跳转到主要内容
视频

参考视频生成

万相-参考生视频模型支持多模态输入(文本、图片、视频、音频),可将人物或物体作为主角,根据提示词生成动作与音色一致的表演视频。

  • 角色复刻:从参考图片或视频中复制角色外观。如果参考素材是视频,模型还能复刻语音音色。
  • 多角色互动:最多支持五个角色同时出镜,实现自然对话和互动。
  • 多镜头叙事:通过智能多镜头调度,保持角色在不同镜头间的一致性。
  • 声音克隆(wan2.7):提供 reference_voice 音频文件,可独立设置语音音色,不依赖参考视频中的声音。
快捷链接:API 参考:wan2.7、wan2.6 | 提示词指南

支持的模型

模型特性输入输出
wan2.7-r2v-2026-06-12 推荐音频同步、多角色、声音克隆、首帧控制、media 数组输入文本、图片、视频、音频720P 或 1080P,2-15 秒,30 fps,MP4(H.264)
wan2.6-r2v-flash有声或无声视频、单人或多人、多镜头叙事、音画同步。速度快、性价比高。文本、图片、视频720P 或 1080P,2-10 秒,30 fps,MP4(H.264)
wan2.6-r2v有声视频、多角色参考视频生成、多镜头叙事、音画同步文本、图片、视频720P 或 1080P,2-10 秒,30 fps,MP4(H.264)

前提条件

在千问AI平台获取千问AI平台 API Key,并设置为环境变量:
export DASHSCOPE_API_KEY="YOUR_API_KEY"

快速开始

输入提示词:视频1抱着图3,在图4的椅子上弹奏一支舒缓的乡村民谣,并说道:“今天的阳光真好。”图1手中拿着图2,路过视频1,把手中的图2放到视频1旁边的桌子上,并说道:“真好听,能不能再唱一遍”。
输入图像(图1)参考人物
图1
输入视频(视频1)参考人物
输入参考音色
图1 的参考音色
视频1 的参考音色
输入图像(图2)参考物体
图2
输入图像(图3)参考物体
图3
输入图像(图4)参考背景
图4
输出视频(多镜头,有声视频) 在调用前,先获取与配置 API Key,再配置API Key到环境变量。通过SDK进行调用,请安装DashScope SDK。
  • Python SDK
  • Java SDK
  • curl
请确保 DashScope Python SDK 版本不低于1.25.16,再运行以下代码。若版本过低,可能会触发 "url error, please check url!" 等错误。请参考安装SDK进行更新。
# -*- coding: utf-8 -*-
from http import HTTPStatus
from dashscope import VideoSynthesis
import dashscope
import os

# 千问AI平台 API 地址
dashscope.base_http_api_url = 'https://maas.qianwenaiapi.com/api/v1'
# 若没有配置环境变量,请用千问AI平台API Key将下行替换为:api_key="sk-xxx"
api_key = os.getenv("DASHSCOPE_API_KEY")

media = [
  {
    "type": "reference_image",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260408/sjuytr/wan-r2v-object-girl.jpg",
    "reference_voice": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260408/gbqewz/wan-r2v-girl-voice.mp3"
  },
  {
    "type": "reference_video",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/qigswt/wan-r2v-role2.mp4",
    "reference_voice": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260408/isllrq/wan-r2v-boy-voice.mp3"
  },
  {
    "type": "reference_image",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/rtjeqf/wan-r2v-object3.png"
  },
  {
    "type": "reference_image",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/qpzxps/wan-r2v-object4.png"
  },
  {
    "type": "reference_image",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/wfjikw/wan-r2v-backgroud5.png"
  }
]

print('please wait...')
rsp = VideoSynthesis.call(
  api_key=api_key,
  model="wan2.7-r2v-2026-06-12",
  media=media,
  resolution="720P",
  ratio="16:9",
  duration=10,
  prompt_extend=False,
  watermark=True,
  prompt="视频1抱着图3,在图4的椅子上弹奏一支舒缓的乡村民谣,并说道:“今天的阳光真好。”图1手中拿着图2,路过视频1,把手中的图2放到视频1旁边的桌子上,并说道:“真好听,能不能再唱一遍”。",
)
print(rsp)
if rsp.status_code == HTTPStatus.OK:
  print("video_url:", rsp.output.video_url)
else:
  print('Failed, status_code: %s, code: %s, message: %s' % (rsp.status_code, rsp.code, rsp.message))

核心能力(wan2.7模型)

单图参考(多宫格图)

支持模型:wan2.7系列模型。 功能介绍:输入一张多宫格图(故事板),模型自动识别多宫格布局,生成角色、场景和镜头一致的视频。建议单次仅传入一张多宫格图。 参数设置:
  • media.type:设置为reference_image(参考图像)。
  • media.url:多宫格图像的 URL 或 base64 编码字符串。
  • prompt:当参考素材有且仅有一张图片或一个视频,则可表述为“参考图片”或“参考视频”。
输入提示词:参考图片 ,3D卡通冒险电影风,角色Q版但材质细腻,动作流畅,色彩鲜明,保持角色与森林场景一致,不要加入文字。氛围: 冒险、轻快、神秘、童趣。角色: 小男孩探险家:圆帽、背包、短斗篷。小伙伴:会飞的小机器人,圆形身体,蓝色发光眼。场景: 奇幻森林,巨大树根、蘑菇、藤蔓、藏宝洞口、阳光光束。分镜脚本: 1. 全景:奇幻森林里高大树木与光束交错,环境神秘明亮。 2. 中景:小男孩拨开藤蔓向前探路。 3. 中景:小机器人飞在他身边,用蓝光扫描前方。 4. 特写:一张旧藏宝图在男孩手里展开。 5. 近景:他露出兴奋表情,眼睛亮起来。 6. 动作镜头:两人跳过树根和小溪,继续深入森林。 7. 中景:藤蔓后方露出一个被苔藓覆盖的宝箱。 8. 特写:宝箱边缘闪出金色光芒。 9. 收束镜头:男孩和小机器人站在宝箱前惊喜对望,冒险感拉满。
输入多宫格图像输出视频
banana_storyboard

输入提示词:参考图片,韩漫风格,夜晚灯光柔和,人物表情细腻,场景统一,图中不要出现文字。氛围: 治愈、安静、微孤独、温柔。角色: 女主:打工结束的年轻女生,长外套,疲惫但温柔。店员少年:便利店夜班店员,清爽短发。场景: 深夜便利店,暖白灯,货架整齐,玻璃门外有细雨和街灯。分镜脚本: 1. 全景:深夜便利店在雨夜街角亮着暖白色灯光。 2. 中景:女主推门走进店里,肩上还带着夜雨湿气。 3. 近景:她疲惫地站在热饮柜前,轻轻发呆。 4. 中景:店员少年从收银台抬头看见她。 5. 特写:热饮柜的橙色灯光映在她手边。 6. 近景:女主拿起一罐热饮,神情稍微放松。 7. 近景:店员朝她露出温和而克制的笑并说:”今天也辛苦啦。” 8. 中景:女主回以浅浅笑意,疲惫感被冲淡。 9. 收束镜头:她捧着热饮站在店门前,看着雨夜,便利店灯光把背影映得很温柔。
输入多宫格图像输出视频
banana_storyboard_00000012
  • Python SDK
  • Java SDK
  • curl
请确保 DashScope Python SDK 版本不低于 1.25.16,可参考安装SDK进行更新。
# -*- coding: utf-8 -*-
from http import HTTPStatus
from dashscope import VideoSynthesis
import dashscope
import os

# 千问AI平台 API 地址
dashscope.base_http_api_url = 'https://maas.qianwenaiapi.com/api/v1'
# 若没有配置环境变量,请用千问AI平台API Key将下行替换为:api_key="sk-xxx"
api_key = os.getenv("DASHSCOPE_API_KEY")

media = [
  {
    "type": "reference_image",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260403/wgjaxy/banana_storyboard_00000020.png"
  }
]

def sample_sync_call():
  print('----sync call, please wait a moment----')
  rsp = VideoSynthesis.call(
    api_key=api_key,
    model="wan2.7-r2v-2026-06-12",
    media=media,
    resolution="720P",
    ratio="16:9",
    duration=10,
    prompt_extend=False,
    watermark=True,
    prompt="参考图片,3D卡通冒险电影风,角色Q版但材质细腻,动作流畅,色彩鲜明,保持角色与森林场景一致,不要加入文字。氛围: 冒险、轻快、神秘、童趣。角色: 小男孩探险家:圆帽、背包、短斗篷。小伙伴:会飞的小机器人,圆形身体,蓝色发光眼。场景: 奇幻森林,巨大树根、蘑菇、藤蔓、藏宝洞口、阳光光束。分镜脚本: 1. 全景:奇幻森林里高大树木与光束交错,环境神秘明亮。 2. 中景:小男孩拨开藤蔓向前探路。 3. 中景:小机器人飞在他身边,用蓝光扫描前方。 4. 特写:一张旧藏宝图在男孩手里展开。 5. 近景:他露出兴奋表情,眼睛亮起来。 6. 动作镜头:两人跳过树根和小溪,继续深入森林。 7. 中景:藤蔓后方露出一个被苔藓覆盖的宝箱。 8. 特写:宝箱边缘闪出金色光芒。 9. 收束镜头:男孩和小机器人站在宝箱前惊喜对望,冒险感拉满。",
  )
  if rsp.status_code == HTTPStatus.OK:
    print(rsp.output.video_url)
  else:
    print('Failed, status_code: %s, code: %s, message: %s' %
       (rsp.status_code, rsp.code, rsp.message))

if __name__ == '__main__':
  sample_sync_call()

多主体参考+音色定制

支持模型:wan2.7系列模型。 功能介绍:支持传入多个参考图像和参考视频作为主体素材,并可为每个主体独立指定音色,实现多角色同框互动与音色区分。 参数设置:
  • media:参考素材数组。
    • media.type:支持 reference_image(参考图像)和 reference_video(参考视频)。参考图像 + 参考视频 ≤ 5。
    • media.url:素材的 URL;图像还支持 base64 编码字符串。
    • media.reference_voice(可选):为主体指定音色的音频 URL,推荐与 reference_image 或 reference_video 搭配使用。 音频生效逻辑:若 reference_video 本身包含音频且未指定 reference_voice,默认使用视频原声;若同时传入,reference_voice 将覆盖视频原声。
  • prompt:在提示词中指代参考素材,规则如下:
    • 使用“图1、图2”指代 reference_image 素材,使用“视频1、视频2”指代 reference_video 素材,英文提示词则写为“Image 1”、"Video 1”这类标识。
    • 按照media数组定义参考素材的引用顺序,图和视频分别计数。
输入提示词:视频1抱着图3,在图4的椅子上弹奏一支舒缓的乡村民谣,并说道:“今天的阳光真好。”图1手中拿着图2,路过视频1,把手中的图2放到视频1旁边的桌子上,并说道:“真好听,能不能再唱一遍”。
输入图像(图1)参考人物
图1
输入视频(视频1)参考人物
输入参考音色
图1 的参考音色
视频1 的参考音色
输入图像(图2)参考物体
图2
输入图像(图3)参考物体
图3
输入图像(图4)参考背景
图4
输出视频(多镜头,有声视频)
输入提示词:图2从画面左侧深处走来,随后切换到图2的特写,图1正靠在右侧图片3充满锈迹的墙壁上发呆。她注意到了脚步声,缓缓转头。 图1看到图2后,图1说:“你怎么还是来了?”图2回答:“我们谈谈吧。”
输入图像(图1)参考人物
图1
输入图像(图2)参考人物
图2
输入图像(图3)参考背景
图3
输入参考音色
图1 的参考音色
图2 的参考音色
输出视频(多镜头,有声视频)
  • Python SDK
  • Java SDK
  • curl
请确保 DashScope Python SDK 版本不低于 1.25.16,可参考安装SDK进行更新。
# -*- coding: utf-8 -*-
from http import HTTPStatus
from dashscope import VideoSynthesis
import dashscope
import os

# 千问AI平台 API 地址
dashscope.base_http_api_url = 'https://maas.qianwenaiapi.com/api/v1'
# 若没有配置环境变量,请用千问AI平台API Key将下行替换为:api_key="sk-xxx"
api_key = os.getenv("DASHSCOPE_API_KEY")

media = [
  {
    "type": "reference_image",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260408/sjuytr/wan-r2v-object-girl.jpg",
    "reference_voice": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260408/gbqewz/wan-r2v-girl-voice.mp3"
  },
  {
    "type": "reference_video",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/qigswt/wan-r2v-role2.mp4",
    "reference_voice": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260408/isllrq/wan-r2v-boy-voice.mp3"
  },
  {
    "type": "reference_image",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/rtjeqf/wan-r2v-object3.png"
  },
  {
    "type": "reference_image",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/qpzxps/wan-r2v-object4.png"
  },
  {
    "type": "reference_image",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/wfjikw/wan-r2v-backgroud5.png"
  }
]

def sample_sync_call():
  print('----sync call, please wait a moment----')
  rsp = VideoSynthesis.call(
    api_key=api_key,
    model="wan2.7-r2v-2026-06-12",
    media=media,
    resolution="720P",
    ratio="16:9",
    duration=10,
    prompt_extend=False,
    watermark=True,
    prompt="视频1抱着图3,在图4的椅子上弹奏一支舒缓的乡村民谣,并说道:“今天的阳光真好。”图1手中拿着图2,路过视频1,把手中的图2放到视频1旁边的桌子上,并说道:“真好听,能不能再唱一遍”。",
  )
  if rsp.status_code == HTTPStatus.OK:
    print(rsp.output.video_url)
  else:
    print('Failed, status_code: %s, code: %s, message: %s' %
       (rsp.status_code, rsp.code, rsp.message))

if __name__ == '__main__':
  sample_sync_call()

多主体参考+首帧控制

支持模型:wan2.7系列模型。 功能介绍:在主体参考基础上加入首帧控制,让画面构图和内容走向更加可控。 参数设置:
  • media:参考素材数组。
    • media.type:支持 first_frame、reference_image(参考图像)和 reference_video(参考视频)。 首帧图像最多1张,参考图像和参考视频至少传入1个,参考图像 + 参考视频 ≤ 5。
    • media.url:素材的 URL;图像还支持 base64 编码字符串。
  • prompt:在提示词中指代参考素材,规则如下:
    • 使用“图1、图2”指代 reference_image 素材,使用“视频1、视频2”指代 reference_video 素材,英文提示词则写为“Image 1”、"Video 1”这类标识。
    • 按照media数组定义参考素材的引用顺序,图和视频分别计数。
    • 首帧无需在提示词中引用。
输入提示词:俯拍在一个蓝色的星球上,镜头逐渐推进到星球上面给到图1特写,他拿着图2,一边吃着图2,一边说:“怎么没人找我来玩呀?”
输入首帧
参考首帧
输入图像(图1)
参考主体
输入图像(图2)
参考物体
输出视频
以首帧的宽高比生成视频
wan2
wan2
wan2
  • Python SDK
  • Java SDK
  • curl
请确保 DashScope Python SDK 版本不低于 1.25.16,可参考安装SDK进行更新。
# -*- coding: utf-8 -*-
from http import HTTPStatus
from dashscope import VideoSynthesis
import dashscope
import os

# 千问AI平台 API 地址
dashscope.base_http_api_url = 'https://maas.qianwenaiapi.com/api/v1'
# 若没有配置环境变量,请用千问AI平台API Key将下行替换为:api_key="sk-xxx"
api_key = os.getenv("DASHSCOPE_API_KEY")

media = [
  {
    "type": "first_frame",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260414/ixwovg/wan2.7-r2v-first-frame.webp"
  },
  {
    "type": "reference_image",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260414/fkltfw/wan2.7-r2v-image-qq.webp"
  },
  {
    "type": "reference_image",
    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260414/kxkbsv/wan2.7-r2v-image-ob.webp"
  }
]

def sample_sync_call():
  print('----sync call, please wait a moment----')
  rsp = VideoSynthesis.call(
    api_key=api_key,
    model="wan2.7-r2v-2026-06-12",
    media=media,
    resolution="720P",
    duration=10,
    prompt_extend=False,
    watermark=True,
    prompt="俯拍在一个蓝色的星球上,镜头逐渐推进到星球上面给到图1特写,他拿着图2,一边吃着图2,一边说:“怎么没人找我来玩呀?”",
  )
  if rsp.status_code == HTTPStatus.OK:
    print(rsp.output.video_url)
  else:
    print('Failed, status_code: %s, code: %s, message: %s' %
       (rsp.status_code, rsp.code, rsp.message))

if __name__ == '__main__':
  sample_sync_call()

参数说明

wan2.7-r2v-2026-06-12

参数类型必选说明
modelstring是"wan2.7-r2v-2026-06-12"
input.promptstring是最多 5,000 个字符。使用 Video 1/Image 1 按 media 数组中的顺序引用角色(图片和视频分开计数)。
input.mediaarray是1-5 个元素。每个元素包含 type(reference_image、reference_video 或 first_frame)和 url。
input.negative_promptstring否最多 500 个字符。指定需要排除的内容。
input.reference_voicestring否音频文件 URL(WAV/MP3 格式,1-10 秒,最大 15 MB),用于声音克隆。会覆盖参考视频中的音频。
parameters.resolutionstring否"720P" 或 "1080P"(默认)。
parameters.ratiostring否"16:9"(默认)、"9:16"、"1:1"、"4:3"、"3:4"。提供 first_frame 时此参数被忽略。
parameters.durationinteger否仅图片参考时为 2-15,包含视频参考时为 2-10。默认值:5。
parameters.prompt_extendboolean否通过 LLM 改写提示词。默认值:true。
parameters.watermarkboolean否默认值:false。
parameters.seedinteger否取值范围:0 到 2,147,483,647。

角色引用方式(wan2.7)

每个 media 元素根据其位置映射到一个角色标识符。图片和视频分开计数:
"media": [
  {"type": "reference_video", "url": "https://example.com/person-a.mp4"},   // Video 1
  {"type": "reference_video", "url": "https://example.com/person-b.mp4"},   // Video 2
  {"type": "reference_image", "url": "https://example.com/guitar.png"}      // Image 3
]
在提示词中使用这些标识符:"Video 1 plays guitar while Video 2 sings along, holding Image 3."

wan2.6 模型

参数类型必选说明
modelstring是"wan2.6-r2v-flash" 或 "wan2.6-r2v"
input.promptstring是描述场景的文本提示词。按 reference_urls 中 URL 的顺序,使用 character1、character2 等引用角色。
input.reference_urlsarray是最多 5 个 URL,指向参考图片或视频。每个参考素材应包含单个角色。
parameters.sizestring否输出分辨率。例如 "1280*720"(16:9)。所有选项请参阅 API 参考。
parameters.durationinteger否输出视频时长(秒)。
parameters.audioboolean否true 生成有声视频,false 生成无声视频。默认值:true。仅 wan2.6-r2v-flash 支持无声视频。
parameters.shot_typestring否"multi" 多镜头切换,"single" 固定视角。
parameters.watermarkboolean否true 添加水印。

角色引用方式(wan2.6)

每个参考 URL 根据其在 reference_urls 数组中的位置映射到一个角色标识符:
"reference_urls": [
  "https://example.com/person-a.mp4",   // character1
  "https://example.com/person-b.mp4",   // character2
  "https://example.com/guitar.png"      // character3
]
在提示词中使用这些标识符:"character1 plays guitar while character2 sings along, holding character3."

输入视频计费规则

输入图像不计费,输入视频和输出视频按视频秒数计费:总计费时长(秒) = 输入视频计费时长(秒) + 输出视频时长(秒)。 输入视频计费时长上限为 5 秒:单个视频截断上限 = 5秒 ÷ 参考素材数量,每个视频按 min(实际时长, 截断上限) 计费,多个视频累加。wan2.7 只计参考视频(参考图像和首帧图像均不计入);wan2.6 计参考图像和参考视频(首帧图像不计入)。例如 wan2.7 输入 2 个参考视频时,每个视频按 2.5 秒截断。

多角色互动

最多支持五个角色同时出镜,实现自然对话和互动——适用于采访、对话、教程等场景。 支持的模型:wan2.6 系列模型。 以下示例使用 wan2.6 的 reference_urls 写法,在提示词中用 character1、character2 引用素材;wan2.7 的 media 数组与 Video N/Image N 写法见上文「核心能力」和下文「参数说明」。 将 shot_type 设为 multi 可实现动态多镜头切换,设为 single 则使用固定视角。

示例:四参考素材场景

提示词:"character2 sits on a chair by the window, holding character3, and plays a soothing American country folk song next to character4. character1 says to character2: 'that sounds great'"
character1(人物)视频
character2(人物)视频
character3(物体)图片
wan-r2v-object4
character4(背景)图片
wan-r2v-backgroud5
输出视频(多镜头,有声视频)

示例:双人对话

提示词:"character1 says to character2: 'I'll rely on you tomorrow morning!' character2 replies: 'You can count on me!'"
character1视频
character2视频
输出视频(多镜头,有声视频)

示例代码(curl)

所有示例均使用 X-DashScope-Async: enable 请求头提交异步任务。 第 1 步:提交任务
curl --location 'https://maas.qianwenaiapi.com/api/v1/services/aigc/video-generation/video-synthesis' \
  -H 'X-DashScope-Async: enable' \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
  "model": "wan2.6-r2v-flash",
  "input": {
    "prompt": "Character2 sits on a chair by the window, holding character3, and plays a soothing American country folk song next to character4. Character1 says to Character2: \"that sounds great\"",
    "reference_urls": [
      "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/en-US/20260205/aacgyk/wan-r2v-role1.mp4",
      "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/en-US/20260205/mmizqq/wan-r2v-role2.mp4",
      "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/qpzxps/wan-r2v-object4.png",
      "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/wfjikw/wan-r2v-backgroud5.png"
    ]
  },
  "parameters": {
    "size": "1280*720",
    "duration": 10,
    "audio": true,
    "shot_type": "multi",
    "watermark": true
  }
}'
第 2 步:获取结果 将 <task-id> 替换为第 1 步响应中的 task_id。
curl -X GET https://maas.qianwenaiapi.com/api/v1/tasks/<task-id> \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY"

示例代码(Python)

以下示例提交一个多角色任务,并轮询直到获取结果。
import os
import time
import requests

API_KEY = os.environ.get("DASHSCOPE_API_KEY")
BASE_URL = "https://maas.qianwenaiapi.com/api/v1"

headers = {
  "Authorization": f"Bearer {API_KEY}",
  "Content-Type": "application/json",
  "X-DashScope-Async": "enable",
}

# 第 1 步:提交任务
payload = {
  "model": "wan2.6-r2v-flash",
  "input": {
    "prompt": (
      'Character2 sits on a chair by the window, holding character3, '
      'and plays a soothing American country folk song next to character4. '
      'Character1 says to Character2: "that sounds great"'
    ),
    "reference_urls": [
      "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/en-US/20260205/aacgyk/wan-r2v-role1.mp4",
      "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/en-US/20260205/mmizqq/wan-r2v-role2.mp4",
      "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/qpzxps/wan-r2v-object4.png",
      "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/wfjikw/wan-r2v-backgroud5.png",
    ],
  },
  "parameters": {
    "size": "1280*720",
    "duration": 10,
    "audio": True,
    "shot_type": "multi",
    "watermark": True,
  },
}

response = requests.post(
  f"{BASE_URL}/services/aigc/video-generation/video-synthesis",
  headers=headers,
  json=payload,
)
result = response.json()
task_id = result["output"]["task_id"]
print(f"任务已提交: {task_id}")

# 第 2 步:轮询结果
poll_headers = {"Authorization": f"Bearer {API_KEY}"}

while True:
  status_response = requests.get(
    f"{BASE_URL}/tasks/{task_id}", headers=poll_headers
  )
  status = status_response.json()
  task_status = status["output"]["task_status"]

  if task_status == "SUCCEEDED":
    video_url = status["output"]["video_url"]
    print(f"视频已生成: {video_url}")
    break
  elif task_status == "FAILED":
    print(f"任务失败: {status['output'].get('message', '未知错误')}")
    break
  else:
    print(f"状态: {task_status} -- 等待 10 秒...")
    time.sleep(10)

单角色表演

从单个参考视频或图片创建跨场景的完整角色表演——适用于个人品牌、产品代言、培训教学等场景。 支持的模型:wan2.6 系列模型。 在 reference_urls 中传入单个 URL,并在提示词中使用 character1。建议将 shot_type 设为 multi。

示例:节日开箱视频

提示词:"Create a festive holiday unboxing experience. Shot 1 [0-2s]: Character1 sits by a beautifully decorated Christmas tree with twinkling lights, holding a wrapped gift box with elegant red and gold wrapping. Shot 2 [2-4s]: Close-up as Character1 carefully unwraps the gift, revealing premium skincare products inside. Shot 3 [4-6s]: Character1 applies the product with delight, saying: 'This holiday glow is exactly what I wanted!' Shot 4 [6-10s]: Character1 admires their radiant skin in a handheld mirror, surrounded by festive decorations, ending with a warm smile to camera."
character1视频
输出视频(多镜头,有声视频)

示例代码(curl)

第 1 步:提交任务
curl --location 'https://maas.qianwenaiapi.com/api/v1/services/aigc/video-generation/video-synthesis' \
  -H 'X-DashScope-Async: enable' \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
  "model": "wan2.6-r2v-flash",
  "input": {
    "prompt": "Create a festive holiday unboxing experience.Shot 1 [0-2s]: Character1 sits by a beautifully decorated Christmas tree with twinkling lights, holding a wrapped gift box with elegant red and gold wrapping. Shot 2 [2-4s]: Close-up as Character1 carefully unwraps the gift, revealing premium skincare products inside. Shot 3 [4-6s]: Character1 applies the product with delight, saying: \"This holiday glow is exactly what I wanted!\" Shot 4 [6-10s]: Character1 admires their radiant skin in a handheld mirror, surrounded by festive decorations, ending with a warm smile to camera.",
    "reference_urls":["https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/en-US/20260205/mjgmzx/wan-r2v-role-4.mp4"]
  },
  "parameters": {
    "size": "1280*720",
    "duration": 10,
    "shot_type":"multi",
    "watermark": true
  }
}'
第 2 步:获取结果 将 <task-id> 替换为第 1 步响应中的 task_id。
curl -X GET https://maas.qianwenaiapi.com/api/v1/tasks/<task-id> \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY"

无声视频生成

创建不含音频的纯画面视频——适用于动态海报、无声短视频等场景。 支持的模型:仅 wan2.6-r2v-flash。 将 audio 设为 false。

示例:无声舞蹈视频

提示词:"character1 drinks bubble tea while dancing spontaneously to the music."
character1视频
输出视频(无声视频)

示例代码(curl)

第 1 步:提交任务
curl --location 'https://maas.qianwenaiapi.com/api/v1/services/aigc/video-generation/video-synthesis' \
  -H 'X-DashScope-Async: enable' \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
  "model": "wan2.6-r2v-flash",
  "input": {
    "prompt": "character1 drinks bubble tea while dancing spontaneously to the music.",
    "reference_urls":["https://cdn.wanx.aliyuncs.com/static/demo-wan26/vace.mp4"]
  },
  "parameters": {
    "size": "1280*720",
    "duration": 5,
    "shot_type":"multi",
    "audio": false,
    "watermark": true
  }
}'
第 2 步:获取结果 将 <task-id> 替换为第 1 步响应中的 task_id。
curl -X GET https://maas.qianwenaiapi.com/api/v1/tasks/<task-id> \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY"

如何输入参考素材

  • wan2.7系列模型
参考图像、视频和音频均传入media数组。

输入图像

  • 首帧数量:首帧(media.type=first_frame)最多1张。
  • 参考图像数量:参考图像(media.type=reference_image)最多5张,同时满足参考图像 + 参考视频 ≤ 5。
  • 输入方式:
    • 公网URL:支持 HTTP 或 HTTPS 协议。示例:https://xxxx/xxx.png。
    • 临时URL:支持OSS协议,必须通过上传文件获取临时 URL。示例:oss://dashscope-instant/xxx/xxx.png。
    • Base64 编码字符串:遵循 data:{MIME_type};base64,{base64_data} 的格式,其中:
      • {base64_data}:图像文件经过 Base64 编码后的字符串。
      • {MIME_type}:图像的媒体类型,需与文件格式对应。

        图像格式

        MIME Type

        JPEG

        image/jpeg

        JPG

        image/jpeg

        PNG

        image/png

        BMP

        image/bmp

        WEBP

        image/webp

输入视频

  • 参考视频数量:参考视频(media.type=reference_video)最多5个,同时满足参考图像 + 参考视频 ≤ 5。
  • 输入方式:

输入音频

  • 使用限制:参考音色(media.reference_voice)只能与 reference_image 或 reference_video 搭配使用,为对应主体角色指定音色。
  • 输入方式:

输出视频

  • 视频个数:1个。
  • 视频规格:格式为MP4。详细规格请参见支持的模型。
  • 视频URL有效期:24小时。
  • 视频尺寸:
    • wan2.7系列模型:通过 resolution 控制分辨率档位(720P/1080P),通过 ratio 控制宽高比(16:9、9:16、1:1、4:3、3:4)。
      • 传入首帧图像时:ratio 参数被忽略,输出视频的宽高比与首帧图像近似。
      • 未传入首帧图像时:由 ratio 参数指定宽高比,默认为 16:9。

响应字段

字段说明
output.task_id任务标识符,用于轮询状态。
output.task_statusPENDING、RUNNING、SUCCEEDED 或 FAILED。
output.video_url生成视频的 URL。task_status 为 SUCCEEDED 时可用。
output.orig_prompt原始输入提示词。
usage.duration输出视频时长(秒)。
usage.input_video_duration输入视频总时长(秒)。
usage.output_video_duration输出视频时长(秒)。
usage.video_count生成的视频数量(固定为 1)。
usage.audio输出视频是否包含音频。
usage.SR分辨率级别(720 或 1080)。

API 参考

常见问题

Q:如何在提示词中引用参考素材?

A:引用方式取决于所使用的模型和功能:
  • wan2.7系列模型
  • 参考图像通过“图1、图2”这类标识指代,参考视频通过“视频1、视频2”这类标识指代。英文提示词则写为“Image 1”、"Video 1”这类标识。
  • 图和视频分别计数。顺序与 media 数组中同类型素材的顺序一致。
  • 若参考素材有且仅有一张图片或一个视频,可简化为“参考图片”或“参考视频”。
  • 首帧图像通常无需在提示词中引用。
{
    "input": {
        "prompt": "视频1在弹吉他,图1手中拿着一束花,路过视频1",
        "media": [
            {
                "type": "first_frame",
                "url":  "https://example.com/scene.jpg"
            },
            {
                "type": "reference_video",
                "url":  "https://example.com/girl.mp4"           // 视频1
            },
            {
                "type": "reference_image",
                "url": "https://example.com/boy.png"             // 图1
            }
        ]
    }
}

Q:reference_voice 可以与首帧图像搭配使用吗?

A:不推荐。media.reference_voice 推荐与 reference_image(参考图像)或 reference_video(参考视频)搭配使用,用于为对应主体指定音色。

如何设置视频宽高比?

wan2.7:使用 ratio 参数(16:9、9:16、1:1、4:3、3:4)。提供 first_frame 图片时,宽高比自动从图片推断。 wan2.6:使用 size 参数。每个分辨率对应固定的宽高比——例如 size=1280*720 生成 16:9 的视频。

如何在提示词中引用角色?

wan2.7:使用 Video N 或 Image N 标识符。图片和视频分开计数:
"media": [
  {"type": "reference_video", "url": "https://example.com/girl.mp4"},   // Video 1
  {"type": "reference_image", "url": "https://example.com/clock.png"}   // Image 2
]
wan2.6:使用 character1、character2 等——标识符与 reference_urls 中 URL 的顺序一一对应:
"reference_urls": [
  "https://example.com/girl.mp4",   // character1
  "https://example.com/clock.png"   // character2
]

任务失败怎么办?

轮询任务状态接口。如果 task_status 为 FAILED,响应中的 message 字段会描述错误原因。常见原因包括无效的参考 URL、不支持的文件格式或超过限流。失败任务不计费。