Alibaba影片 API$0.10$0.095 起5% OFF

Wan 3.0 API

Alibaba Wan 3.0 可在單次生成中產出最長 30 秒的電影感影片,上限是 Wan 2.7 的兩倍。提供文字轉影片、支援首尾幀引導的圖片轉影片,以及可同時接受圖片、影片與音訊參考的參考轉影片。輸出 480p / 720p / 1080p,可選配生成音訊,並提供提示詞擴寫以獲得更高品質的動態與場景連貫性。

同一系列有三個端點:以提示詞生成的文字轉影片、為首幀圖片加入動態並可選用尾幀引導的圖片轉影片,以及由多模態參考驅動的參考轉影片。所有版本皆支援 2 至 30 秒的時長(預設 5 秒)、480p / 720p / 1080p 輸出、五種長寬比(16:9、9:16、1:1、4:3、3:4)、可選用的音訊開關與提示詞擴寫控制。

概覽

關於 Wan 3.0 API

Wan 3.0 的功能、它在 Alibaba 模型陣容中的定位,以及團隊選用它的原因。

Wan 3.0 是來自 Alibaba 的影片生成模型,可透過 WaveSpeedAI REST API 使用。Alibaba Wan 3.0 可在單次生成中產出最長 30 秒的電影感影片,上限是 Wan 2.7 的兩倍。提供文字轉影片、支援首尾幀引導的圖片轉影片,以及可同時接受圖片、影片與音訊參考的參考轉影片。輸出 480p / 720p / 1080p,可選配生成音訊,並提供提示詞擴寫以獲得更高品質的動態與場景連貫性。

同一系列有三個端點:以提示詞生成的文字轉影片、為首幀圖片加入動態並可選用尾幀引導的圖片轉影片,以及由多模態參考驅動的參考轉影片。所有版本皆支援 2 至 30 秒的時長(預設 5 秒)、480p / 720p / 1080p 輸出、五種長寬比(16:9、9:16、1:1、4:3、3:4)、可選用的音訊開關與提示詞擴寫控制。

WaveSpeedAI 上的 Wan 3.0 系列提供 10 個 REST 端點,涵蓋 Video-Extend, Video-To-Video, Reference-To-Video, Image-To-Video, Text-To-Video 等工作流程。每個變體都有各自的定價、參數選項與範例輸出 — 請挑選符合您輸入模態與生產限制的版本,或使用同一組 API 金鑰呼叫多個變體,組合成多步驟的處理流程。

使用您呼叫其他 1,000+ 個 WaveSpeedAI AI 模型時相同的 API 金鑰、帳單帳戶與速率限制額度來執行 Wan 3.0。無需另外設定供應商、無需各家 SDK、無需處理各家不同的速率限制 — 一次整合,涵蓋從文字轉圖片、文字轉影片,到音訊合成、3D 生成、放大與編輯的所有功能。

規格

Wan 3.0 API 功能與上線狀態

開發者在選擇 API 前會查詢的模型專屬資訊:可用性、預期輸出長度、參考素材支援,以及目前可用的替代方案。

最長時長

30 秒

每個版本單次生成可接受 2 至 30 秒,預設 5 秒。

解析度

480p / 720p / 1080p

文字轉影片、圖片轉影片與參考轉影片皆提供相同的三種等級。

端點

3 種版本

文字轉影片、圖片轉影片(首幀 + 尾幀)、參考轉影片(圖片、影片、音訊參考)。

長寬比

5 種選項

每個版本皆提供 16:9、9:16、1:1、4:3 與 3:4。

端點

所有 Wan 3.0 API 端點

WaveSpeedAI 目前提供 10 個 Wan 3.0 端點 — 請選擇符合您工作流程的變體。

video-extendWan 3.0 Video Extend — Alibaba 的 Wan 3.0 video-extend 預覽

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.

$0.10 起
video-to-videoWan 3.0 Video Edit — Alibaba 的 Wan 3.0 video-to-video 預覽

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.

$0.10 起
5% OFFreference-to-videoWan 3.0 Reference To Video — Alibaba 的 Wan 3.0 reference-to-video 預覽

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.

$0.30$0.285 起
5% OFFimage-to-videoWan 3.0 Image To Video — Alibaba 的 Wan 3.0 image-to-video 預覽

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.

$0.10$0.095 起
5% OFFtext-to-videoWan 3.0 Text To Video — Alibaba 的 Wan 3.0 text-to-video 預覽

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.

$0.10$0.095 起
video-extendWan 3.0 Prime Video Extend — Alibaba 的 Wan 3.0 video-extend 預覽

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.

$0.15 起
video-to-videoWan 3.0 Prime Video Edit — Alibaba 的 Wan 3.0 video-to-video 預覽

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.

$0.15 起
5% OFFreference-to-videoWan 3.0 Prime Reference To Video — Alibaba 的 Wan 3.0 reference-to-video 預覽

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.

$0.45$0.4275 起
5% OFFtext-to-videoWan 3.0 Prime Text To Video — Alibaba 的 Wan 3.0 text-to-video 預覽

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.

$0.15$0.1425 起
5% OFFimage-to-videoWan 3.0 Prime Image To Video — Alibaba 的 Wan 3.0 image-to-video 預覽

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.

$0.15$0.1425 起

範例

看看 Wan 3.0 的實際效果

由 Wan 3.0 API 生成的真實輸出。將滑鼠移到任一影片上即可預覽,點擊可開啟完整尺寸檢視器。

使用方式

如何使用 Wan 3.0 API

從註冊到完成生成,只要四個步驟。完整的 Python、Node.js 與 cURL 範例請見下方的 API 區段。

  1. 01

    取得 API 金鑰

    註冊 WaveSpeedAI 帳號,並從控制台複製您的 API 金鑰。新帳號會獲贈免費入門點數 — 足以在開始計費前執行數十次 Playground。

  2. 02

    提交 prediction

    將您的輸入以 JSON 格式 POST 到 https://api.wavespeed.ai/api/v3/alibaba/wan-3.0/text-to-video。端點會立即回傳 prediction id — 生成是非同步進行的,因此推論期間您不需要保持連線。

  3. 03

    輪詢完成狀態

    GET https://api.wavespeed.ai/api/v3/predictions/{request_id}/result。狀態為 completed 時回傳輸出;狀態為 failed、cancelled、timeout 或 deleted 時停止並回報錯誤;其他狀態則持續輪詢。

  4. 04

    讀取輸出網址

    當狀態為 "completed" 時,從 data.outputs[0] 讀取網址。該網址指向 WaveSpeedAI CDN 上您生成的媒體 — 依您呼叫的 Wan 3.0 變體,可能是圖片、影片、音訊或 3D 檔案。

應用情境

您可以用 Wan 3.0 打造什麼

開發者與創作者使用 Wan 3.0 API 的常見工作流程。

01

單次生成最長 30 秒的鏡頭

每個 Wan 3.0 版本都支援 2 至 30 秒的時長。由於整段影片來自單次生成,連續的運鏡或一鏡到底的鏡頭語言能在整段影片中保持,而非由較短的片段拼接而成。Wan 2.7 最長為 15 秒。

30-secondssingle-passone-take
02

具提示詞擴寫的文字轉影片

alibaba/wan-3.0/text-to-video 可將提示詞轉為電影感影片。目錄定位:可控制長寬比、可選配音訊,並以提示詞擴寫實現高品質影片生成。當一切尚未確定、只憑描述來構建鏡頭時,請選用這個端點。

text-to-videoprompt-expansioncinematic
03

支援首尾幀的圖片轉影片

alibaba/wan-3.0/image-to-video 為首幀圖片加入動態,並可透過 last_image 欄位選用尾幀引導。當開場與結尾的構圖都已確認,只需由生成填補兩者之間的動態時相當實用。

image-to-videofirst-last-framecontinuity
04

支援圖片、影片與音訊參考的參考轉影片

alibaba/wan-3.0/reference-to-video 在同一個請求中可接受 reference_images、reference_videos 與 reference_audios,用於主體一致性、動態引導、節奏控制與場景連貫性。音訊參考通道是它有別於 Wan 系列中其他僅限圖片參考版本之處。

referencemultimodalidentity
05

480p 打草稿,1080p 交付

三個版本皆提供 480p、720p 與 1080p。Wan 2.7 從 720p 起跳,因此 3.0 新增了真正便宜的草稿等級:以 480p 迭代提示詞與節奏,再以 1080p 重新執行定案的提示詞作為交付。

480p1080piteration
06

直式、方形與橫式畫幅

每個版本都提供五種長寬比(16:9、9:16、1:1、4:3、3:4),因此同一個提示詞可重新執行,分別產出橫式主視覺剪輯、9:16 社群版本與 1:1 動態貼文版位,無須後製裁切。

aspect-ratiosocialvertical

技巧

Wan 3.0 提示詞技巧

讓 Wan 3.0 產出更好結果的實用建議 — 整理自在實際生產流程中,影片模型通用的有效做法。

  1. 01

    明確描述運鏡

    請使用具體的攝影術語,例如環繞、推軌、推近、左搖、升降鏡頭、手持跟拍。籠統的提示詞會得到靜態或隨機的運鏡;具名的運鏡方式能直接對應模型訓練資料中的動態意圖,大幅提升鏡頭品質。

  2. 02

    以參考圖片鎖定角色身分

    若提示詞依賴特定的人物、角色或產品,請在提示詞之外上傳參考圖片。沒有參考的話,身分會在畫格與鏡頭之間飄移,同一個角色每次生成都會長得略有不同。

  3. 03

    描述光線與時段

    「黃金時刻,柔和溫暖的定向光」或「陰天漫射光,石板灰的天空」這類光線提示,比含糊的畫質修飾語更能提升畫質與一致性。光線是模型最強的先驗條件之一。

  4. 04

    使用負面提示詞抑制常見失誤

    影片常用的負面詞:「畫格閃爍、動態模糊、浮水印、文字瑕疵、變形的手、低解析度、JPEG 壓縮」。負面提示詞不需額外成本,卻能明顯減少原本需要重新生成的次數。

  5. 05

    選擇能涵蓋重點的最短時長

    多數提示詞在 5 至 8 秒時效果最好。較長的影片會放大時間上的不一致(主體變形、環境漂移)。若需要 20 秒的片段,請生成三段 6 至 8 秒的影片再剪輯在一起,畫質會比單次生成一段長影片更高。

  6. 06

    預先配合平台設定長寬比

    TikTok / Reels / Shorts 用 9:16,橫式動態與 YouTube 用 16:9,貼文版面用 1:1。模型對不同長寬比的訓練略有差異,事後將 16:9 裁切為 9:16 會損失畫質,也失去模型原本設計的構圖。

定價

Wan 3.0 API 定價

依輸出計費。最終費用會依您在各變體 Playground 中設定的參數(解析度、時長、輸出數量、參考素材)而調整。

起始價格

$0.095

$0.105% OFF

10 個端點 · Wan 3.0

開啟 Playground
端點類型起始價格
alibaba/wan-3.0/video-extendvideo-extend$0.10
alibaba/wan-3.0/video-editvideo-to-video$0.10
alibaba/wan-3.0/reference-to-videoreference-to-video5% OFF$0.30$0.285
alibaba/wan-3.0/image-to-videoimage-to-video5% OFF$0.10$0.095
alibaba/wan-3.0/text-to-videotext-to-video5% OFF$0.10$0.095
alibaba/wan-3.0-prime/video-extendvideo-extend$0.15
alibaba/wan-3.0-prime/video-editvideo-to-video$0.15
alibaba/wan-3.0-prime/reference-to-videoreference-to-video5% OFF$0.45$0.4275
alibaba/wan-3.0-prime/text-to-videotext-to-video5% OFF$0.15$0.1425
alibaba/wan-3.0-prime/image-to-videoimage-to-video5% OFF$0.15$0.1425

API

呼叫 Wan 3.0 API

請到 wavespeed.ai/accesskey 註冊取得 API 金鑰,然後透過 REST 提交 prediction。Playground 會為任何輸入組合產生可直接貼上的範例。

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
done

比較

Wan 3.0 與其他選擇比較

在 WaveSpeedAI 上,何時該選擇 Wan 3.0 而非類似的模型。

Wan 3.0 vs Wan 2.7

Wan 3.0 將時長上限提升一倍,由 15 秒增至 30 秒,並新增 480p 等級,以及 2.7 所沒有的 generate_audio 與 enable_prompt_expansion 明確控制。Wan 2.7 仍是功能範圍更廣的系列:提供 video-edit、video-extend、image-edit 與 text-to-image 版本,這些是 3.0 的三個端點所不涵蓋的。

Wan 3.0 vs Seedance 2.0

Seedance 2.0 可達 4K,而 Wan 3.0 最高為 1080p,但 Seedance 最長僅 15 秒。這是解析度與鏡頭長度之間的取捨:需要在 4K 下依然出色的短片選 Seedance,需要長時間連續鏡頭則選 Wan 3.0。

Wan 3.0 vs Happy Horse 1.1

同樣來自 Alibaba 的 Happy Horse 1.1 提供 720p/1080p、最長 15 秒,定位著重於流暢的運鏡。Wan 3.0 在時長上勝出,並新增 480p 草稿等級;Happy Horse 則有 Wan 3.0 沒有的 video-extend。

常見問題

Wan 3.0 API — 常見問題

定價、授權、整合 — 關於在 WaveSpeedAI 上執行 Wan 3.0 的常見問題。

Wan 3.0 的影片可以多長?

每次請求可設定 2 至 30 秒,預設為 5 秒。整段影片由單次生成產出,而非拼接而成,因此連續運鏡能在整段時長中保持。

Wan 3.0 與 Wan 2.7 有什麼差別?

Wan 3.0 將最長時長由 15 秒增至 30 秒,在 720p 之下新增 480p 輸出等級,並提供明確的 generate_audio 與 enable_prompt_expansion 控制。Wan 2.7 涵蓋更多任務類型,另外提供 Wan 3.0 沒有的 video-edit、video-extend、image-edit 與 text-to-image 端點。

Wan 3.0 可以隨影片生成音訊嗎?

可以。每個版本都提供可選用的音訊開關。參考轉影片版本除了圖片與影片參考,還能接受音訊參考,可用於節奏控制與場景連貫性。

我該使用哪個 Wan 3.0 端點?

只憑描述構建鏡頭時用文字轉影片;開場畫面已確認時用圖片轉影片(可另外提供尾幀以固定結尾構圖);需要以現有圖片、影片或音訊引導身分、動態或節奏時用參考轉影片。

什麼是 Wan 3.0 API?

Wan 3.0 是 Alibaba 的影片生成模型,在 WaveSpeedAI 上以 REST API 提供。Alibaba Wan 3.0 可在單次生成中產出最長 30 秒的電影感影片,上限是 Wan 2.7 的兩倍。提供文字轉影片、支援首尾幀引導的圖片轉影片,以及可同時接受圖片、影片與音訊參考的參考轉影片。輸出 480p / 720p / 1080p,可選配生成音訊,並提供提示詞擴寫以獲得更高品質的動態與場景連貫性。您可以透過程式呼叫,也可以在上方連結的 Playground 試用。

如何呼叫 Wan 3.0 API?

註冊 WaveSpeedAI 帳號,從 /accesskey 複製您的 API 金鑰,然後將您的輸入以 JSON 格式 POST 到 https://api.wavespeed.ai/api/v3/alibaba/wan-3.0/text-to-video。端點會回傳 prediction id。請從約每 2 秒輪詢一次結果端點開始,長時間任務可拉長間隔,並在任何終止狀態時停止。上方提供適用於生產環境的 Python / Node.js / cURL 範例。

Wan 3.0 API 的費用是多少?

Wan 3.0 $0.095 起。實際費用會依您設定的參數(解析度、時長、輸出數量、參考素材)而調整。Playground 中「生成」按鈕旁的即時費用預覽會顯示您目前輸入的確切價格。

有哪些 Wan 3.0 變體可用?

WaveSpeedAI 提供 10 個已上線的 Wan 3.0 端點: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等。每個變體都有各自的 Playground 頁面與定價。

Wan 3.0 的輸出可以商用嗎?

商業使用權依 Alibaba 的模型授權而定。多數 Alibaba 模型允許商用輸出;請參閱各模型 Playground 頁面中的授權摘要,以及 WaveSpeedAI 的服務條款了解平台層級的條件。

為什麼要在 WaveSpeedAI 上使用 Wan 3.0,而不是直接使用?

一組 API 金鑰、一個帳單帳戶,即可使用 Wan 3.0 以及來自其他供應商的 1,000+ 個 AI 模型。無需設定各家 SDK、無需處理各自獨立的速率限制、無需為每個供應商重寫整合程式碼。價格通常與 Alibaba 的直接 API 相當或更低。

提供者

關於 Alibaba

Wan 3.0 背後的團隊,以及 Alibaba 在 WaveSpeedAI 上的完整模型陣容。

Alibaba 通義實驗室打造了 Wan 影片模型系列與 Qwen 大型語言模型系列。Wan 的特色在於以開放權重釋出、版本涵蓋廣泛(文字轉影片、圖片轉影片、參考轉影片、video-edit、video-extend、image-edit、文字轉圖片),並在多語言提示詞下持續展現出色的動態穩定性與提示詞遵循度。

在 WaveSpeedAI 上開始使用 Wan 3.0 打造應用

註冊即贈免費入門點數。一組 API 金鑰,涵蓋來自 Alibaba 與所有其他供應商的 1,000+ 個 AI 模型。