Wan 3.0 API
通义万相 Wan 3.0 多模态视频生成 API
使用 wan3.0-video 一个公开模型 ID 调用 Wan 3.0 文生视频、首尾帧图生视频和多模态参考生视频。支持 480p–1080p、2–30 秒或自动时长，适合批量与后台视频生产。
Wan 3.0 API 价格
下表是供应商未返回 credits 时使用的预扣与兜底单价；返回可信 credits 时，最终价格按 credits ÷ 68 × 1.10 结算。
| 生成路线 | 480p | 720p 默认 | 1080p | 计费秒数 |
|---|---|---|---|---|
文生视频 wan3.0-text-to-video 根据文本提示生成视频 | $0.04125/秒 | $0.0825/秒 | $0.165/秒 | 按输出秒数 |
图生视频 wan3.0-image-to-video 支持首帧或首尾帧 | $0.04125/秒 | $0.0825/秒 | $0.165/秒 | 按输出秒数 |
参考生视频 wan3.0-reference-video 参考图片、音频、文档或网页 | $0.04125/秒 | $0.0825/秒 | $0.165/秒 | 按输出秒数 |
参考生视频 wan3.0-reference-video 参考素材包含视频 | $0.04125/秒 | $0.0825/秒 | $0.165/秒 | 按参考视频秒数 + 输出秒数 |
自动时长按 30 秒上限预扣。包含参考视频时，兜底计费秒数为参考视频秒数加输出秒数；最终费用以供应商 credits 回执和账户日志为准。
Wan 3.0 模型信息与能力限制
选择生成路线时需要了解的模型 ID、输入约束与结果规则。
一个公开模型 ID
wan3.0-videoRoko API 会根据 generation_type 和参考素材，把请求映射到对应的上游子模型。
三条上游路线
text / image / reference分别对应文生、首尾帧图生和多媒体参考生成，避免互斥输入被混用。
默认清晰度
720p可选 480p、720p 或 1080p；清晰度越高，每秒价格越高。
时长
2–30 秒，或 -1 自动自动时长由模型决定，提交时按 30 秒上限冻结额度，完成后按实际用量结算。
参考素材
10 图 / 5 视频 / 5 音频另支持 1 份文档或 1 个网页；文档和网页二选一。
公开生成方式
文生 / 图生 / 参考生当前模型目录未配置视频编辑或视频延长模式，因此页面不展示这两类能力。
Wan 3.0 API 主要参数
以下字段覆盖主要接入决策；完整请求、响应和错误说明请查看开发文档。
model string 使用稳定的公开模型 ID。
默认值:wan3.0-video generation_type enum 选择 text、image 或 reference；未传时会根据参考素材推断。
默认值:根据输入推断 prompt string 描述场景、运动、镜头、音频和参考素材的使用方式。
默认值:必填 quality enum 可选 480p、720p 或 1080p，并决定每秒计费倍率。
默认值:720p duration integer 设置 2–30 秒输出，或传 -1 由模型自动决定。
默认值:5 aspect_ratio enum adaptive、16:9、4:3、1:1、3:4 或 9:16。
默认值:adaptive generate_audio boolean 可选控制是否请求生成音轨；是否生成成功以实际渠道响应为准。
默认值:可选 image_start / image_end string 图生视频使用起始帧；需要首尾帧时再传 image_end。
默认值:按生成方式 image_urls / video_urls / audio_urls array 参考生视频使用的图片、视频或音频 URL；当前上限分别为 10、5、5。
默认值:按生成方式 Wan 3.0 特性、优缺点与使用场景
主要优势
- 一个公开 ID 覆盖三类生成路线
- 最长 30 秒，并支持自动时长
- 图片、视频、音频、文档和网页均可作为参考
- 480p 到 1080p 的透明按秒定价
使用限制
- 当前公开目录仅配置文生、图生和参考生三种模式
- 未配置已有视频编辑或视频延长能力
- 不同生成方式的素材字段不能混用
- 包含参考视频时，兜底计费会同时计算输入与输出时长
典型使用场景
产品广告片
结合产品图、运镜参考与提示词生成品牌一致的短片。
角色与风格参考
提交多张参考图，为生成结果提供人物外观与视觉风格参考。
简报转视频
把文档或网页作为内容参考，快速生成讲解或宣传视频。
首尾帧补间
指定首帧和尾帧，让模型生成中间连贯的运动过程。
Wan 3.0 API 常见问题
为什么公开模型只有 wan3.0-video？
它是稳定的产品级模型 ID。Roko API 会依据 generation_type 和参考素材在内部选择文生、图生或参考生成的上游路线。
Wan 3.0 如何计费？
按视频秒数计费。480p、720p、1080p 使用不同单价；包含参考视频时，参考视频时长与输出时长相加后计费。
默认清晰度和时长是多少？
默认 720p、5 秒。duration 可设置为 2–30，或传 -1 让模型自动决定时长。
参考图片和音频收费吗？
最终结算优先采用供应商返回的 credits。未返回 credits 时，图片和音频不增加兜底计费秒数；参考视频会按输入时长加输出时长计算。
支持视频编辑或视频延长吗？
当前 wan3.0-video 的公开模型目录没有配置视频编辑或视频延长模式。
万相家族
比较同一模型家族的其他公开版本。
Wan 3.0
通义万相 Wan 3.0 多模态视频生成 API
Wan 2.7
Wan 2.7 视频生成与编辑模型，支持 2～15 秒文生和图生、参考图片/视频/音频生成，以及 2～10 秒视频编辑。
查看模型其他视频模型
继续浏览支持统一异步任务接口的视频生成模型。
