue(ative a reescrita inteligente para otimizar as descrições das cenas).
| Prompt de entrada | Imagem do primeiro quadro de entrada | Vídeo de saída (Wan 2.6, Vídeo multi-cena) |
| Uma cena de arte urbana fantástica. Um personagem dinâmico de grafite. Um menino feito de tinta spray ganha vida em uma parede de concreto. Ele canta um rap em inglês em ritmo muito acelerado, assumindo uma pose clássica e enérgica de rapper. A cena ocorre à noite, sob uma ponte ferroviária urbana. A iluminação vem de um único poste de luz, criando uma atmosfera cinematográfica, cheia de alta energia e detalhes impressionantes. A parte de áudio do vídeo consiste inteiramente em rap, sem outros diálogos ou ruídos de fundo. | Áudio de entrada: |
{WorkspaceId} pelo seu Workspace ID real.
- Python SDK
- Java SDK
- curl
Certifique-se de que a versão do DashScope SDK for Python seja pelo menos 2.0.1 . Para instruções sobre como atualizar, consulte Instalando o SDK .
Alcançar sincronização audiovisual
Modelos compatíveis: wan2.5 and wan2.6 series models.
Descrição do recurso: Faz personagens em fotos falarem ou cantarem com movimentos labiais sincronizados ao áudio. Para mais exemplos, consulte Geração de som para vídeo.
Configuração de parâmetros:
- Arquivo de áudio de entrada: Forneça uma
audio_url. O modelo sincroniza os movimentos labiais com base no arquivo de áudio. - Dublagem automática: Não forneça uma
audio_url. Por padrão, a saída é um vídeo com som. O modelo gera automaticamente efeitos sonoros de fundo, música ou vocais com base nos elementos visuais.
| Prompt de entrada | Imagem do primeiro quadro de entrada | Vídeo de saída (Vídeo com som) |
| Uma cena de arte urbana fantástica. Um personagem dinâmico de grafite. Um adolescente pintado com tinta spray ganha vida em uma parede de concreto. Ele canta um rap em inglês em ritmo muito acelerado, assumindo uma pose clássica e enérgica de rapper. A cena ocorre à noite, sob uma ponte ferroviária urbana. A luz de um único poste cria uma atmosfera cinematográfica, cheia de alta energia e detalhes impressionantes. A parte de áudio do vídeo consiste inteiramente em rap, sem outros diálogos ou ruídos. | Áudio de entrada: |
{WorkspaceId} pelo seu Workspace ID real.
- Python SDK
- Java SDK
- curl
Certifique-se de que a versão do DashScope SDK for Python seja pelo menos 2.0.1 . Para instruções sobre como atualizar, consulte Instalando o SDK .
Gerar vídeos silenciosos
Modelos compatíveis: wan2.6-i2v-flash, wan2.2 series models, wan2.1 series models.
Descrição do recurso: Utilize vídeos silenciosos para cenários puramente visuais que não exigem áudio, como pôsteres animados ou curtas-metragens mudos.
Configuração de parâmetros:
wan2.6-i2v-flash: Gera vídeos com áudio por padrão. Para gerar um vídeo silencioso, defina explicitamenteaudio=false. Mesmo se você passar umaaudio_url, a saída permanecerá silenciosa quandoaudio=false. A cobrança é feita para vídeos silenciosos.wan2.2 and earlier models: Geram vídeos silenciosos por padrão. Nenhuma configuração extra é necessária.
| Prompt | Imagem do primeiro quadro de entrada | Vídeo de saída (vídeo silencioso) |
| Um gato corre na grama | ![]() |
{WorkspaceId} pelo seu Workspace ID real.
- Python SDK
- Java SDK
- curl
Certifique-se de que a versão do DashScope SDK for Python seja pelo menos 2.0.1 . Para instruções sobre como atualizar, consulte Instalando o SDK .
Como passar imagens e áudio
Imagem de entrada
- Quantidade de imagens: Uma.
- Métodos de entrada: URL da imagem, caminho de arquivo local ou string codificada em Base64.
Método 1: URL da imagem (interface HTTP e SDK) Recomendado
Método 1: URL da imagem (interface HTTP e SDK) Recomendado
-
URL pública: Aceita protocolos HTTP ou HTTPS.
- Valor de exemplo: https://help-static-aliyun-doc.aliyuncs.com/xxx.png.
Método 2: Caminho de arquivo local (apenas SDK)
Método 2: Caminho de arquivo local (apenas SDK)
Sistema operacional | Caminho do arquivo de entrada | Exemplo (caminho absoluto) | Exemplo (caminho relativo) |
|---|---|---|---|
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 |
Sistema operacional | Caminho do arquivo de entrada | Exemplo (caminho absoluto) |
|---|---|---|
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 |
Método 3: String codificada em Base64 (interface HTTP e SDK)
Método 3: String codificada em Base64 (interface HTTP e SDK)
-
Valor de exemplo:
data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAABDg......(O exemplo foi truncado apenas para fins de demonstração). -
Requisitos de formato: Siga o formato
data:{MIME_type};base64,{base64_data}, onde:- {base64_data}: A string codificada em Base64 do arquivo de imagem.
-
{MIME_type}: O tipo MIME (Multipurpose Internet Mail Extensions) da imagem. Deve corresponder ao formato do arquivo.
Formato da imagem
Tipo MIME
JPEG
image/jpeg
JPG
image/jpeg
PNG
image/png
BMP
image/bmp
WEBP
image/webp
Código de exemplo: Três métodos de entrada
Áudio de entrada
- Quantidade de arquivos de áudio: Um.
-
Métodos de entrada:
- URL pública: Aceita o protocolo HTTP ou HTTPS.
Vídeo de saída
- Quantidade de vídeos: 1.
- Especificações do vídeo de saída: As especificações de saída variam conforme o modelo. Para mais informações, consulte Escopo.
- Período de validade da URL do vídeo de saída: 24 horas.
-
Dimensões do vídeo de saída: As dimensões dependem da imagem de entrada e da
resolutionconfigurada.- O modelo tenta manter a proporção da imagem de entrada enquanto a escala para uma contagem total de pixels próxima ao valor alvo. Para cumprir os padrões de codificação, a largura e a altura devem ser múltiplos de 16. O modelo ajusta automaticamente as dimensões.
- Por exemplo: Para uma imagem de entrada de 750 × 1.000 pixels (proporção 3:4 = 0,75) com resolução definida como "720P" (contagem alvo de pixels de cerca de 920.000), a saída final pode ser de 816 × 1.104 pixels (proporção ≈ 0,739, total de pixels ≈ 900.000). Tanto a largura quanto a altura são múltiplos de 16.
Faturamento e limitação
- Para a cota gratuita e preços do modelo, consulte Preços dos modelos.
- Para limitação do modelo, consulte Série Wan.
-
Detalhes de faturamento:
- As entradas não são cobradas. As saídas são cobradas com base na duração em segundos dos vídeos gerados com sucesso.
- Invocações de modelo com falha ou falhas de processamento não incorrem em taxas e não consomem a cota gratuita para novos usuários.
- Imagem para vídeo também aceita planos de economia.
Referência da API
Referência da API de imagem para vídeo (primeiro quadro)
FAQ
P: Por que não consigo definir a proporção do vídeo diretamente (como 16:9)?
R: A API atual não permite definir a proporção do vídeo diretamente. Configure apenas a resolução do vídeo usando o parâmetro resolution.
O parâmetro resolution controla o número total de pixels — não uma proporção fixa. O modelo preserva a proporção original do primeiro quadro de entrada (aproximadamente) e depois a ajusta para atender aos requisitos de codificação de vídeo. Especificamente, tanto a largura quanto a altura devem ser múltiplos de 16.
P: Por que o código do SDK retorna “url error, please check url!”?
R: Certifique-se de que:
- Sua versão do DashScope Python SDK seja pelo menos
2.0.1. - Sua versão do DashScope Java SDK seja pelo menos
2.22.6.


