01
wan3.0-t2v
文生视频
从提示词开始，用自然语言描述主体、镜头、运动、光线和场景节奏。
提示词输入 · 视频输出
WAN 3.0 Video 标准版
3 个可用模型
提供商: Alibaba
更新于: 最近
万相3.0是全能参考视频生成模型（All-in-One），统一支持文生视频、图生视频（首帧/首尾帧）和参考生视频等多种用法。最长可生成30秒视频。
可用模型
WAN 3.0 参考生视频
wan3.0-r2v
WAN 3.0 参考生视频支持输入参考图片、视频、音频、文件或网页链接，模型可自动理解意图并生成视频。
输入类型
输出类型
视频
价格
$0.045/ 秒
WAN 3.0 图生视频
wan3.0-i2v
WAN 3.0 Image to Video 是 WAN 3.0 的图生视频版本模型，可以同时传入首帧和尾帧，严格指定视频的首帧和尾帧图像。
输入类型
输出类型
视频
价格
$0.045/ 秒
WAN 3.0 文生视频
wan3.0-t2v
WAN 3.0 Text to Video 是 WAN 3.0 的文生视频版本模型，仅通过 prompt 生成视频，不传入任何媒体文件。
输入类型
输出类型
视频
价格
$0.045/ 秒
WAN 3.0 VIDEO / 阿里云官方模型适配
一个模型，三种创作输入。
让下一镜真正发生。
Wan 3.0 Video 将提示词、首帧图片或一组参考素材变成可控视频，让创意从分镜草稿一路进入 API 调用。
1080P
输出分辨率
2–30s
生成时长
5 ratios
画面比例
Async
执行模式
01 / 选择输入
三个模型 ID，一套生产界面。
根据你的素材选择公开模型 ID。APIPod 将供应商命名和路由隐藏在统一的生成契约之后。
02
wan3.0-i2v
图生视频
让首帧动起来，也可以用首帧和尾帧共同定义更明确的镜头过渡。
首帧 · 可选尾帧
03
wan3.0-r2v
参考生视频
组合参考图、参考视频、参考音频、一份文档文件或一个公开网页，将人物、物体、风格、声音和完整创意简报带入新场景。
图片 · 视频 · 音频 · 文件/网页
02 / 为可控而生
掌控镜头，也保留灵感。
Wan 3.0 面向真实的创意迭代：先展开想法，再锁定视觉锚点，最后请求产品真正需要的输出。
一套模型覆盖创作简报
从纯文本创意切换到参考素材驱动的序列，无需更换供应商或请求规范。三个 APIPod 模型 ID 分别对应 Wan 3.0 的不同工作流。
让参考素材留在镜头里
参考生视频每次请求最多可使用 10 张图片、5 个视频和 5 个音频文件，帮助锁定人物、构图、运动和氛围。
面向生产的输出控制
可选 480P、720P 或 1080P，设置 2-30 秒时长，并使用自适应或五种标准画面比例适配目标渠道。
IMAGE 1
IMAGE 2
REF 3
REF 4参考输入 / 就绪
03 / 带上参考素材
视觉简报不必只有一个文件。
参考生视频让提示词与源素材协同工作，用团队已有的素材拼出一致的视觉世界。
图片
最多 10 张参考图片
视频
最多 5 个参考视频
音频
最多 5 个参考音频文件
文件
1 个文档，最大 100MB
网页
1 个无需登录的公开链接
04 / 默认异步
从创意简报到渲染结果，路径清晰。
每次请求都是异步任务。让产品保持响应，同时等待供应商渲染，再从同一任务生命周期中取回成片。
01
选择模式
根据已有输入，选择 wan3.0-t2v、wan3.0-i2v 或 wan3.0-r2v。
02
组织创作简报
提交提示词、首尾帧、参考素材、一份文档文件或一个公开网页，并设置镜头需要的时长、分辨率和画面比例。
03
提交任务
Wan 3.0 适配器提交异步生成时，APIPod 会先返回任务 ID。
04
取回视频
轮询任务直到完成，再将最终视频 URL 交给应用、编辑器或交付流程。
# Wan 3.0 文生视频请求 POST https://api.apipod.ai/v1/videos/generations Authorization: Bearer $API_KEY { "model": "wan3.0-t2v", "prompt": "蓝调时刻，骑行者穿过被雨水照亮的城市，手持摄影机，柏油路面映出霓虹倒影", "duration": 10, "resolution": "1080P", "aspect_ratio": "adaptive" }
05 / 请求契约
让你的生产流程有据可依。
分辨率
480P / 720P / 1080P
默认输出分辨率为 1080P。
视频时长
2-30 秒
使用 -1 可让模型智能决定生成时长。
画面比例
自适应 + 5 种比例
支持 16:9、4:3、1:1、3:4 和 9:16。
参考媒体
10 张图片 / 5 个视频
参考生视频最多接受 10 张图片和 5 个视频。
参考音频
最多 5 个文件
可以添加最多 5 个音频参考来引导场景。
执行方式
异步任务
创建任务、轮询状态，并取回完成的视频。
06 / 常见问题
按下渲染之前，先确认这些。
Wan 3.0 Video 是什么？
Wan 3.0 Video 是阿里云 wan3.0-video 模型在 APIPod 上的统一接入，支持文生视频、首帧/首尾帧图生视频，以及参考生视频工作流。
应该使用哪个公开模型 ID？
纯文本提示词使用 wan3.0-t2v；有首帧或首尾帧时使用 wan3.0-i2v；需要用参考图、视频、音频、文档文件或公开网页指导生成时使用 wan3.0-r2v。
一次请求可以发送多少参考素材？
参考生视频每次最多接受 10 张图片、5 个视频、5 个音频文件，以及 1 个文档文件或 1 个公开网页链接；文件与网页链接不能同时传入。图生视频需要首帧，也可以额外提供尾帧。
支持哪些时长和分辨率？
当前契约支持 2-30 秒，也可以使用 -1 让模型智能选择时长。分辨率支持 480P、720P 和 1080P，默认使用 1080P。
可以使用音频作为参考吗？
可以。Wan 3.0 参考生视频支持音频参考、1 个文档文件或 1 个公开网页链接。网页必须使用 HTTP/HTTPS、位于公网且无需登录；文档支持 PDF、DOCX、PPTX、XLSX、TXT、Markdown 以及常见 Apple 文档格式，文件大小不超过 100MB。
在哪里查看上游 API 参考？
完整请求结构、参数约束和异步任务生命周期请查看阿里云官方 Wan 3.0 Video API 参考文档：https://help.aliyun.com/zh/model-studio/wan3-video-generation-api-reference