Wan 3.0 API ： 用文字、首尾帧或参考素材生成最长 30 秒的 AI 视频

Wan 3.0 API 让你的应用通过 HTTP 调用 Wan 3.0 模型，生成带声音的视频。在 NanoAPI 上调用 POST /v1/tasks，传 model wan-3.0、一个版本（standard 或 prime）和三种模式之一（text_to_video、image_to_video 或 reference_to_video），再通过回调或轮询拿到生成好的视频。

按你要的出片秒数计费：duration × 所选版本和分辨率的每秒单价，prime 比 standard 贵。三种模式同价，带不带参考图、参考视频、参考音频，生不生成声音，价格都一样。实时价格见上面的表格、价格页和 GET /v1/products，工作台在生成前也会显示准确的费用。生成失败不收费。

两个版本的模式和参数完全一样，prime 是更高一档的版本，每秒单价更高。可以在上面的工作台里用同一段提示词分别试试，看哪个更适合你的场景，再在 API 请求里设置 variant。

可以。登录后直接用本页顶部的工作台：它和 API 用的是同一个 Wan 3.0 模型、同样的价格和同一份余额，写代码之前就能确认效果和费用。$10 起充。

2 到 30 秒，用 duration 按整秒设置；分辨率可选 480p、720p、1080p。文生视频的比例可选 16:9、9:16、1:1、4:3、3:4；参考生成可选同样的比例或 auto：跟随参考图和参考视频，只有参考音频时按 16:9；首尾帧生视频不传 aspect_ratio，比例跟随首帧。variant、mode、prompt、resolution 和 duration 每次请求都要传。

参考生成里，最多传 10 个 image_urls、5 个 video_urls（每段 1–15 秒，加起来不超过 15 秒，再加上 duration 不超过 30 秒）和 5 个 MP3 或 WAV 格式的 audio_urls（加起来不超过 15 秒）。三样至少传一样，只传音频也可以。在提示词里按类型和顺序用 <<<image_1>>>、<<<video_1>>>、<<<audio_1>>> 点名，说清哪个角色出场、照着哪段视频运镜、播放哪段音乐。

有。不传 generate_audio 时出片带生成的声音，设成 false 就是无声视频，价格都一样。带声音的成片在 outputs[].url，preview_url 是无声的压缩版。enable_thinking 是可选参数：设成 true 时，模型会先推理一遍提示词再生成，出片更贴合描述，但生成更慢。

一般 1–5 分钟出片，分辨率越高、时长越长越慢，打开 enable_thinking 也会更慢。生产环境建议传 webhook_url，任务结束时会通知你一次，不用一直轮询。生成失败时，冻结的费用全额退回余额，任务的 error.type 会说明原因，例如某个素材下载不了，或者参考视频超过了 15 秒。生成的视频保存 15 天。