01
多模态参考：在一次请求中组合多类素材
调用 wan3.0-prime-reference-to-video 时，可在一次请求中加入图像、视频和音频，并在一个文档或一个公开网页中二选一。通过提示词描述所需画面、动作和声音。
- 最多支持 10 张图像、5 个视频和 5 个音频
- 每次请求可使用一个文档或一个公开网页
- 至少提供一种参考素材，并同时提供提示词
wan3.0-prime-text-to-video
模型:
根据文本、1–2 张图片或多模态参考素材生成 2–30 秒 Wan 3.0 Video Prime 视频，并可选择是否生成输出音轨。
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-3-0-video-prime480p · All workflows
Text to Video · Image to Video · Reference to Video
PoYo价格
$0.068/秒
13.6 积分
官方价格
-
为你节省
-
wan-3-0-video-prime720p · All workflows
Text to Video · Image to Video · Reference to Video
PoYo价格
$0.140/秒
28 积分
官方价格
-
为你节省
-
wan-3-0-video-prime1080p · All workflows
Text to Video · Image to Video · Reference to Video
PoYo价格
$0.280/秒
56 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-video-prime | 480p · All workflows Text to Video · Image to Video · Reference to Video | $0.068/秒 13.6 积分 /秒 | - | - |
720p · All workflows Text to Video · Image to Video · Reference to Video | $0.140/秒 28 积分 /秒 | - | - | |
1080p · All workflows Text to Video · Image to Video · Reference to Video | $0.280/秒 56 积分 /秒 | - | - |
* 实际费用以最终输出为准。
WAN 3.0 VIDEO PRIME API
使用 Wan 3.0 Video Prime API：面向时效优先工作流的多模态视频生成 的完整指南
Wan 3.0 Video Prime API：面向时效优先工作流的多模态视频生成
Wan 3.0 Video Prime 面向重视生成时效的工作流，支持从文本、首尾帧图像和多模态参考素材生成视频。
可生成 2–30 秒、480p、720p 或 1080p 视频，也可控制输出音轨。实际生成时间受请求内容和服务状态影响，不提供固定生成时间或速度 SLA。
Wan 3.0 Video Prime API 核心能力
通过三个任务模型使用多模态参考、2–30 秒时长、首尾帧和输出音轨控制。Prime 面向生成时效优先的场景，但不提供固定生成时间或速度 SLA。
02
2–30 秒时长：按整数秒设置输出长度
将 duration 设为 2–30 之间的任意整数秒数，默认值为 5 秒。请求时长可用于产品演示、营销内容和叙事场景，费用按所选分辨率费率和输出时长计算。
- 单次请求支持 2–30 秒整数时长
- 默认输出时长为 5 秒
- 按分辨率费率和输出时长计算费用
03
图像转视频：用 1–2 张图片指定首帧或首尾帧
调用 wan3.0-prime-image-to-video 时，一张图像用于定义首帧；两张图像会按顺序定义首帧和尾帧。还可以使用可选提示词引导两个画面之间的动作。
- 一张图像映射为首帧
- 两张图像按顺序映射为首帧和尾帧
- 图像转视频中的提示词保持可选
04
输出音轨：通过 audio 字段启用或关闭
通过 audio 字段选择生成的视频是否包含输出音轨。该字段默认为 true；当工作流会单独提供音频时，可以将其关闭。
- 默认启用输出音轨
- 通过 audio 布尔字段关闭音轨
- 三个 Prime 任务模型均支持该控制
Wan 3.0 Video Prime 适合哪些工作流
01
营销内容生产
制作社媒、广告和营销活动的视频变体，并通过异步任务流程查询生成结果。
02
产品功能演示
结合产品图片、文字说明和参考素材，在一个视频中呈现功能与使用场景。
03
多模态创作产品
在面向用户的工具和 SaaS 产品中加入文本转视频、首尾帧引导和多模态参考视频生成能力。
04
自动化 API 工作流
在自动化流程中异步提交视频生成任务，并通过 task_id 查询状态和结果。
Wan 3.0 Video Prime 与 Wan 3.0 对比
两个版本支持相同的三种任务类型和输入限制。Prime 面向生成时效优先的工作流，标准版的每秒费率更低。
| 能力 | Wan 3.0 Video Prime | Wan 3.0 |
|---|---|---|
| 定位 | 面向生成时效优先的工作流，不提供固定生成时间或速度 SLA | 每秒费率更低，适合成本优先的工作流 |
| 工作流 | 文本转视频 · 图像转视频 · 多模态参考视频生成 | 文本转视频 · 图像转视频 · 多模态参考视频生成 |
| 输出控制 | 480p、720p 或 1080p · 2–30 秒 · 可选音轨 | 480p、720p 或 1080p · 2–30 秒 · 可选音轨 |
| 参考输入 | 最多 10 张图像 · 5 个视频 · 5 个音频 · 一个文档或一个公开网页，二者不可同时使用 | 最多 10 张图像 · 5 个视频 · 5 个音频 · 一个文档或一个公开网页，二者不可同时使用 |
| PoYo 价格 | 480p 13.6 · 720p 28 · 1080p 56 积分/秒 | 480p 10 · 720p 20 · 1080p 40 积分/秒 |
| 模型 ID | wan3.0-prime-text-to-video · wan3.0-prime-image-to-video · wan3.0-prime-reference-to-video | wan3.0-text-to-video · wan3.0-image-to-video · wan3.0-reference-to-video |
两个版本的任务类型和输入限制相同。Prime 定位于生成时效优先的场景，标准版的每秒费率更低；实际生成时间均受请求内容和服务状态影响。
Wan 3.0 Video Prime API 常见问题
什么是 Wan 3.0 Video Prime？
Wan 3.0 Video Prime 是阿里巴巴推出的 Prime 视频生成模型，面向生成时效优先的工作流，支持文本转视频、首尾帧图像转视频、多模态参考视频生成和可选输出音轨。
如何在 PoYo 使用 Wan 3.0 Video Prime？
可以在 Playground 或 API 中使用
wan3.0-prime-text-to-video、wan3.0-prime-image-to-video 或 wan3.0-prime-reference-to-video。API 提交后会返回 task_id，用于异步查询任务状态。Prime API 支持哪些输入、参数和限制？
文本转视频和多模态参考视频生成必须提供提示词，图像转视频的提示词可选；提示词最长 20,000 字符。图像转视频支持 1–2 张图片，一张映射首帧，两张按顺序映射首帧和尾帧。多模态参考视频生成还必须提供至少一种参考素材，最多支持 10 张图像、5 个视频、5 个音频，以及一个文档或一个公开网页；文档与网页不能同时使用。分辨率支持 480p、720p 和 1080p，默认 720p；画幅默认
adaptive；seed 范围为 0–2147483647；enable_safety_checker 默认为 true。Prime 视频可以生成多长？
将
duration 设为 2–30 之间的任意整数秒数，默认值为 5 秒。Wan 3.0 Video Prime 可以生成音频吗？
可以。将
audio 设为 true 可请求输出音轨，设为 false 可关闭；默认值为 true。PoYo 上的 Wan 3.0 Video Prime 如何计费？
480p 为 13.6 积分（$0.068 美元）/秒，720p 为 28 积分（$0.14 美元）/秒，1080p 为 56 积分（$0.28 美元）/秒。三个 Prime 任务采用相同费率，总费用按对应分辨率费率乘以输出时长计算。
为什么通过 PoYo 使用 Wan 3.0 Video Prime
01
三种工作流，一个 Playground
无需切换工具，即可在文本转视频、首尾帧引导和多模态参考视频生成之间切换。
02
明确的多模态输入限制
按已公开的数量限制上传图像、视频、音频和一个文档，或添加一个公开网页。
03
按分辨率和时长计算费用
提交任务前，根据所选分辨率的每秒费率和输出时长查看预计费用。
04
从 Playground 到异步 API
查看 JSON 请求，复用相同模型 ID，并通过 task_id 查询任务状态和生成结果。