muapi Logomuapi Logo
muapi Logomuapi Logo

Wan 3.0 参考素材转视频: 图像转视频

使用 Wan 3.0，根据参考图像、视频和音频生成视频。让角色和风格在整个场景中保持一致。按次生成付费。 Wan 3.0 参考素材转视频可根据文本提示词以及最多 10 张参考图像、5 个参考视频和 5 个参考音频生成视频，让角色、风格和声音在生成场景中保持一致。参考素材按照各数组中的排列顺序进行识别，因此提示词可以直接指代“第一张参考图像中的人物”或“参考视频中的人物”。你可以选择 480p、720p 或 1080p 输出、五种画面比例，以及 2 到 30 秒的时长；提供参考视频时，其总时长加上生成视频时长必须保持在 30 秒以内。如需不使用参考素材的普通文生视频，请参阅 Wan 3.0 文生视频；如需制作单张源图像的动画，请参阅 Wan 3.0 图生视频。如需更高保真度的 Prime 档位，请参阅 Wan 3.0 Prime 参考素材转视频。如需相同请求结构下更大胆、对比度更高的版本，请参阅 Wan 3.0 Spicy 参考素材转视频。

交互式模型控制

使用 Wan 3.0，根据参考图像、视频和音频生成视频。让角色和风格在整个场景中保持一致。按次生成付费。

📝

概览

关于此模型

Wan 3.0 参考素材转视频可根据文本提示词以及最多 10 张参考图像、5 个参考视频和 5 个参考音频生成视频，让角色、风格和声音在生成场景中保持一致。参考素材按照各数组中的排列顺序进行识别，因此提示词可以直接指代“第一张参考图像中的人物”或“参考视频中的人物”。你可以选择 480p、720p 或 1080p 输出、五种画面比例，以及 2 到 30 秒的时长；提供参考视频时，其总时长加上生成视频时长必须保持在 30 秒以内。如需不使用参考素材的普通文生视频，请参阅 Wan 3.0 文生视频；如需制作单张源图像的动画，请参阅 Wan 3.0 图生视频。如需更高保真度的 Prime 档位，请参阅 Wan 3.0 Prime 参考素材转视频。如需相同请求结构下更大胆、对比度更高的版本，请参阅 Wan 3.0 Spicy 参考素材转视频。

1角色一致性：使用参考图像，让角色外观延续到新的生成场景中。
2风格迁移：将参考视频的视觉风格应用到由提示词驱动的新镜头中。
3音轨匹配：让生成的视频与现有参考音频轨道保持同步。
4多参考构图：将多张参考图像和一个参考视频组合成连贯的场景。
💰

价格与价值

成本分析

muapiappFrom $0.10 per generation (720p, 2s) up to $6.00 (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。

Replicate暂不可用

目前 Replicate 未列出 Wan 3.0。

** 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

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 参考素材转视频

  1. 编写提示词：描述场景，并按照参考素材在数组中的顺序指代它们，例如“第一张参考图像中的人物”。

  2. 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。

  3. 设置输出画幅：选择 resolution（480p、720p、1080p）、aspect_ratio 和 duration（2–30 秒；如果提供参考视频，其时长加上输出时长必须不超过 30 秒）。

  4. 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。

  5. 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。

curl -X POST https://api.muapi.ai/api/v1/wan3.0-reference-to-video \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "参考图像中的人物走进参考视频所展示的房间。",
    "images_list": ["https://example.com/character.jpg"],
    "videos_list": ["https://example.com/room.mp4"],
    "resolution": "720p",
    "duration": 5
  }'
❓

常见问题

常见问答

Wan 3.0 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、视频和音频生成视频，让角色、风格和声音与所提供的参考素材保持一致。

每次请求可以发送多少个参考文件？

每次请求最多可以发送 10 张参考图像、5 个参考视频和 5 个参考音频。

模型如何知道每个参考素材分别是什么？

参考素材按照它们在各数组中的排列顺序进行识别，因此提示词可以指代“第一张参考图像”或类似的序数表达。

使用参考视频时有时长限制吗？

有。提供参考视频时，所有参考视频的总输入时长加上生成视频时长不得超过 30 秒。

支持哪些分辨率和画面比例，如何计费？

支持 480p、720p 和 1080p，以及五种画面比例（16:9、9:16、1:1、4:3、3:4）。费用会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。