Przejdź do treści głównej

Wan 3.0 reference-to-video od Alibaba utrzymuje spójność postaci, stroju, miejsca lub głosu dzięki maks. 10 obrazom, 5 wideo i 5 plikom audio. Zwraca 2–30 sekund w 480p–1080p, a prompt jest opcjonalny.

Od $0.045/s10% poniżej ceny katalogowej twórcy modelu

Obszar roboczy

Te przykłady napisano specjalnie dla tego endpointu. Podmień prompt i przykładowe adresy mediów na własne, dostępne materiały, a przed wysłaniem sprawdź aktualną wycenę i dostępność modelu.

  • Wyjście5 s
    two-refs-deco-casino

    Trzy referencje, trzy role, nazwane w kolejności przesyłania: Image 1 to kobieta, Image 2 mężczyzna, Image 3 kasyno. Jej fale w stylu retro i czarna sukienka z frędzlami, jego frak i poluzowana muszka oraz złocona kopuła, żyrandole i stoły do ruletki pochodzą z obrazów; prompt dodaje tylko akcję – ona dmucha na kulkę na szczęście, on kręci kołem, ona się śmieje i przesuwa palcami po jego muszce. `duration_seconds` `5` przy `720p`, `16:9`.

    • 720p
    • 16:9
    • audio
  • Wyjście8 s
    character-and-room

    `reference_image_urls` utrzymuje dwie role w ustalonej kolejności — najpierw postać, potem pokój — dzięki czemu „pierwszy obraz” i „drugi obraz” z promptu odpowiadają im bez żadnej składni etykietowania. Zachowuje ona twarz, włosy i czarną sukienkę halkę z pierwszej planszy; lampa, drzwi i okno pochodzą z drugiej. Przy `resolution` `720p`, `duration_seconds` na `8`, powolny boczny jazd podąża za nią całą drogę do okna. `seed` `771120` odtwarza to przejście.

    • 771120
    • 720p
    • 16:9
  • Wyjście10 s
    voice-matched-monologue

    `reference_audio_urls` dostarcza głos, a `reference_image_urls` dostarcza twarz i strój — osobne referencje, osobne funkcje, bo ujęcie typu „talking head” z niewłaściwym głosem za znajomą twarzą brzmi źle, nawet gdy obraz jest poprawny. Prompt dodaje tylko inscenizację: siedzi przy kuchennym stole, jedna dłoń obejmuje kubek, spojrzenie unosi się, zanim zacznie mówić. `duration_seconds` na `10` zostawia miejsce na ten moment przed kwestią, przy `resolution` `720p`.

    • 720p
    • 10s

Ten przykład zaczyna się od $0.045 za sekundę wyniku. Playground przelicza szacunek po każdej zmianie ustawień.