01
Omni-Reference 多模态参考：统一图片、音频、视频与文档
产品图可以定义核心物体，音频可以建立节奏，文档可以承载完整的创意简报。Wan 3.0 将这些不同信号整合成统一的创作方向。
- 支持文字、图片、音频、视频、文档与网页
- 为角色、产品、地点、运动和氛围提供更多信息
- 用一份完整简报替代彼此割裂的提示词片段
Examples
定价详情
透明定价，无隐藏费用。按量付费，用多少付多少。
wan-3-0480p · All workflows
Text to Video · Image to Video · Reference to Video
PoYo价格
$0.050/秒
10 积分
官方价格
-
为你节省
-
wan-3-0720p · All workflows
Text to Video · Image to Video · Reference to Video
PoYo价格
$0.100/秒
20 积分
官方价格
-
为你节省
-
wan-3-01080p · All workflows
Text to Video · Image to Video · Reference to Video
PoYo价格
$0.200/秒
40 积分
官方价格
-
为你节省
-
| 型号 | 规格 | PoYo价格 | 官方价格 | 为你节省 |
|---|---|---|---|---|
| wan-3-0 | 480p · All workflows Text to Video · Image to Video · Reference to Video | $0.050/秒 10 积分 /秒 | - | - |
720p · All workflows Text to Video · Image to Video · Reference to Video | $0.100/秒 20 积分 /秒 | - | - | |
1080p · All workflows Text to Video · Image to Video · Reference to Video | $0.200/秒 40 积分 /秒 | - | - |
* 实际费用以最终输出为准。
WAN 3.0 API
使用 Wan 3.0 API：用多模态参考创作更长、更连贯的视频 的完整指南
Wan 3.0 API：用多模态参考创作更长、更连贯的视频
Wan 3.0 在 PoYo 支持文生视频、首尾帧图生视频和多模态参考生视频工作流。
可生成 2–30 秒的 480p、720p 或 1080p 视频，支持同步音频，并可使用图片、视频、音频、文档和网页链接引导结果。
Wan 3.0 API 将解锁哪些视频创作能力
从多模态参考、30 秒连贯叙事到同步音频，探索 Wan 3.0 的核心视频创作能力。
02
30 秒连贯叙事：保持主体与镜头一致性
Wan 3.0 可原生生成最长 30 秒的视频，并增强主体在连续动作与镜头之间的一致性。
- 单次生成最长 30 秒
- 在连续动作与关联镜头中保持更强一致性
- 为揭示、运动和叙事节奏留出更多空间
03
精确编辑与视频延展：局部修改而不必重做镜头
编辑与延展工具支持定向修改：继续已有画面、调整局部区域，或在保留主体、构图和运动的前提下改变场景中的一部分。
- 定向修改，而不是重新生成整个场景
- 延展已经建立好的画面与动作
- 更适合审核、版本变化和后期制作流程
04
原生音视频与电影化控制：同步动作、镜头与声音
Wan 3.0 将原生声音、连续镜头和镜头控制结合起来，让对白、环境声、动作与构图共同服务同一段体验。
- 原生同步音频
- 通过连续镜头控制形成更电影化的段落
- 让运动与声音共同强化同一个创作节奏
Wan 3.0 API 适合哪些创作场景
01
品牌与广告叙事
让可识别的产品、视觉语言和声音贯穿一条更完整的社交或广告视频。
02
产品功能演示
结合产品图片与文字简报，在一个受控段落中展示功能、变化和使用情境。
03
叙事预演
在正式制作前探索连续镜头、节奏、镜头运动和声音设计。
04
迭代式后期制作
调整局部、延长片段或制作变化版本，同时保留镜头中已经有效的部分。
Wan 3.0 与 Wan 3.0 Video Prime 对比
两档模型支持相同的三种工作流与核心控制项，可按处理速度和每秒成本选择。
| 能力 | Wan 3.0 | Wan 3.0 Video Prime |
|---|---|---|
| 定位 | 兼顾成本的标准生成档 | 针对更快处理速度优化的 Prime 档 |
| 工作流 | Text to Video · Image to Video · Reference to Video | Text to Video · Image to Video · Reference to Video |
| 输出控制 | 480p、720p 或 1080p · 2–30 秒 · 可选音频 | 480p、720p 或 1080p · 2–30 秒 · 可选音频 |
| 参考输入 | 最多 10 张图片 · 5 个视频 · 5 个音频 · 1 个文档或链接 | 最多 10 张图片 · 5 个视频 · 5 个音频 · 1 个文档或链接 |
| PoYo 价格 | 480p 10 · 720p 20 · 1080p 40 积分/秒 | 480p 13.6 · 720p 28 · 1080p 56 积分/秒 |
| 模型 ID | wan3.0-text-to-video · wan3.0-image-to-video · wan3.0-reference-to-video | wan3.0-prime-text-to-video · wan3.0-prime-image-to-video · wan3.0-prime-reference-to-video |
两档模型的工作流和输入限制相同。重视成本可选 Wan 3.0，优先处理速度可选 Video Prime。
Wan 3.0 API 常见问题
Wan 3.0 是什么？
Wan 3.0 是阿里巴巴的下一代 AI 视频模型，支持最长 30 秒原生视频、多模态参考、同步音频、连续镜头控制和精确编辑。
如何在 PoYo 使用 Wan 3.0？
可通过 Playground 或 API 使用 wan3.0-text-to-video、wan3.0-image-to-video 或 wan3.0-reference-to-video。
Wan 3.0 API 支持哪些输入？
文生视频使用提示词；图生视频接受 1–2 张图片作为首帧和尾帧；参考生视频最多接受 10 张图片、5 个视频、5 个音频，以及 1 个文档或公开网页，文档与网页不能同时使用。
Wan 3.0 可以生成多长的视频？
时长可设置为 2–30 秒之间的任意整数。
Wan 3.0 可以生成音频吗？
支持。打开 audio 开关即可请求生成同步音频。
PoYo 上的 Wan 3.0 API 如何计费？
480p 为 10 积分/秒，720p 为 20 积分/秒，1080p 为 40 积分/秒。
为什么在 PoYo 使用 Wan 3.0
01
三种工作流，一个 Playground
在同一工具内切换文生视频、首尾帧和多模态参考生成。
02
内置多模态参考输入
直接上传图片、视频、音频和文档，或在请求中添加公开链接。
03
可预测的按秒计费
提交生成前即可根据分辨率和时长估算所需积分。
04
从 Playground 直达 API
查看对应 JSON 请求，复用相同模型 ID，并直接衔接生产集成。