A série wan3.0 é um modelo All-in-One de geração de vídeo com atualizações abrangentes em geração de áudio e vídeo, referência multimodal e recursos de edição. Ela suporta até 30 segundos por geração, taxa de quadros de saída de 30 fps e gera nativamente diálogos, BGM e efeitos sonoros. Além disso, aceita até 20 materiais de referência multimodais (imagens, vídeos, áudio, documentos, páginas da web) por solicitação e oferece controle de primeiro quadro ou de primeiro e último quadro, bem como edição e extensão de vídeo.
Escopo
- Os modelos suportados variam conforme a região, e os recursos são independentes entre elas. Para verificar os modelos disponíveis em cada região, consulte o console do Model Studio.
- Antes de fazer chamadas, Obtain an API key e, em seguida, Configure API key as an environment variable.
- Ao chamar a API, certifique-se de que o modelo, a URL do endpoint e a API Key pertençam à mesma região. Chamadas entre regiões falharão.
Capacidades do modelo
O wan3.0-video / wan3.0-video-prime é um modelo All-in-One que abrange todos os tipos de tarefa listados abaixo sem necessidade de trocar o nome do modelo. O roteamento ocorre automaticamente com base no campo type dentro de input.media e na intenção do prompt.
Tipo de tarefa | Método de acionamento | Observações de uso | |
|---|---|---|---|
Texto para vídeo | Envie apenas | Permite definir livremente resolução, proporção e duração | |
Imagem para vídeo | Primeiro quadro para vídeo |
| Recomenda-se usar |
Primeiro e último quadro para vídeo |
| Recomenda-se usar | |
Referência multimodal | Referência de imagem |
| Até 10 imagens, cada uma com no máximo 20 MB |
Referência de vídeo |
| Até 5 clipes, duração total máxima de 15 segundos, cada um com no máximo 100 MB | |
Referência de áudio |
| Até 5 clipes, duração total máxima de 15 segundos, cada um com no máximo 15 MB | |
Referência combinada | Combinação de | Aceita qualquer combinação de referências de imagem/vídeo/áudio (imagem+vídeo, imagem+áudio, vídeo+áudio, imagem+vídeo+áudio) | |
Referência de arquivo/página da web |
| Analisa o conteúdo de documento ou página da web para gerar vídeo. Apenas páginas acessíveis publicamente são suportadas. | |
Edição de vídeo |
| Adicionar/remover/modificar elementos, conversão de estilo, edição de iluminação e diálogo. Recomenda-se | |
Extensão de vídeo |
| Estende para frente/trás/ambas as direções. Recomenda-se | |
Principais capacidades
Antes de fazer chamadas, Obtain an API key e, em seguida, Configure API key as an environment variable. Para chamar via SDK, instale the DashScope SDK.
Texto para vídeo
Gere vídeo usando apenas um prompt, sem nenhuma entrada de mídia. Suporta nativamente narrativas de múltiplas cenas de até 30 segundos com diálogos sincronizados, BGM e efeitos sonoros gerados automaticamente.
| Prompt de entrada | Vídeo de saída (múltiplas cenas, com áudio) |
| Uma visão de tecnologia futura e natureza coexistindo em harmonia. Cena 1 [0-2s] Vista panorâmica de um jardim aéreo em uma cidade futurista, plantas flutuantes balançando ao vento. Cena 2 [2-4s] Um robô jardineiro podando plantas cuidadosamente com movimentos precisos e elegantes. Cena 3 [4-7s] A luz do sol atravessa a cúpula transparente, iluminando todo o jardim e exibindo a fusão perfeita entre tecnologia e natureza. Cena 4 [7-10s] A câmera se afasta para revelar a vista espetacular de toda a cidade futurista, com o jardim aéreo sendo apenas uma parte dela. |
- Python SDK
- curl
Primeiro quadro para vídeo
Especifique estritamente a imagem do primeiro quadro do vídeo usando first_frame. O modelo gera áudio automaticamente para o vídeo.
| Prompt de entrada | Imagem do primeiro quadro de entrada | Vídeo de saída |
| Uma cena de arte de fantasia urbana. Um personagem dinâmico de grafite ganha vida em uma parede de concreto, fazendo rap e assumindo poses clássicas de hip-hop. | ![]() |
- Python SDK
- curl
Primeiro e último quadro para vídeo
Forneça tanto first_frame quanto last_frame para especificar estritamente as imagens do primeiro e do último quadro do vídeo.
| Prompt de entrada | Imagem do primeiro quadro de entrada | Imagem do último quadro de entrada | Vídeo de saída |
| Ao amanhecer, quando o sol acaba de nascer, em um campo de abóboras, há uma pequena abóbora com gotas de orvalho. De repente, a abóbora racha com um som, uma luz dourada vaza pela fenda, a abóbora se abre com luz dourada, uma névoa branca aparece e um pequeno coelho emerge do centro da abóbora aberta. | ![]() | ![]() |
- Python SDK
- curl
Geração de vídeo por referência
Forneça imagens, vídeos, áudios, arquivos ou links da web de referência por meio de input.media, e o modelo compreenderá automaticamente a intenção para gerar o vídeo. No prompt, use "Image 1", "Video 1", "Audio 1", etc., para referenciar os materiais correspondentes no array de mídia.
reference_image no array input.media corresponde a "Image 1" no prompt, o segundo a "Image 2"; o primeiro reference_video corresponde a "Video 1"; o primeiro reference_audio corresponde a "Audio 1", e assim por diante. Os três tipos não conflitam e podem coexistir.| Prompt de entrada: Video 1 segura Image 3, sentado na cadeira em Image 4, tocando uma canção folclórica country suave, e diz: "The sunshine is so nice today." Image 1 segura Image 2 na mão, passa por Video 1, coloca Image 2 na mesa ao lado de Video 1 e diz: "That sounds great, can you sing it again?" | |||||
Imagem de entrada (Image 1)![]() | Vídeo de entrada (Video 1) | Imagens de entrada (Image 2, Image 3)![]() ![]() | Imagem de entrada (Image 4)![]() | Vídeo de saída | |
- Python SDK
- curl
Edição de vídeo
Forneça um vídeo de referência e use instruções em linguagem natural para editar o vídeo com precisão. As partes não especificadas para modificação permanecem inalteradas.
- Python SDK
- curl
Extensão de vídeo
Estenda a duração de um vídeo existente para frente, para trás ou em ambas as direções. O estilo visual e os personagens permanecem consistentes, e o prompt descreve as mudanças dinâmicas para a parte estendida.
- Python SDK
- curl
Mídia de entrada
Cada elemento no array input.media contém os campos type e url. Os tipos suportados e suas restrições são:
type | Descrição | Restrições |
| Imagem do primeiro quadro, usada estritamente como o primeiro quadro do vídeo | Máximo de 1 |
| Imagem do último quadro, usada estritamente como o último quadro do vídeo | Máximo de 1 |
| Imagem de referência | Máximo de 10 |
| Vídeo de referência | Máximo de 5, duração total não superior a 15 segundos |
| Áudio de referência (suportado apenas no modo de geração de vídeo por referência) | Máximo de 5, duração total não superior a 15 segundos |
| Arquivo (docx, ppt, pdf, txt, etc.) | Máximo de 1, não pode ser usado simultaneamente com link |
| Link da web (páginas públicas) | Máximo de 1, não pode ser usado simultaneamente com file |
Vídeo de saída
- Formato: MP4, taxa de quadros de 30 fps.
- A URL do vídeo é válida por 24 horas. Salve o vídeo prontamente.
- As dimensões do vídeo são determinadas conjuntamente por
resolutioneratio. Ao usaradaptive, o modelo recomenda automaticamente uma proporção com base na entrada.
Faturamento e limites de taxa
- Para detalhes de faturamento, consulte Billing.
- Para detalhes sobre limites de taxa, consulte Rate limits.
Referência da API
Wan3.0 Video Generation API Reference
FAQ
P: Quais são as diferenças entre os modelos da série wan3.0-video e wan2.7?
R: O wan3.0-video é um modelo All-in-One com as seguintes diferenças principais:
- Nome de modelo unificado: o wan3.0-video substitui o wan2.7-t2v, wan2.7-i2v e outros modelos separados.
- Até 30 segundos: o wan2.7 suporta até 10 segundos, enquanto o wan3.0 suporta até 30 segundos.
- Novo modo de geração de vídeo por referência: suporta imagens, vídeos, áudios, arquivos e links da web como referência.
- Proporção adaptativa: novo parâmetro
ratiocom suporte ao modo adaptive. - Duração inteligente: quando
duration=-1, o modelo recomenda automaticamente uma duração apropriada. - Edição e extensão de vídeo: o wan3.0 suporta nativamente recursos de edição e extensão de vídeo.
P: O que significam "Image 1" e "Video 1" na geração de vídeo por referência?
R: Use "Image 1", "Video 1", "Audio 1" no prompt para referenciar materiais no array media pelo tipo correspondente. Imagens, vídeos e áudios são contados separadamente: o primeiro reference_image no array corresponde a "Image 1", o primeiro reference_video corresponde a "Video 1", e assim por diante.





