O modelo unificado de edição de vídeo Wan 2.1 aceita múltiplas modalidades de entrada, como texto, imagens e vídeos, para diversas tarefas de geração e edição de vídeo.
Para garantir o sucesso das chamadas, o modelo, a URL do endpoint e a chave da API devem estar na mesma região. Chamadas entre regiões diferentes falharão.
Selecione uma URL: Escolha a URL do endpoint correspondente à região do modelo. URLs HTTP são suportadas.
Configure uma chave de API: Selecione uma região, obtenha uma chave de API e configure-a nas variáveis de ambiente.
Os códigos de exemplo deste tópico referem-se à região de Singapura.
O Model Studio lançou domínios específicos por workspace para as regiões China (Pequim) e Singapura. Os novos domínios dedicados oferecem desempenho superior e maior estabilidade para solicitações de inferência. Recomendamos a migração para os novos domínios:
China (Pequim): de https://dashscope.aliyuncs.com para https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com
Singapura: de https://dashscope-intl.aliyuncs.com para https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com
O {WorkspaceId} corresponde ao ID do seu workspace, disponível na página Workspace Details no console do Model Studio. O domínio existente permanece totalmente funcional.
O modelo unificado de edição de vídeo leva de 5 a 10 minutos para processar. Por isso, a API utiliza um fluxo assíncrono com duas etapas principais: "criar tarefa -> consultar resultado".
POST https://dashscope.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis
POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesisSubstitua WorkspaceId pelo seu ID do Workspace real.
Singapore
Beijing
POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesisSubstitua WorkspaceId pelo seu ID do Workspace real.
POST https://dashscope.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis
Parâmetros da requisição
Referência de múltiplas imagens
Repintura de vídeo
Edição local
Extensão de vídeo
Outpainting de vídeo
As chaves de API para as regiões de Singapura e China (Pequim) são diferentes. Obter uma chave de API
curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis' \--header 'X-DashScope-Async: enable' \--header "Authorization: Bearer $DASHSCOPE_API_KEY" \--header 'Content-Type: application/json' \--data '{ "model": "wan2.1-vace-plus", "input": { "function": "image_reference", "prompt": "In the video, a girl gracefully emerges from a misty, ancient forest. Her steps are light, and the camera captures her every nimble moment. When she stops to look at the lush woods around her, a smile of surprise and joy blossoms on her face. This scene, frozen in an interplay of light and shadow, records her wonderful encounter with nature.", "ref_images_url": [ "http://wanx.alicdn.com/material/20250318/image_reference_2_5_16.png", "http://wanx.alicdn.com/material/20250318/image_reference_1_5_16.png" ] }, "parameters": { "prompt_extend": true, "obj_or_bg": ["obj","bg"], "size": "1280*720" }}'
As chaves de API para as regiões de Singapura e China (Pequim) são diferentes. Obter uma chave de API
curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis' \--header 'X-DashScope-Async: enable' \--header "Authorization: Bearer $DASHSCOPE_API_KEY" \--header 'Content-Type: application/json' \--data '{ "model": "wan2.1-vace-plus", "input": { "function": "video_repainting", "prompt": "The video shows a black steampunk-style car driven by a gentleman, adorned with gears and copper pipes. The background is a steam-powered candy factory with retro elements, creating a vintage and fun scene.", "video_url": "http://wanx.alicdn.com/material/20250318/video_repainting_1.mp4" }, "parameters": { "prompt_extend": false, "control_condition": "depth" }}'
As chaves de API para as regiões de Singapura e China (Pequim) são diferentes. Obter uma chave de API
curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis' \--header 'X-DashScope-Async: enable' \--header "Authorization: Bearer $DASHSCOPE_API_KEY" \--header 'Content-Type: application/json' \--data '{ "model": "wan2.1-vace-plus", "input": { "function": "video_edit", "prompt": "The video shows a Parisian-style French cafe where a lion in a suit elegantly sips coffee. It holds a coffee cup in one hand, taking a gentle sip with a relaxed expression. The cafe is tastefully decorated, with soft hues and warm lighting illuminating the lion's area.", "mask_image_url": "http://wanx.alicdn.com/material/20250318/video_edit_1_mask.png", "video_url": "http://wanx.alicdn.com/material/20250318/video_edit_2.mp4", "mask_frame_id": 1 }, "parameters": { "prompt_extend": false, "mask_type": "tracking", "expand_ratio": 0,05 }}'
As chaves de API para as regiões de Singapura e China (Pequim) são diferentes. Obter uma chave de API
Content-Typestring(Obrigatório)O tipo de conteúdo da requisição. Deve ser application/json.
Authorizationstring(Obrigatório)Autentica a requisição com uma chave de API do Model Studio. Exemplo: Bearer sk-xxxx.
X-DashScope-Asyncstring(Obrigatório)Ativa o processamento assíncrono. Requisições HTTP suportam apenas chamadas assíncronas. O valor deve ser enable.
Se este cabeçalho de requisição estiver ausente, o erro "current user api does not support synchronous calls" será retornado.
Corpo da requisição
Referência de múltiplas imagens
Repintura de vídeo
Edição local
Extensão de vídeo
Outpainting de vídeo
modelstring(Obrigatório)Nome do modelo. Exemplo: wan2.1-vace-plus.
inputobject(Obrigatório)Entrada básica, como o prompt.
Propriedades
promptstring(Obrigatório)Descreve os elementos e características visuais a serem incluídos no vídeo gerado.Suporta chinês e inglês. O comprimento máximo é de 800 caracteres, onde cada caractere chinês ou letra conta como um único caractere. O texto que exceder esse limite será truncado automaticamente.Para técnicas de prompt, consulte o Guia de Prompt Texto-para-Vídeo/Imagem-para-Vídeo.functionstring(Obrigatório)Nome do recurso. Para referência de múltiplas imagens, defina como image_reference.A referência de múltiplas imagens suporta até 3 imagens de referência. As imagens podem conter entidades e fundos, como pessoas, animais, roupas e cenários. Utilize um prompt para descrever o conteúdo de vídeo desejado, e o modelo combinará as múltiplas imagens para gerar um conteúdo de vídeo coerente.ref_images_urlarray[string](Obrigatório)Um array de URLs de imagens de referência.
É possível fornecer de 1 a 3 imagens de referência. Se você fornecer mais de 3, apenas as 3 primeiras serão utilizadas.Requisitos da imagem:
Formato: JPG, JPEG, PNG, BMP, TIFF ou WEBP.
Resolução: A largura e a altura devem estar dentro do intervalo de [360, 2000] pixels.
Tamanho: Até 10 MB.
A URL não deve conter caracteres chineses.
Recomendações:
Ao usar uma imagem de referência para uma entidade, recomenda-se que cada imagem contenha apenas uma entidade. O fundo deve ser de cor sólida (por exemplo, branco) para destacar melhor a entidade.
Se utilizar um fundo de uma imagem de referência, forneça no máximo uma imagem de fundo, que não deve conter nenhum objeto de entidade.
parametersobject (Opcional)Parâmetros para processamento de vídeo, como configurações de marca d'água.
Propriedades
obj_or_bgarray[string] (Opcional)Este parâmetro identifica a finalidade de cada imagem de referência e corresponde um a um com o parâmetro ref_images_url. Cada elemento no array especifica se a imagem na posição correspondente é um 'assunto' ou um 'fundo':
obj: Indica que a imagem é a entidade de referência.
bg: Especifica a imagem como referência de fundo (máximo de uma permitida).
Notas de uso:
Recomenda-se passar este parâmetro, e seu comprimento deve ser igual ao de ref_images_url, caso contrário, um erro será reportado.
Este parâmetro pode ser omitido e assumirá o padrão ["obj"] apenas se ref_images_url for um array de elemento único.
Exemplo: ["obj", "obj", "bg"].sizestring (Opcional)A resolução do vídeo gerado (largura*altura). O modelo suporta a geração de vídeos em 720p. Valores válidos:
1280*720 (Padrão): A proporção do vídeo é 16:9, onde 1280 é a largura e 720 é a altura.
720*1280: A proporção do vídeo é 9:16.
960*960: A proporção do vídeo é 1:1.
832*1088: A proporção do vídeo é 3:4.
1088*832: A proporção do vídeo é 4:3.
durationinteger (Opcional)A duração do vídeo gerado em segundos. Este valor é fixo em 5.prompt_extendbool (Opcional)Especifica se a reescrita de prompt deve ser ativada. Se ativada, um modelo de linguagem grande (LLM) reescreve o prompt de entrada. Isso pode melhorar significativamente os resultados para prompts curtos, mas aumenta o tempo de processamento.
true (padrão): Ativa a reescrita de prompt.
false: Desativa a reescrita de prompt.
seedinteger(Opcional)A semente de número aleatório controla a aleatoriedade do conteúdo gerado pelo modelo. O intervalo de valores para o parâmetro seed é [0, 2147483647].Se você não especificar uma semente, uma será gerada automaticamente. Para resultados reproduzíveis, utilize o mesmo valor de semente em múltiplas requisições.watermarkbool(Opcional)Especifica se deve adicionar uma marca d'água 'AI-generated' no canto inferior direito da imagem.
false (padrão): Não adiciona marca d'água.
true: Adiciona uma marca d'água.
modelstring(Obrigatório)Nome do modelo. Exemplo: wan2.1-vace-plus.
inputobject(Obrigatório)Entrada básica, como o prompt.
Propriedades
promptstring(Obrigatório)Descreve os elementos e características visuais a serem incluídos no vídeo gerado.Suporta chinês e inglês. O comprimento máximo é de 800 caracteres, onde cada caractere chinês ou letra conta como um único caractere. O texto que exceder esse limite será truncado automaticamente.Para técnicas de prompt, consulte o Guia de Prompt Texto-para-Vídeo/Imagem-para-Vídeo.functionstring(Obrigatório)Nome do recurso. Para repintura de vídeo, defina como video_repainting.O recurso de repintura de vídeo extrai a pose e as ações da entidade, composição, contornos de movimento e estrutura de arte linear de um vídeo de entrada. Em seguida, combina esses elementos com um prompt de texto para gerar um novo vídeo com as mesmas características dinâmicas. Este recurso também suporta a substituição da entidade no vídeo original usando uma imagem de referência, por exemplo, para alterar a aparência de um personagem mantendo as ações originais.video_urlstring(Obrigatório)A URL do vídeo de entrada.
Duração: Até 5 segundos. Vídeos mais longos são truncados para os primeiros 5 segundos.
A URL não deve conter caracteres chineses.
Resolução do vídeo de saída:
Se a resolução do vídeo de entrada for 720p ou inferior, a resolução de saída será igual à de entrada.
Se a resolução do vídeo de entrada for superior a 720p, ela será reduzida para caber em uma resolução de 720p, preservando a proporção original.
Duração do vídeo de saída:
A duração do vídeo de saída corresponde à do vídeo de entrada, até o máximo de 5 segundos.
Exemplo: Se o vídeo de entrada tem 3 segundos, a saída também terá 3 segundos. Se a entrada tiver 6 segundos, a saída corresponderá aos primeiros 5 segundos da entrada.
ref_images_urlarray[string] (Opcional)Um array de URLs de imagens de referência.
Apenas 1 imagem de referência é suportada. Recomenda-se que esta imagem seja uma imagem de entidade para substituir o conteúdo da entidade no vídeo de entrada.Requisitos da imagem:
Formato: JPG, JPEG, PNG, BMP, TIFF ou WEBP.
Resolução: A largura e a altura devem estar dentro do intervalo de [360, 2000] pixels.
Tamanho: Até 10 MB.
A URL não deve conter caracteres chineses.
Recomendações:
Ao usar uma imagem de referência para uma entidade, recomenda-se que a imagem contenha apenas uma entidade. O fundo deve ser de cor sólida (por exemplo, branco) para destacar melhor a entidade.
parametersobject(Obrigatório)Parâmetros para processamento de vídeo, como configurações de marca d'água.
Propriedades
control_conditionstring(Obrigatório)O método para extração de características do vídeo.
posebodyface: Extrai as expressões faciais e movimentos corporais da entidade do vídeo de entrada. Adequado para cenários onde é necessário preservar os detalhes das expressões faciais da entidade.
posebody: Extrai os movimentos corporais da entidade do vídeo de entrada, excluindo expressões faciais. Ideal para cenários onde você precisa controlar apenas os movimentos corporais da entidade.
depth: Extrai a composição e os contornos de movimento do vídeo de entrada.
scribble: Extrai a estrutura de arte linear do vídeo de entrada.
strengthfloat (Opcional)Ajusta a força de controle do método de extração de características de vídeo especificado por control_condition no vídeo gerado.O valor deve estar no intervalo [0,0, 1,0]. O valor padrão é 1,0.Um valor maior faz com que o vídeo gerado adira mais fielmente às ações e composição do vídeo original. Um valor menor permite maior liberdade criativa.prompt_extendbool (Opcional)Especifica se a reescrita de prompt deve ser ativada. Se ativada, um modelo de linguagem grande (LLM) reescreve o prompt de entrada. Isso pode melhorar significativamente os resultados para prompts curtos, mas aumenta o tempo de processamento.
true (padrão): Ativa a reescrita de prompt.
false: Desativa a reescrita de prompt. (Recomendado)
Se a descrição textual for inconsistente com o conteúdo do vídeo, o modelo poderá interpretar mal a entrada. Recomenda-se desativar manualmente a expansão inteligente e fornecer uma descrição de cena clara e específica no prompt para melhorar a consistência e precisão.
seedinteger(Opcional)A semente de número aleatório controla a aleatoriedade do conteúdo gerado pelo modelo. O intervalo de valores para o parâmetro seed é [0, 2147483647].Se você não especificar uma semente, uma será gerada automaticamente. Para resultados reproduzíveis, utilize o mesmo valor de semente em múltiplas requisições.watermarkbool(Opcional)Especifica se deve adicionar uma marca d'água 'AI-generated' no canto inferior direito da imagem.
false (padrão): Não adiciona marca d'água.
true: Adiciona uma marca d'água.
modelstring(Obrigatório)Nome do modelo. Exemplo: wan2.1-vace-plus.
inputobject(Obrigatório)Entrada básica, como o prompt.
Propriedades
promptstring(Obrigatório)Descreve os elementos e características visuais a serem incluídos no vídeo gerado.Suporta chinês e inglês. O comprimento máximo é de 800 caracteres, onde cada caractere chinês ou letra conta como um único caractere. O texto que exceder esse limite será truncado automaticamente.Para técnicas de prompt, consulte o Guia de Prompt Texto-para-Vídeo/Imagem-para-Vídeo.functionstring(Obrigatório)Nome do recurso: Para edição local, defina como video_edit.O recurso de edição local permite adicionar, modificar ou excluir elementos em uma área especificada de um vídeo de entrada. Você também pode substituir a entidade ou o fundo na área de edição para uma edição de vídeo refinada.video_urlstring(Obrigatório)A URL do vídeo de entrada.
Duração: Até 5 segundos. Vídeos mais longos são truncados para os primeiros 5 segundos.
A URL não deve conter caracteres chineses.
Resolução do vídeo de saída:
Se a resolução do vídeo de entrada for 720p ou inferior, a resolução de saída será igual à de entrada.
Se a resolução do vídeo de entrada for superior a 720p, ela será reduzida para caber em uma resolução de 720p, preservando a proporção original.
Duração do vídeo de saída:
A duração do vídeo de saída corresponde à do vídeo de entrada, até o máximo de 5 segundos.
Exemplo: Se o vídeo de entrada tem 3 segundos, a saída também terá 3 segundos. Se a entrada tiver 6 segundos, a saída corresponderá aos primeiros 5 segundos da entrada.
ref_images_urlarray[string] (Opcional)Um array de URLs de imagens de referência.
Atualmente, apenas 1 imagem de referência é suportada. Esta imagem pode ser usada como entidade ou fundo para substituir o conteúdo correspondente no vídeo de entrada.Requisitos da imagem:
Formato: JPG, JPEG, PNG, BMP, TIFF ou WEBP.
Resolução: A largura e a altura devem estar dentro do intervalo de [360, 2000] pixels.
Tamanho: Até 10 MB.
A URL não deve conter caracteres chineses.
Recomendações:
Ao usar uma imagem de referência para uma entidade, recomenda-se que a imagem contenha apenas uma entidade. O fundo deve ser de cor sólida (por exemplo, branco) para destacar melhor a entidade.
Se utilizar um fundo de uma imagem de referência, a imagem de fundo não deve conter nenhum objeto de entidade.
mask_image_urlstring (Opcional)A URL da imagem de máscara.
Este parâmetro especifica a área de edição do vídeo. Você pode especificar este parâmetro ou o parâmetro mask_video_url. Recomenda-se priorizar este parâmetro.Na imagem de máscara, áreas brancas (valor de pixel [255, 255, 255]) definem a região a ser editada, enquanto áreas pretas (valor de pixel [0, 0, 0]) definem a região a ser preservada.Requisitos da imagem:
Formato: JPG, JPEG, PNG, BMP, TIFF ou WEBP.
Resolução da imagem: Deve ser igual à resolução do vídeo de entrada (video_url).
Tamanho: Até 10 MB.
A URL não deve conter caracteres chineses.
mask_frame_idinteger (Opcional)Este parâmetro entra em vigor quando mask_image_url não está vazio. Ele especifica o ID do quadro no vídeo onde o alvo da máscara aparece.O valor padrão é 1, que indica o primeiro quadro do vídeo.O intervalo de valores é [1, max_frame_id], onde max_frame_id = taxa de quadros do vídeo de entrada * duração do vídeo de entrada + 1.
Por exemplo, se um vídeo de entrada (video_url) tem uma taxa de quadros de 16 FPS (quadros por segundo) e duração de 5 segundos, o número total de quadros é 16 × 5 + 1 = 81. Portanto, max_frame_id = 81.
mask_video_urlstring (Opcional)A URL do vídeo de máscara.
Este parâmetro é usado para especificar a área de edição do vídeo. Você deve especificar este parâmetro ou o parâmetro mask_image_url.O formato de vídeo, taxa de quadros, resolução e duração do vídeo de máscara devem ser idênticos aos do vídeo de entrada (video_url).No vídeo de máscara, áreas brancas (valor de pixel [255, 255, 255]) definem a região a ser editada, enquanto áreas pretas (valor de pixel [0, 0, 0]) definem a região a ser preservada.
parametersobject (Opcional)Parâmetros para processamento de vídeo, como configurações de marca d'água.
Propriedades
control_conditionstring (Opcional)O método para extração de características do vídeo. O valor padrão é "", o que significa que nenhuma característica é extraída.
posebodyface: Extrai as expressões faciais e movimentos corporais da entidade do vídeo de entrada. Adequado para cenários onde o rosto da entidade ocupa uma grande parte do quadro e suas características são claramente visíveis.
depth: Extrai a composição e os contornos de movimento do vídeo de entrada.
mask_typestring (Opcional)Quando mask_image_url não está vazio, este parâmetro entra em vigor para especificar o comportamento da área de edição.
tracking (Padrão): A área de edição segue dinamicamente a trajetória de movimento do objeto alvo. Adequado para cenários onde o assunto está em movimento.
fixed: A área de edição permanece fixa e não muda com o conteúdo da tela.
expand_ratiofloat (Opcional)Quando mask_type é tracking, este parâmetro entra em vigor e especifica a proporção para expandir a área da máscara para fora.O valor deve estar no intervalo [0,0, 1,0]. O valor padrão é 0,05, que é o recomendado.Um valor menor faz com que a área da máscara se ajuste mais ao objeto alvo, enquanto um valor maior expande a área da máscara mais amplamente.expand_modestring (Opcional)Quando mask_type é tracking, este parâmetro entra em vigor e especifica a forma da área da máscara.O algoritmo gera um vídeo de máscara com a forma correspondente a partir da imagem de máscara de entrada, com base no expand_mode selecionado. Os valores suportados são:
hull (Padrão): Modo polígono. Este modo usa um polígono para envolver o objeto mascarado.
bbox: Modo caixa delimitadora. Este modo usa um retângulo para envolver o objeto mascarado.
original: Modo original, que tenta preservar a forma do alvo original da máscara.
sizestring (Opcional)A resolução do vídeo gerado (largura*altura). O modelo suporta a geração de vídeos em 720p. Valores válidos:
1280*720 (Padrão): A proporção do vídeo é 16:9, onde 1280 é a largura e 720 é a altura.
720*1280: A proporção do vídeo é 9:16.
960*960: A proporção do vídeo é 1:1.
832*1088: A proporção do vídeo é 3:4.
1088*832: A proporção do vídeo é 4:3.
durationinteger (Opcional)A duração do vídeo gerado em segundos. Este valor é fixo em 5.prompt_extendbool (Opcional)Especifica se a reescrita de prompt deve ser ativada. Se ativada, um modelo de linguagem grande (LLM) reescreve o prompt de entrada. Isso pode melhorar significativamente os resultados para prompts curtos, mas aumenta o tempo de processamento.
true (padrão): Ativa a reescrita de prompt.
false: Desativa a reescrita de prompt. (Recomendado)
Se a descrição textual for inconsistente com o conteúdo do vídeo, o modelo poderá interpretar mal a entrada. Recomenda-se desativar manualmente a expansão inteligente e fornecer uma descrição de cena clara e específica no prompt para melhorar a consistência e precisão.
seedinteger(Opcional)A semente de número aleatório controla a aleatoriedade do conteúdo gerado pelo modelo. O intervalo de valores para o parâmetro seed é [0, 2147483647].Se você não especificar uma semente, uma será gerada automaticamente. Para resultados reproduzíveis, utilize o mesmo valor de semente em múltiplas requisições.watermarkbool(Opcional)Especifica se deve adicionar uma marca d'água 'AI-generated' no canto inferior direito da imagem.
false (padrão): Não adiciona marca d'água.
true: Adiciona uma marca d'água.
modelstring(Obrigatório)Nome do modelo. Exemplo: wan2.1-vace-plus.
inputobject(Obrigatório)Entrada básica, como o prompt.
Propriedades
promptstring(Obrigatório)Descreve os elementos e características visuais a serem incluídos no vídeo gerado.Suporta chinês e inglês. O comprimento máximo é de 800 caracteres, onde cada caractere chinês ou letra conta como um único caractere. O texto que exceder esse limite será truncado automaticamente.Para técnicas de prompt, consulte o Guia de Prompt Texto-para-Vídeo/Imagem-para-Vídeo.functionstring(Obrigatório)Nome da função. Para extensão de vídeo, defina como video_extension.O recurso de extensão de vídeo gera conteúdo contínuo a partir de uma imagem ou vídeo. Ele também pode extrair características dinâmicas, como ações e composição, de um vídeo de referência para guiar a geração de um vídeo com movimento similar.
A duração total do vídeo gerado é de 5 segundos. Esta é a duração final de saída, não uma extensão de 5 segundos adicionada ao conteúdo original.
first_frame_urlstring (Opcional)A URL da imagem do primeiro quadro.
Taxa de quadros do vídeo: Maior ou igual a 16 FPS. Quando first_clip_url e last_clip_url são usados juntos, recomenda-se que os dois clipes tenham a mesma taxa de quadros.
Tamanho: Até 50 MB.
Comprimento do vídeo: O vídeo não pode ter mais de 3 segundos. Caso contrário, os primeiros 3 segundos do vídeo serão utilizados. Se você especificar tanto first_clip_url quanto last_clip_url, a duração total dos dois clipes de vídeo não pode exceder 3 segundos.
A URL não deve conter caracteres chineses.
Resolução do vídeo de saída:
Se a resolução do vídeo de entrada for 720p ou inferior, a resolução de saída será igual à de entrada.
Se a resolução do vídeo de entrada for superior a 720p, ela será reduzida para caber em uma resolução de 720p, preservando a proporção original.
last_clip_urlstring(Opcional)A URL do último clipe de vídeo.
Taxa de quadros do vídeo: 16 FPS ou superior. Quando first_clip_url e last_clip_url são usados juntos, recomenda-se que os dois clipes tenham a mesma taxa de quadros.
Tamanho: Até 50 MB.
Duração do vídeo: A duração não pode exceder 3 segundos. Se um vídeo for mais longo, apenas os primeiros 3 segundos serão utilizados. Se você especificar tanto first_clip_url quanto last_clip_url, a duração combinada deles não pode exceder 3 segundos.
A URL não deve conter caracteres chineses.
Resolução do vídeo de saída:
Se a resolução do vídeo de entrada for 720p ou inferior, a resolução de saída será igual à de entrada.
Se a resolução do vídeo de entrada for superior a 720p, ela será reduzida para caber em uma resolução de 720p, preservando a proporção original.
video_urlstring (Opcional)A URL do vídeo de entrada.
Este vídeo é usado principalmente para extrair características de movimento que funcionam em conjunto com os parâmetros first_frame_url, last_frame_url, first_clip_url e last_clip_url para guiar a geração de um vídeo estendido com desempenho de movimento similar.Requisitos do vídeo:
Formato: MP4.
Taxa de quadros: 16 FPS ou superior, consistente com os clipes anteriores e subsequentes.
Resolução: Consistente com os quadros e clipes anteriores e subsequentes.
Tamanho: Até 50 MB.
Duração: Até 5 segundos. Vídeos mais longos são truncados para os primeiros 5 segundos.
A URL não deve conter caracteres chineses.
parametersobject (Opcional)Parâmetros para processamento de vídeo, como definir a resolução do vídeo de saída.
Propriedades
control_conditionstring (Opcional)O método para extração de características do vídeo. Este parâmetro é obrigatório quando video_url é especificado. O valor padrão é "", o que significa que nenhuma característica é extraída.
posebodyface: Extrai as expressões faciais e movimentos corporais da entidade no vídeo de entrada.
depth: Extrai a composição e os contornos de movimento do vídeo de entrada.
durationinteger (Opcional)A duração do vídeo gerado em segundos. Este valor é fixo em 5.prompt_extendbool (Opcional)Especifica se a reescrita de prompt deve ser ativada. Se ativada, um modelo de linguagem grande (LLM) reescreve o prompt de entrada. Isso pode melhorar significativamente os resultados para prompts curtos, mas aumenta o tempo de processamento.
true (padrão): Ativa a reescrita de prompt.
false: Desativa a reescrita de prompt. (Recomendado)
Se a descrição textual for inconsistente com o conteúdo do vídeo, o modelo poderá interpretar mal a entrada. Recomenda-se desativar manualmente a expansão inteligente e fornecer uma descrição de cena clara e específica no prompt para melhorar a consistência e precisão.
seedinteger(Opcional)A semente de número aleatório controla a aleatoriedade do conteúdo gerado pelo modelo. O intervalo de valores para o parâmetro seed é [0, 2147483647].Se você não especificar uma semente, uma será gerada automaticamente. Para resultados reproduzíveis, utilize o mesmo valor de semente em múltiplas requisições.watermarkbool(Opcional)Especifica se deve adicionar uma marca d'água 'AI-generated' no canto inferior direito da imagem.
false (padrão): Não adiciona marca d'água.
true: Adiciona uma marca d'água.
modelstring(Obrigatório)Nome do modelo. Exemplo: wan2.1-vace-plus.
inputobject(Obrigatório)Entrada básica, como o prompt.
Propriedades
promptstring(Obrigatório)Descreve os elementos e características visuais a serem incluídos no vídeo gerado.Suporta chinês e inglês. O comprimento máximo é de 800 caracteres, onde cada caractere chinês ou letra conta como um único caractere. O texto que exceder esse limite será truncado automaticamente.Para técnicas de prompt, consulte o Guia de Prompt Texto-para-Vídeo/Imagem-para-Vídeo.functionstring(Obrigatório)Nome do recurso. O valor para outpainting de vídeo é video_outpainting.O recurso de outpainting de vídeo estende o quadro de vídeo proporcionalmente nas direções superior, inferior, esquerda e direita.video_urlstring(Obrigatório)A URL do vídeo de entrada.
Duração: Até 5 segundos. Vídeos mais longos são truncados para os primeiros 5 segundos.
A URL não deve conter caracteres chineses.
Resolução do vídeo de saída:
Se a resolução do vídeo de entrada for 720p ou inferior, a resolução de saída será igual à de entrada.
Se a resolução do vídeo de entrada for superior a 720p, ela será reduzida para caber em uma resolução de 720p, preservando a proporção original.
Duração do vídeo de saída:
A duração do vídeo de saída corresponde à do vídeo de entrada, até o máximo de 5 segundos.
Exemplo: Se o vídeo de entrada tem 3 segundos, a saída também terá 3 segundos. Se a entrada tiver 6 segundos, a saída corresponderá aos primeiros 5 segundos da entrada.
parametersobject (Opcional)Parâmetros para processamento de vídeo, como definir proporções de extensão.
Propriedades
top_scalefloat (Opcional)Centraliza o quadro de vídeo e o estende para cima pela proporção especificada.O valor deve estar no intervalo [1,0, 2,0]. O valor padrão é 1,0, que indica nenhuma extensão.bottom_scalefloat (Opcional)Centraliza o quadro de vídeo e o estende para baixo pela proporção especificada.O valor deve estar no intervalo [1,0, 2,0]. O valor padrão é 1,0, que indica nenhuma extensão.left_scalefloat (Opcional)Centraliza o quadro de vídeo e o estende para a esquerda pela proporção especificada.O valor deve estar no intervalo [1,0, 2,0]. O valor padrão é 1,0, que indica nenhuma extensão.right_scalefloat (Opcional)Centraliza o quadro de vídeo e o estende para a direita pela proporção especificada.O valor deve estar no intervalo [1,0, 2,0]. O valor padrão é 1,0, que indica nenhuma extensão.durationinteger (Opcional)A duração do vídeo gerado em segundos. Este valor é fixo em 5.prompt_extendbool (Opcional)Especifica se a reescrita de prompt deve ser ativada. Se ativada, um modelo de linguagem grande (LLM) reescreve o prompt de entrada. Isso pode melhorar significativamente os resultados para prompts curtos, mas aumenta o tempo de processamento.
true (padrão): Ativa a reescrita de prompt.
false: Desativa a reescrita de prompt. (Recomendado)
Se a descrição textual for inconsistente com o conteúdo do vídeo, o modelo poderá interpretar mal a entrada. Recomenda-se desativar manualmente a expansão inteligente e fornecer uma descrição de cena clara e específica no prompt para melhorar a consistência e precisão.
seedinteger(Opcional)A semente de número aleatório controla a aleatoriedade do conteúdo gerado pelo modelo. O intervalo de valores para o parâmetro seed é [0, 2147483647].Se você não especificar uma semente, uma será gerada automaticamente. Para resultados reproduzíveis, utilize o mesmo valor de semente em múltiplas requisições.watermarkbool(Opcional)Especifica se deve adicionar uma marca d'água 'AI-generated' no canto inferior direito da imagem.
false (padrão): Não adiciona marca d'água.
true: Adiciona uma marca d'água.
Parâmetros de resposta
Resposta bem-sucedida
Resposta de erro
Salve o task_id para consultar o status e o resultado da tarefa.
GET https://dashscope.aliyuncs.com/api/v1/tasks/{task_id}
GET https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id}Substitua WorkspaceId pelo seu ID do Workspace real.
Singapore
China (Beijing)
GET https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id}Substitua WorkspaceId pelo seu ID do Workspace real.
GET https://dashscope.aliyuncs.com/api/v1/tasks/{task_id}
Parâmetros da requisição
Consultar resultado da tarefa
Substitua {task_id} pelo valor de task_id retornado na chamada de API anterior. O task_id permanece válido para consultas durante 24 horas.
Copy
curl -X GET https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id} \ --header "Authorization: Bearer $DASHSCOPE_API_KEY"
Cabeçalhos da requisição
Authorizationstring(Obrigatório)Autentica a requisição com uma chave de API do Model Studio. Exemplo: Bearer sk-xxxx.
Parâmetros de caminho da URL
task_idstring(Obrigatório)ID da tarefa.
Parâmetros de resposta
Tarefa bem-sucedida
Tarefa com falha
Os dados da tarefa, incluindo status e URL do vídeo, ficam disponíveis por 24 horas e são excluídos automaticamente após esse período. Salve o vídeo gerado prontamente.
Copy
{ "request_id": "851985d0-fbba-9d8d-a17a-xxxxxx", "output": { "task_id": "208e2fd1-fcb4-4adf-9fcc-xxxxxx", "task_status": "SUCCEEDED", "submit_time": "2025-05-15 16:14:44.723", "scheduled_time": "2025-05-15 16:14:44.750", "end_time": "2025-05-15 16:20:09.389", "video_url": "https://dashscope-result-wlcb.oss-cn-wulanchabu.aliyuncs.com/xxx.mp4?xxxxxx", "orig_prompt": "In the video, a girl gracefully walks out from a misty, ancient forest. Her steps are light, and the camera captures her every nimble moment. When the girl stops and looks around at the lush woods, a smile of surprise and joy blossoms on her face. This scene, frozen in a moment of interplay between light and shadow, records her wonderful encounter with nature.", "actual_prompt": "A girl in a light-colored long dress slowly walks out from a misty, ancient forest, her steps as light as a dance. She has slightly curly long hair, a delicate face, and bright eyes. The camera follows her movements, capturing every nimble moment. When she stops, turns, and looks around at the lush woods, a smile of surprise and joy blossoms on her face. Sunlight filters through the leaves, casting mottled shadows and freezing this beautiful moment of harmony between human and nature. The style is a fresh and natural portrait, combining medium and full shots with a level perspective and slight camera movement." }, "usage": { "video_duration": 5, "video_ratio": "standard", "video_count": 1 }}
Quando uma tarefa falha, task_status retorna FAILED, acompanhado de um código e uma mensagem de erro. Consulte Códigos de erro.
Copy
{ "request_id": "e5d70b02-ebd3-98ce-9fe8-759d7d7b107d", "output": { "task_id": "86ecf553-d340-4e21-af6e-a0c6a421c010", "task_status": "FAILED", "code": "InvalidParameter", "message": "The size is not match xxxxxx" }}
outputobjectInformações sobre a saída da tarefa.
Propriedades
task_idstringID da tarefa. Válido para consultas por 24 horas.task_statusstringStatus atual da tarefa.
Valores de enumeração
PENDING
RUNNING
SUCCEEDED
FAILED
CANCELED
UNKNOWN: A tarefa não existe ou seu status é desconhecido.
submit_timestringHorário de envio da tarefa. O horário está em UTC+8 e o formato é YYYY-MM-DD HH:mm:ss.SSS.scheduled_timestringHorário de execução da tarefa. O horário está em UTC+8 e o formato é YYYY-MM-DD HH:mm:ss.SSS.end_timestringHorário de conclusão da tarefa. O horário está em UTC+8 e o formato é YYYY-MM-DD HH:mm:ss.SSS.video_urlstringURL do vídeo MP4 (H.264) gerado. Este link é válido por 24 horas.orig_promptstringPrompt de entrada original.actual_promptstringPrompt utilizado para geração após a reescrita. Este campo é retornado apenas se a reescrita de prompt estiver ativada.codestringCódigo de erro. Retornado apenas para requisições com falha. Consulte Códigos de erro.messagestringMensagem de erro detalhada. Retornada apenas para requisições com falha. Consulte Códigos de erro.
usageobjectEstatísticas da saída da tarefa. Fornecido apenas para tarefas bem-sucedidas.
Propriedades
video_durationintegerDuração do vídeo gerado, em segundos.video_ratiostringProporção de aspecto do vídeo gerado. O valor é sempre standard.video_countintegerQuantidade de vídeos gerados.
request_idstringIdentificador exclusivo da requisição para rastreamento e solução de problemas.
Período de retenção de dados: O ID da tarefa task_id e a URL do vídeo video_url são mantidos por apenas 24 horas. Após a expiração, não é mais possível consultá-los ou baixá-los.
Suporte a áudio: Atualmente, este recurso gera apenas vídeos sem som. Para gerar áudio, utilize a Síntese de Fala.
P: Como adicionar domínios de armazenamento de vídeo à lista de permissões?
R: Os vídeos gerados pelos modelos são armazenados no OSS. A API retorna uma URL pública temporária. Para configurar uma lista de permissões de firewall para esta URL de download, observe o seguinte: o armazenamento subjacente pode mudar dinamicamente. Este tópico não fornece uma lista fixa de domínios OSS para evitar problemas de acesso causados por informações desatualizadas. Caso tenha requisitos de controle de segurança, entre em contato com seu gerente de conta para obter a lista mais recente de domínios OSS.
