Wan 3.0 API
Wan 3.0 จาก Alibaba — วิดีโอสไตล์ภาพยนตร์ในการสร้างรอบเดียวยาวสูงสุด 30 วินาที เป็นสองเท่าของเพดานของ Wan 2.7 ข้อความเป็นวิดีโอ ภาพเป็นวิดีโอพร้อมการกำกับเฟรมแรกและเฟรมสุดท้าย และ reference-to-video ที่รับอ้างอิงภาพ วิดีโอ และเสียงพร้อมกัน เอาต์พุต 480p / 720p / 1080p เสียงที่สร้างได้ตามต้องการ และการขยายพรอมต์เพื่อการเคลื่อนไหวและความต่อเนื่องของฉากที่มีคุณภาพสูงขึ้น
สาม endpoint ในตระกูลเดียว: ข้อความเป็นวิดีโอจากพรอมต์ ภาพเป็นวิดีโอที่ทำให้เฟรมแรกเคลื่อนไหวพร้อมการกำกับเฟรมสุดท้ายที่เลือกได้ และ reference-to-video ที่ขับเคลื่อนด้วยอ้างอิงมัลติโมดัล ทุกตัวเลือกรับความยาว 2–30 วินาที (ค่าเริ่มต้น 5 วินาที) เอาต์พุต 480p / 720p / 1080p อัตราส่วนภาพห้าแบบ (16:9, 9:16, 1:1, 4:3, 3:4) สวิตช์เสียงที่เลือกได้ และตัวควบคุมการขยายพรอมต์
ภาพรวม
เกี่ยวกับ Wan 3.0 API
Wan 3.0 ทำอะไรได้ อยู่ตรงไหนในกลุ่มโมเดลของ Alibaba และทำไมทีมต่างๆ จึงเลือกใช้
Wan 3.0 คือโมเดลการสร้างวิดีโอจาก Alibaba ใช้งานได้ผ่าน REST API ของ WaveSpeedAI Wan 3.0 จาก Alibaba — วิดีโอสไตล์ภาพยนตร์ในการสร้างรอบเดียวยาวสูงสุด 30 วินาที เป็นสองเท่าของเพดานของ Wan 2.7 ข้อความเป็นวิดีโอ ภาพเป็นวิดีโอพร้อมการกำกับเฟรมแรกและเฟรมสุดท้าย และ reference-to-video ที่รับอ้างอิงภาพ วิดีโอ และเสียงพร้อมกัน เอาต์พุต 480p / 720p / 1080p เสียงที่สร้างได้ตามต้องการ และการขยายพรอมต์เพื่อการเคลื่อนไหวและความต่อเนื่องของฉากที่มีคุณภาพสูงขึ้น
สาม endpoint ในตระกูลเดียว: ข้อความเป็นวิดีโอจากพรอมต์ ภาพเป็นวิดีโอที่ทำให้เฟรมแรกเคลื่อนไหวพร้อมการกำกับเฟรมสุดท้ายที่เลือกได้ และ reference-to-video ที่ขับเคลื่อนด้วยอ้างอิงมัลติโมดัล ทุกตัวเลือกรับความยาว 2–30 วินาที (ค่าเริ่มต้น 5 วินาที) เอาต์พุต 480p / 720p / 1080p อัตราส่วนภาพห้าแบบ (16:9, 9:16, 1:1, 4:3, 3:4) สวิตช์เสียงที่เลือกได้ และตัวควบคุมการขยายพรอมต์
กลุ่ม Wan 3.0 บน WaveSpeedAI มี 10 REST endpoint ครอบคลุมเวิร์กโฟลว์ Video-Extend, Video-To-Video, Reference-To-Video, Image-To-Video, Text-To-Video แต่ละแบบมีราคา พารามิเตอร์ที่ปรับได้ และตัวอย่างผลลัพธ์ของตัวเอง เลือกแบบที่ตรงกับประเภทอินพุตและข้อจำกัดของงานจริง หรือเรียกหลายแบบด้วย API key เดียวเพื่อประกอบเป็นไปป์ไลน์หลายขั้นตอน
รัน Wan 3.0 ผ่าน API key บัญชีเรียกเก็บเงิน และขีดจำกัดอัตราเดียวกับที่คุณใช้กับโมเดล AI กว่า 1,000 รายการอื่นบน WaveSpeedAI ไม่ต้องตั้งค่ากับผู้ให้บริการแยก ไม่ต้องใช้ SDK แยกตามผู้ให้บริการ และไม่ต้องจัดการขีดจำกัดอัตราแยกตามผู้ให้บริการ การเชื่อมต่อเดียวครอบคลุมทุกอย่างตั้งแต่ข้อความเป็นภาพและข้อความเป็นวิดีโอ ไปจนถึงการสังเคราะห์เสียง การสร้าง 3D การอัปสเกล และการแก้ไข
สเปก
ความสามารถและสถานะการเปิดตัวของ Wan 3.0 API
รายละเอียดเฉพาะของโมเดลที่นักพัฒนาค้นหาก่อนเลือก API: ความพร้อมใช้งาน ความยาวผลลัพธ์ที่คาดหวัง การรองรับภาพอ้างอิง และทางเลือกสำรองที่ใช้งานได้ในปัจจุบัน
ความยาวสูงสุด
30 วินาที
ทุกตัวเลือกรับ 2–30 วินาทีในการสร้างรอบเดียว ค่าเริ่มต้น 5 วินาที
ความละเอียด
480p / 720p / 1080p
สามระดับเหมือนกันทั้งข้อความเป็นวิดีโอ ภาพเป็นวิดีโอ และ reference-to-video
Endpoint
3 ตัวเลือก
text-to-video, image-to-video (เฟรมแรก + เฟรมสุดท้าย), reference-to-video (อ้างอิงภาพ วิดีโอ เสียง)
อัตราส่วนภาพ
5 แบบ
16:9, 9:16, 1:1, 4:3 และ 3:4 ในทุกตัวเลือก
Endpoint
API endpoint ของ Wan 3.0 ทั้งหมด
10 endpoint ของ Wan 3.0 พร้อมใช้งานบน WaveSpeedAI แล้ว — เลือกแบบที่ตรงกับเวิร์กโฟลว์ของคุณ
/filters:quality(82)/media/images/1789556952524966868_lajtCLV4.webp)
Wan 3.0 Video Extend
Wan 3.0 Video Extend continues an existing video with a newly generated segment, preserving the source video and its original audio while supporting optional audio generation for the extension. It supports 480P / 720P / 1080P output, optional last-frame guidance, and prompt control for the next action and camera movement. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/1789553517177857861_OyM2sT76.webp)
Wan 3.0 Video Edit
Wan 3.0 Video Edit edits existing videos with text prompts and optional reference images or audio, supporting prompt-guided scene changes, visual refinements, and multimodal video editing. Inputs longer than 15 seconds are trimmed to the first 15 seconds, with output aspect ratio automatically matched to the input video. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/1785740347734124119_3h5foxHR.webp)
Wan 3.0 Reference To Video
Wan 3.0 Reference to Video creates coherent videos from prompts and multimodal references, including images, videos, and audio, with flexible 2-30 second duration and aspect ratio control for subject consistency, motion guidance, timing control, and scene continuity. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/1785738862631835931_QQZ9i1ak.webp)
Wan 3.0 Image To Video
Wan 3.0 Image to Video animates a first-frame image into a cinematic video, with optional last-frame guidance, flexible 2-30 second duration, aspect ratio control, optional audio, and deep-thinking controls for high-quality motion and scene continuity. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/dc2cffc4-9885-490b-8e8b-a7a173c84bba.webp)
Wan 3.0 Text To Video
Wan 3.0 Text to Video generates cinematic videos from text prompts, with flexible 2-30 second duration, aspect ratio control, optional audio, and deep-thinking controls for high-quality video generation. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/1789558025156313519_najtCLU4.webp)
Wan 3.0 Prime Video Extend
Wan 3.0 Prime Video Extend continues existing videos by generating a new 2-30 second segment from the final frame and appending it to the retained source video. It preserves existing source audio, supports optional audio generation for the new segment, retains up to the last 120 seconds of input, and outputs at 480P / 720P / 1080P. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/1789553531699655583_WOX6R1ak.webp)
Wan 3.0 Prime Video Edit
Wan 3.0 Prime Video Edit edits existing videos with text prompts and optional reference images or audio, supporting prompt-guided scene changes, visual refinements, and multimodal video editing. Inputs longer than 15 seconds are trimmed to the first 15 seconds, with output aspect ratio automatically matched to the input video. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/1787546478975244978_9IJS1aku.webp)
Wan 3.0 Prime Reference To Video
Wan 3.0 Prime Reference to Video is an accelerated variant that creates coherent videos from prompts and multimodal references, including images, videos, and audio, with flexible 2-30 second duration and aspect ratio control for subject consistency, motion guidance, timing control, and scene continuity. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/1787543886315744792_dtDLU3dn.webp)
Wan 3.0 Prime Text To Video
Wan 3.0 Prime Text to Video is an accelerated variant that generates cinematic videos from text prompts, with flexible 2-30 second duration, aspect ratio control, optional audio, and deep-thinking controls for high-quality video generation. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/1787543869937523936_2JS2bjsC.webp)
Wan 3.0 Prime Image To Video
Wan 3.0 Prime Image to Video is an accelerated variant that animates a first-frame image into a cinematic video, with optional last-frame guidance, flexible 2-30 second duration, aspect ratio control, optional audio, and deep-thinking controls for high-quality motion and scene continuity. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
ตัวอย่าง
ดู Wan 3.0 ทำงานจริง
ผลลัพธ์จริงที่สร้างโดย Wan 3.0 API วางเมาส์บนวิดีโอเพื่อดูตัวอย่าง คลิกเพื่อเปิดตัวดูขนาดเต็ม
วิธีใช้
วิธีใช้ Wan 3.0 API
สี่ขั้นตอนจากการสมัครไปจนถึงผลลัพธ์ที่เสร็จสมบูรณ์ ตัวอย่าง Python, Node.js และ cURL แบบเต็มอยู่ในส่วน API ด้านล่าง
- 01
รับ API key
สมัครบัญชี WaveSpeedAI แล้วคัดลอก API key จากแดชบอร์ด บัญชีใหม่มาพร้อมเครดิตเริ่มต้นฟรี เพียงพอให้ลองใช้ playground ได้หลายสิบครั้งก่อนเริ่มเรียกเก็บเงิน
- 02
ส่ง prediction
POST อินพุตของคุณเป็น JSON ไปที่ https://api.wavespeed.ai/api/v3/alibaba/wan-3.0/text-to-video endpoint จะส่ง prediction id กลับมาทันที การสร้างทำงานแบบอะซิงโครนัส คุณจึงไม่ต้องเปิดการเชื่อมต่อค้างไว้ระหว่างประมวลผล
- 03
poll เพื่อรอให้เสร็จ
GET https://api.wavespeed.ai/api/v3/predictions/{request_id}/result เมื่อสถานะเป็น completed ให้นำผลลัพธ์ไปใช้ เมื่อเป็น failed, cancelled, timeout หรือ deleted ให้หยุดพร้อมแจ้งข้อผิดพลาด และ poll ต่อไปสำหรับสถานะอื่นทั้งหมด
- 04
อ่าน URL ของผลลัพธ์
เมื่อสถานะเป็น "completed" ให้อ่าน URL จาก data.outputs[0] URL ชี้ไปยังสื่อที่สร้างขึ้นของคุณบน CDN ของ WaveSpeedAI ซึ่งเป็นภาพ วิดีโอ เสียง หรือไฟล์ 3D ตามแบบของ Wan 3.0 ที่คุณเรียกใช้
กรณีการใช้งาน
สิ่งที่คุณสร้างได้ด้วย Wan 3.0
เวิร์กโฟลว์ทั่วไปที่นักพัฒนาและครีเอเตอร์ใช้ Wan 3.0 API
ช็อตรอบเดียวยาวสูงสุด 30 วินาที
ทุกตัวเลือกของ Wan 3.0 รับความยาว 2–30 วินาที เนื่องจากคลิปออกมาจากการสร้างรอบเดียว การเคลื่อนกล้องต่อเนื่องหรือภาษาช็อตแบบ one-take จึงคงอยู่ตลอดทั้งคลิป แทนที่จะต่อจากส่วนสั้นๆ Wan 2.7 ยาวสุด 15 วินาที
ข้อความเป็นวิดีโอพร้อมการขยายพรอมต์
alibaba/wan-3.0/text-to-video เปลี่ยนพรอมต์เป็นคลิปสไตล์ภาพยนตร์ การวางตำแหน่งในแค็ตตาล็อก: ควบคุมอัตราส่วนภาพ เสียงที่เลือกได้ และการขยายพรอมต์เพื่อสร้างวิดีโอคุณภาพสูง เลือกตัวนี้เมื่อยังไม่มีอะไรล็อกไว้และกำลังสร้างช็อตจากคำอธิบายอย่างเดียว
ภาพเป็นวิดีโอพร้อมเฟรมแรกและเฟรมสุดท้าย
alibaba/wan-3.0/image-to-video ทำให้ภาพเฟรมแรกเคลื่อนไหว พร้อมการกำกับเฟรมสุดท้ายที่เลือกได้ผ่านฟิลด์ last_image มีประโยชน์เมื่อองค์ประกอบทั้งตอนเปิดและตอนปิดได้รับอนุมัติแล้ว และการสร้างต้องเติมเฉพาะการเคลื่อนไหวระหว่างสองช่วงนั้น
Reference-to-video พร้อมอ้างอิงภาพ วิดีโอ และเสียง
alibaba/wan-3.0/reference-to-video รับ reference_images, reference_videos และ reference_audios ในคำขอเดียวกัน — สำหรับความสม่ำเสมอของวัตถุ การกำกับการเคลื่อนไหว การควบคุมจังหวะเวลา และความต่อเนื่องของฉาก ช่องอ้างอิงเสียงคือสิ่งที่ทำให้ต่างจากตัวเลือกอ้างอิงเฉพาะภาพในตระกูล Wan อื่น
ดราฟต์ที่ 480p ส่งมอบที่ 1080p
ทั้งสามตัวเลือกมี 480p, 720p และ 1080p Wan 2.7 เริ่มที่ 720p ดังนั้น 3.0 จึงเพิ่มระดับดราฟต์ราคาถูกอย่างแท้จริง — ทำซ้ำพรอมต์และจังหวะที่ 480p แล้วรันพรอมต์ที่ลงตัวแล้วที่ 1080p เพื่อส่งมอบ
เฟรมแนวตั้ง สี่เหลี่ยมจัตุรัส และแนวกว้าง
อัตราส่วนภาพห้าแบบ (16:9, 9:16, 1:1, 4:3, 3:4) มีให้ในทุกตัวเลือก พรอมต์เดียวจึงรันซ้ำได้สำหรับภาพหลักแนวนอน ตัดต่อโซเชียล 9:16 และตำแหน่งฟีด 1:1 โดยไม่ต้องครอปภายหลัง
เคล็ดลับ
เคล็ดลับการเขียนพรอมต์สำหรับ Wan 3.0
คำแนะนำเชิงปฏิบัติเพื่อให้ได้ผลลัพธ์ที่ดีขึ้นจาก Wan 3.0 — มาจากรูปแบบที่ได้ผลกับโมเดลวิดีโอในไปป์ไลน์การผลิตจริง
- 01
ระบุการเคลื่อนกล้องให้เฉพาะเจาะจง
ใช้ศัพท์ภาพยนตร์ที่เป็นรูปธรรม — orbit, dolly-in, push-in, pan-left, crane shot, handheld follow พรอมต์ทั่วไปให้ช็อตนิ่งหรือการเลือกกล้องแบบสุ่ม ส่วนการเคลื่อนกล้องที่ระบุชื่อแมปไปยังเจตนาการเคลื่อนไหวในข้อมูลเทรนของโมเดลโดยตรงและช่วยยกระดับคุณภาพช็อตอย่างมาก
- 02
ยึดตัวตนของตัวละครด้วยภาพอ้างอิง
หากพรอมต์ของคุณขึ้นกับบุคคล ตัวละคร หรือสินค้าเฉพาะ ให้อัปโหลดภาพอ้างอิงควบคู่กับพรอมต์ หากไม่มีอ้างอิง ตัวตนจะเพี้ยนข้ามเฟรมและข้ามช็อต — ตัวละครเดียวกันดูเป็นคนละคนเล็กน้อยในแต่ละการสร้าง
- 03
อธิบายแสงและช่วงเวลาของวัน
คำบอกแสงอย่าง 'golden hour, soft warm directional light' หรือ 'overcast diffused light, slate-grey sky' ช่วยคุณภาพและความสม่ำเสมอได้มากกว่าตัวขยายคุณภาพแบบคลุมเครืออย่างมาก แสงเป็นหนึ่งในความรู้พื้นฐานที่โมเดลใช้กำกับแข็งแกร่งที่สุด
- 04
ใช้ negative prompt เพื่อกดข้อผิดพลาดที่พบบ่อย
negative ที่มีประโยชน์สำหรับวิดีโอ: 'frame flicker, motion blur, watermark, text artifacts, distorted hands, low resolution, jpeg compression' negative prompt ไม่มีค่าใช้จ่ายและลดอัตราการสร้างที่คุณต้องสุ่มใหม่ได้อย่างเห็นได้ชัด
- 05
เลือกความยาวที่สั้นที่สุดที่จับจังหวะของคุณได้
พรอมต์ส่วนใหญ่ทำงานได้ดีที่สุดที่ 5-8 วินาที คลิปที่ยาวขึ้นขยายความไม่สอดคล้องด้านเวลา (วัตถุเปลี่ยนรูป สภาพแวดล้อมเลื่อนไหล) หากต้องการซีเควนซ์ 20 วินาที ให้สร้างสามคลิป 6-8 วินาทีแล้วตัดต่อรวมกัน — คุณภาพยังสูงกว่าการสร้างยาวครั้งเดียว
- 06
จับคู่อัตราส่วนภาพกับแพลตฟอร์มตั้งแต่ต้น
9:16 สำหรับ TikTok / Reels / Shorts, 16:9 สำหรับฟีดแนวนอนและ YouTube, 1:1 สำหรับกริดโพสต์ โมเดลเทรนแตกต่างกันเล็กน้อยตามอัตราส่วนภาพ — การครอป 16:9 เป็น 9:16 ภายหลังสูญเสียทั้งความเที่ยงตรงและองค์ประกอบที่โมเดลตั้งใจ
ราคา
ราคา Wan 3.0 API
คิดราคาตามผลลัพธ์ ค่าใช้จ่ายสุดท้ายขึ้นอยู่กับพารามิเตอร์ที่คุณตั้งใน playground ของแต่ละแบบ (ความละเอียด ความยาว จำนวนผลลัพธ์ ภาพอ้างอิง)
| Endpoint | ประเภท | ราคาเริ่มต้น |
|---|---|---|
| alibaba/ | video-extend | $0.10 |
| alibaba/ | video-to-video | $0.10 |
| alibaba/ | reference-to-video | ลด 5%$0.30$0.285 |
| alibaba/ | image-to-video | ลด 5%$0.10$0.095 |
| alibaba/ | text-to-video | ลด 5%$0.10$0.095 |
| alibaba/ | video-extend | $0.15 |
| alibaba/ | video-to-video | $0.15 |
| alibaba/ | reference-to-video | ลด 5%$0.45$0.4275 |
| alibaba/ | text-to-video | ลด 5%$0.15$0.1425 |
| alibaba/ | image-to-video | ลด 5%$0.15$0.1425 |
API
เรียกใช้ Wan 3.0 API
สมัครรับ API key ที่ wavespeed.ai/accesskey แล้วส่ง prediction ผ่าน REST playground สร้างตัวอย่างพร้อมวางได้สำหรับอินพุตทุกแบบ
POSThttps://api.wavespeed.ai/api/v3/alibaba/wan-3.0/text-to-video
# 1. Submit the prediction.
SUBMIT_RESPONSE=$(curl --silent --show-error --fail-with-body \
-X POST "https://api.wavespeed.ai/api/v3/alibaba/wan-3.0/text-to-video" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $WAVESPEED_API_KEY" \
-d '{
"prompt": "A cinematic shot of a city at sunset, soft golden light",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration": 5,
"enable_prompt_expansion": false,
"generate_audio": true
}')
TASK=$(printf '%s' "$SUBMIT_RESPONSE" | jq 'if has("data") then .data else . end')
PREDICTION_ID=$(printf '%s' "$TASK" | jq -r '.id')
if [ -z "$PREDICTION_ID" ] || [ "$PREDICTION_ID" = "null" ]; then
printf 'Submission response did not contain a prediction id
' >&2
exit 1
fi
RESULT_URL="https://api.wavespeed.ai/api/v3/predictions/$PREDICTION_ID/result"
# 2. Poll until the prediction finishes.
while true; do
RESPONSE=$(curl --silent --show-error --fail-with-body "$RESULT_URL" \
-H "Authorization: Bearer $WAVESPEED_API_KEY")
RESULT=$(printf '%s' "$RESPONSE" | jq 'if has("data") then .data else . end')
STATUS=$(printf '%s' "$RESULT" | jq -r '.status')
case "$STATUS" in
completed) printf '%s\n' "$RESULT" | jq '.outputs'; break ;;
failed|cancelled|timeout|deleted) printf '%s\n' "$RESULT" | jq . >&2; exit 1 ;;
*) sleep 2 ;;
esac
doneconst submitUrl = "https://api.wavespeed.ai/api/v3/alibaba/wan-3.0/text-to-video";
const apiKey = process.env.WAVESPEED_API_KEY;
if (!apiKey) throw new Error('Set WAVESPEED_API_KEY');
async function requestJson(url, options = {}) {
const response = await fetch(url, options);
if (!response.ok) throw new Error(await response.text());
return response.json();
}
// 1. Submit the prediction.
const body = await requestJson(submitUrl, {
method: "POST",
headers: {
"Authorization": `Bearer ${apiKey}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
"prompt": "A cinematic shot of a city at sunset, soft golden light",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration": 5,
"enable_prompt_expansion": false,
"generate_audio": true
}),
});
const task = body.data ?? body;
const resultUrl = `https://api.wavespeed.ai/api/v3/predictions/${task.id}/result`;
// 2. Poll until the prediction finishes.
while (true) {
const resultBody = await requestJson(resultUrl, {
headers: { "Authorization": `Bearer ${apiKey}` },
});
const result = resultBody.data ?? resultBody;
if (result.status === "completed") {
console.log(result.outputs);
break;
}
if (["failed", "cancelled", "timeout", "deleted"].includes(result.status)) throw new Error(JSON.stringify(result));
await new Promise(resolve => setTimeout(resolve, 2000));
}import json
import os
import time
from urllib.request import Request, urlopen
api_key = os.environ["WAVESPEED_API_KEY"]
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
payload = {
"prompt": "A cinematic shot of a city at sunset, soft golden light",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration": 5,
"enable_prompt_expansion": False,
"generate_audio": True
}
def request_json(url, data=None):
request = Request(url, data=data, headers=headers, method="POST" if data else "GET")
with urlopen(request) as response:
return json.load(response)
# 1. Submit the prediction.
body = request_json("https://api.wavespeed.ai/api/v3/alibaba/wan-3.0/text-to-video", json.dumps(payload).encode())
task = body.get("data", body)
result_url = f"https://api.wavespeed.ai/api/v3/predictions/{task['id']}/result"
# 2. Poll until the prediction finishes.
while True:
result_body = request_json(result_url)
result = result_body.get("data", result_body)
status = result.get("status")
if status == "completed":
print(result.get("outputs", []))
break
if status in {"failed", "cancelled", "timeout", "deleted"}:
raise RuntimeError(result)
time.sleep(2)เปรียบเทียบ
Wan 3.0 เทียบกับทางเลือกอื่น
เมื่อไรควรเลือก Wan 3.0 แทนโมเดลที่คล้ายกันบน WaveSpeedAI
Wan 3.0 เทียบกับ Wan 2.7
Wan 3.0 เพิ่มเพดานความยาวเป็นสองเท่า — 30 วินาทีเทียบกับ 15 — และเพิ่มระดับ 480p พร้อมตัวควบคุม generate_audio และ enable_prompt_expansion ที่ชัดเจนซึ่ง 2.7 ไม่มี Wan 2.7 ยังเป็นตระกูลที่กว้างกว่า: มีตัวเลือก video-edit, video-extend, image-edit และ text-to-image ที่ endpoint ทั้งสามของ 3.0 ไม่ครอบคลุม
Wan 3.0 เทียบกับ Seedance 2.0
Seedance 2.0 ไปถึง 4K ส่วน Wan 3.0 หยุดที่ 1080p แต่ Seedance จำกัดที่ 15 วินาที ข้อแลกเปลี่ยนคือความละเอียดเทียบกับความยาวช็อต: เลือก Seedance สำหรับคัตสั้นที่ต้องคมชัดที่ 4K และ Wan 3.0 สำหรับเทกยาวต่อเนื่อง
Wan 3.0 เทียบกับ Happy Horse 1.1
Happy Horse 1.1 ซึ่งมาจาก Alibaba เช่นกัน รัน 720p/1080p ยาวสูงสุด 15 วินาที และวางตำแหน่งรอบการเคลื่อนกล้องที่ลื่นไหล Wan 3.0 ชนะด้านความยาวและเพิ่มระดับดราฟต์ 480p ส่วน Happy Horse มี video-extend ซึ่ง Wan 3.0 ไม่มี
คำถามที่พบบ่อย
Wan 3.0 API — คำถามที่พบบ่อย
ราคา สัญญาอนุญาต การเชื่อมต่อ — คำถามที่พบบ่อยเกี่ยวกับการรัน Wan 3.0 บน WaveSpeedAI
วิดีโอ Wan 3.0 ยาวได้เท่าไร
ระหว่าง 2 ถึง 30 วินาที กำหนดต่อคำขอ ค่าเริ่มต้นคือ 5 วินาที คลิปทั้งหมดสร้างในรอบเดียวแทนที่จะต่อกัน การเคลื่อนกล้องต่อเนื่องจึงคงอยู่ตลอดความยาว
Wan 3.0 ต่างจาก Wan 2.7 อย่างไร
Wan 3.0 เพิ่มความยาวสูงสุดเป็นสองเท่าจาก 15 เป็น 30 วินาที เพิ่มระดับเอาต์พุต 480p ต่ำกว่า 720p และมีตัวควบคุม generate_audio และ enable_prompt_expansion ที่ชัดเจน Wan 2.7 ครอบคลุมประเภทงานมากกว่า — มี endpoint video-edit, video-extend, image-edit และ text-to-image ที่ Wan 3.0 ไม่มี
Wan 3.0 สร้างเสียงพร้อมวิดีโอได้หรือไม่
ได้ ทุกตัวเลือกมีสวิตช์เสียงที่เลือกได้ ตัวเลือก reference-to-video ยังรับอ้างอิงเสียงควบคู่กับอ้างอิงภาพและวิดีโอ ซึ่งใช้ควบคุมจังหวะเวลาและความต่อเนื่องของฉากได้
ควรใช้ endpoint ไหนของ Wan 3.0
ใช้ text-to-video เมื่อสร้างช็อตจากคำอธิบายอย่างเดียว image-to-video เมื่อเฟรมเปิดได้รับอนุมัติแล้ว (ใส่เฟรมสุดท้ายเพื่อกำหนดองค์ประกอบตอนจบได้) และ reference-to-video เมื่อต้องการให้ภาพ วิดีโอ หรือเสียงที่มีอยู่กำกับตัวตน การเคลื่อนไหว หรือจังหวะเวลา
Wan 3.0 API คืออะไร
Wan 3.0 คือโมเดลการสร้างวิดีโอของ Alibaba ที่เปิดให้ใช้เป็น REST API บน WaveSpeedAI Wan 3.0 จาก Alibaba — วิดีโอสไตล์ภาพยนตร์ในการสร้างรอบเดียวยาวสูงสุด 30 วินาที เป็นสองเท่าของเพดานของ Wan 2.7 ข้อความเป็นวิดีโอ ภาพเป็นวิดีโอพร้อมการกำกับเฟรมแรกและเฟรมสุดท้าย และ reference-to-video ที่รับอ้างอิงภาพ วิดีโอ และเสียงพร้อมกัน เอาต์พุต 480p / 720p / 1080p เสียงที่สร้างได้ตามต้องการ และการขยายพรอมต์เพื่อการเคลื่อนไหวและความต่อเนื่องของฉากที่มีคุณภาพสูงขึ้น คุณเรียกใช้ผ่านโค้ดหรือลองใช้จาก playground ที่ลิงก์ไว้ด้านบนได้
เรียกใช้ Wan 3.0 API อย่างไร
สมัครบัญชี WaveSpeedAI คัดลอก API key จาก /accesskey แล้ว POST ไปที่ https://api.wavespeed.ai/api/v3/alibaba/wan-3.0/text-to-video พร้อมอินพุตของคุณเป็น JSON endpoint จะส่ง prediction id กลับมา poll endpoint ผลลัพธ์โดยเริ่มประมาณทุก 2 วินาที เพิ่มช่วงเวลาสำหรับงานที่ใช้เวลานาน และหยุดเมื่อได้สถานะสิ้นสุดใดๆ ตัวอย่าง Python / Node.js / cURL ที่เหมาะกับงานจริงอยู่ด้านบน
Wan 3.0 API มีค่าใช้จ่ายเท่าไร
Wan 3.0 เริ่มต้นที่ $0.095 ค่าใช้จ่ายจริงขึ้นอยู่กับพารามิเตอร์ที่คุณตั้ง (ความละเอียด ความยาว จำนวนผลลัพธ์ ภาพอ้างอิง) ตัวอย่างค่าใช้จ่ายแบบเรียลไทม์ข้างปุ่ม Generate ใน playground แสดงราคาที่แน่นอนสำหรับอินพุตปัจจุบันของคุณ
Wan 3.0 มีแบบไหนให้ใช้บ้าง
WaveSpeedAI มี endpoint Wan 3.0 ที่ใช้งานได้ 10 รายการ: alibaba/wan-3.0/video-extend, alibaba/wan-3.0/video-edit, alibaba/wan-3.0/reference-to-video, alibaba/wan-3.0/image-to-video, alibaba/wan-3.0/text-to-video, alibaba/wan-3.0-prime/video-extend, alibaba/wan-3.0-prime/video-edit, alibaba/wan-3.0-prime/reference-to-video, และอื่นๆ แต่ละแบบมีหน้า playground และราคาของตัวเอง
ใช้ผลลัพธ์ของ Wan 3.0 เชิงพาณิชย์ได้ไหม
สิทธิ์ในการใช้เชิงพาณิชย์เป็นไปตามสัญญาอนุญาตของโมเดล Alibaba โมเดลของ Alibaba ส่วนใหญ่อนุญาตให้ใช้ผลลัพธ์เชิงพาณิชย์ ดูสรุปสัญญาอนุญาตเฉพาะในหน้า playground ของแต่ละโมเดล และข้อกำหนดการใช้บริการของ WaveSpeedAI สำหรับเงื่อนไขระดับแพลตฟอร์ม
ทำไมต้องใช้ Wan 3.0 บน WaveSpeedAI แทนการเชื่อมต่อตรง
API key เดียวและบัญชีเรียกเก็บเงินเดียวสำหรับ Wan 3.0 และโมเดล AI อื่นกว่า 1,000 รายการจากผู้ให้บริการอื่น ไม่ต้องตั้งค่า SDK แยกตามผู้ให้บริการ ไม่ต้องจัดการขีดจำกัดอัตราแยกกัน และไม่ต้องเขียนโค้ดเชื่อมต่อใหม่ทุกครั้งที่เปลี่ยนผู้ให้บริการ โดยทั่วไปราคาเท่ากับหรือต่ำกว่า API ตรงของ Alibaba
ผู้พัฒนา
เกี่ยวกับ Alibaba
ทีมเบื้องหลัง Wan 3.0 และกลุ่มโมเดลอื่นๆ ของ Alibaba บน WaveSpeedAI
Tongyi Lab ของ Alibaba ผลิตโมเดลวิดีโอตระกูล Wan และ LLM ตระกูล Qwen โดย Wan โดดเด่นที่เปิดตัวพร้อม open weights มีตัวเลือกครอบคลุมกว้าง (ข้อความเป็นวิดีโอ ภาพเป็นวิดีโอ reference-to-video video-edit video-extend image-edit ข้อความเป็นภาพ) และมีความแข็งแกร่งสม่ำเสมอด้านความเสถียรของการเคลื่อนไหวและการทำตามพรอมต์ในพรอมต์หลายภาษา
เริ่มสร้างด้วย Wan 3.0 บน WaveSpeedAI
รับเครดิตเริ่มต้นฟรีเมื่อสมัคร API key เดียวใช้ได้กับโมเดล AI กว่า 1,000 รายการจาก Alibaba และผู้ให้บริการอื่นทุกราย