Wan 3.0 Prime 参考素材转视频: 图像转视频

使用 Wan 3.0 Prime，根据最多 10 张图像、5 个视频和 5 个音频片段生成高品质参考素材引导视频。按次生成付费。 Wan 3.0 Prime 参考素材转视频可根据提示词以及最多 10 张参考图像、5 个参考视频和 5 个参考音频生成更高保真度的视频，采用 Wan 3.0 Prime 档位，以获得更清晰的细节以及更一致的角色和风格连贯性。它接受与 Wan 3.0 参考素材转视频相同的 imageslist、videoslist 和 audioslist 输入，这些输入会按照数组顺序映射到提示词中描述的参考素材；此外还支持 480p/720p/1080p 分辨率、五种画面比例和 2-30 秒时长。如需仅根据文本生成场景，请参阅 Wan 3.0 Prime 文生视频；如需制作单张起始图像的动画，请参阅 Wan 3.0 Prime 图生视频。

交互式模型控制

使用 Wan 3.0 Prime，根据最多 10 张图像、5 个视频和 5 个音频片段生成高品质参考素材引导视频。按次生成付费。

📝

概览

关于此模型

Wan 3.0 Prime 参考素材转视频可根据提示词以及最多 10 张参考图像、5 个参考视频和 5 个参考音频生成更高保真度的视频，采用 Wan 3.0 Prime 档位，以获得更清晰的细节以及更一致的角色和风格连贯性。它接受与 Wan 3.0 参考素材转视频相同的 images_list、videos_list 和 audios_list 输入，这些输入会按照数组顺序映射到提示词中描述的参考素材；此外还支持 480p/720p/1080p 分辨率、五种画面比例和 2-30 秒时长。如需仅根据文本生成场景，请参阅 Wan 3.0 Prime 文生视频；如需制作单张起始图像的动画，请参阅 Wan 3.0 Prime 图生视频。

1角色一致性：使用参考图像锁定角色的面部、服装和风格，使其贯穿高品质多镜头序列。

2风格迁移：将参考视频的运动与参考图像的视觉效果结合，用于最终场景。

3声音匹配场景：提供参考音频，让生成的对白或音乐匹配现有声音或音轨。

4品牌活动最终稿：将多参考概念从标准档位提升为精修的最终版本。

💰

价格与价值

成本分析

提供商	费用	备注
muapiapp	From $0.136 per generation (720p, 2s) up to $8.40 (1080p, 30s)	按次生成计费，根据分辨率和时长定价，无需订阅。
Fal.ai	暂不可用	目前 Fal.ai 未列出 Wan 3.0 Prime。
Replicate	暂不可用	目前 Replicate 未列出 Wan 3.0 Prime。

muapiappFrom $0.136 per generation (720p, 2s) up to $8.40 (1080p, 30s)

按次生成计费，根据分辨率和时长定价，无需订阅。

Fal.ai暂不可用

目前 Fal.ai 未列出 Wan 3.0 Prime。

Replicate暂不可用

目前 Replicate 未列出 Wan 3.0 Prime。

** 竞品价格根据相似模型架构和使用层级估算。

⚙️

技术详情

配置参数

参数	类型	描述	默认值
提示词	string	描述要创建的视频。参考媒体通过其数组顺序识别。	`The two people from the reference images meet on the rainy street shown in the reference video.`
参考图像 URL	array	最多 10 参考图像 for visual coherence guidance.	`undefined`
参考视频 URL	array	最多 5 reference video clips (MP4/MOV, 1-15s each); total reference + generated duration must not exceed 30s.	`undefined`
参考音频 URL	array	最多 5 参考音频 clips (total duration up to 15s) for soundtrack synchronization.	`undefined`
分辨率	枚举（3 个选项）	输出视频的分辨率。	`720p`
画面比例	枚举（6 个选项）	输出视频的帧尺寸。	`16:9`
时长	integer	视频时长（秒）。	`5`
思考模式	boolean	启用深度思考模式以理解复杂场景。	`false`
启用音频	boolean	在视频中加入生成的音频轨道。	`true`
种子	integer	用于复现结果的随机种子。使用 -1 表示随机种子。	`-1`

提示词string

描述要创建的视频。参考媒体通过其数组顺序识别。

默认值The two people from the reference images meet on the rainy street shown in the reference video.

参考图像 URLarray

最多 10 参考图像 for visual coherence guidance.

默认值undefined

参考视频 URLarray

最多 5 reference video clips (MP4/MOV, 1-15s each); total reference + generated duration must not exceed 30s.

默认值undefined

参考音频 URLarray

最多 5 参考音频 clips (total duration up to 15s) for soundtrack synchronization.

默认值undefined

分辨率枚举（3 个选项）

输出视频的分辨率。

默认值720p

画面比例枚举（6 个选项）

输出视频的帧尺寸。

默认值16:9

时长integer

视频时长（秒）。

默认值5

思考模式boolean

启用深度思考模式以理解复杂场景。

默认值false

启用音频boolean

在视频中加入生成的音频轨道。

默认值true

种子integer

用于复现结果的随机种子。使用 -1 表示随机种子。

默认值-1

📖

实施指南

开发者文档

如何使用 Wan 3.0 Prime 参考素材转视频

描述场景：编写 prompt，按照参考素材的排列顺序指代它们，例如“Image1”或“Video1”。
添加参考素材：在 images_list 中提供最多 10 个 URL，在 videos_list 中提供最多 5 个 URL，在 audios_list 中提供最多 5 个 URL。
设置输出画幅：选择 resolution（480p、720p、1080p）、aspect_ratio（16:9、9:16、1:1、4:3、3:4）和 duration（2–30 秒）；请注意，所有参考视频的总时长加上输出时长不得超过 30 秒。
调整生成方式：为复杂的多参考场景启用 thinking_mode；如需无声视频，请将 enable_audio 设置为 false。
提交并轮询：使用 Muapi API 密钥发送请求，保存返回的 request_id，然后轮询预测结果端点，或提供 webhook_url 以接收完成的视频 URL。

curl -X POST https://api.muapi.ai/api/v1/wan3.0-prime-reference-to-video \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "参考图像中的两个人在参考视频所展示的雨中街道上相遇。",
    "images_list": ["https://example.com/person1.jpg", "https://example.com/person2.jpg"],
    "resolution": "720p",
    "duration": 5
  }'

❓

常见问题

常见问答

Wan 3.0 Prime 参考素材转视频有什么作用？

它可根据提示词以及参考图像、视频和音频生成更高保真度的视频，以保持角色和风格的一致性。

Prime 与标准 Wan 3.0 参考素材转视频有何不同？

Prime 使用相同的请求结构和参数，但着重提升细节清晰度以及跨参考素材的一致连贯性，因此每秒价格更高。

可以使用多少个参考文件？

最多可以使用 10 张参考图像、5 个参考视频和 5 个参考音频片段，并按照数组顺序映射到提示词中提到的素材。

使用参考视频时有什么时长和分辨率限制？

所有输入参考视频的总时长加上生成视频时长不得超过 30 秒。支持 480p、720p 或 1080p，以及五种画面比例（16:9、9:16、1:1、4:3、3:4）。

如何计费并获取最终视频？

费用会按照 Prime 费率随分辨率和时长变化，完成的任务响应中会包含该次生成的确切费用。使用返回的 `request_id` 轮询预测结果端点，或传入 `webhook_url`，即可在视频准备好时收到通知。