Alibaba WAN 2.5
alibaba/wan-2.5/text-to-video
Alibaba WAN 2.5 现已支持从 480p 到 1080p 的文生视频与图生视频,并具备精准的音画同步功能。相比 Google Veo 3,它生成速度更敏捷,成本更低廉。依托即开即用的 REST 推理 API,您可以获得零冷启动的顶级性能表现,在保证极致性价比的同时,大幅提升创作效能。
示例
参数
| 名称 | 类型 | 默认 | 约束 | 说明 |
|---|---|---|---|---|
| prompt *提示词 | textarea | — | ≤ 5000 chars | 用于生成的正向提示词。 |
| negative_prompt反向提示词 | textarea | — | ≤ 5000 chars | 用于生成的反向提示词。 |
| audio音频 url | audio_upload | — | — | 用于指导生成的音频 URL(可选)。 |
| size尺寸 | select | 1920*1080 | 1920*1080 | 1080*1920 | 1440*1440 | 1632*1248 | 1248*1632 | 1280*720 | 720*1280 | 960*960 | … | 生成媒体的尺寸,以像素为单位(宽度*高度)。 |
| duration时长 | select | 5 | 5 | 10 | 15 | 生成媒体的时长,以秒为单位。 |
| prompt_extend启用提示词扩展 | boolean | false | — | 如果设置为 true,将启用提示词优化器。 |
| seed随机种子 | number | -1 | — | 用于生成的随机种子。-1 表示将使用随机种子。 |
API
通过统一 REST API 调用本模型;在 API Keys 页获取密钥。
cURL
# 1) Submit — returns { "task_uuid": "..." }
curl -X POST "https://www.namifusion.com/api/v1/marketplace/run/alibaba/wan-2.5/text-to-video" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"input": {
"prompt": "A serene sunset over a calm ocean with gentle waves and a silhouetted sailboat on the horizon.",
"negative_prompt": "crowded beach, noisy environment, stormy weather",
"size": "1920*1080",
"duration": 10,
"prompt_extend": true,
"seed": 42
}
}'
# 2) Poll until status is "completed", then read the output URLs
curl "https://www.namifusion.com/api/v1/marketplace/run/tasks/TASK_UUID" \
-H "Authorization: Bearer YOUR_API_KEY"Python
import time, requests
API_KEY = "YOUR_API_KEY"
HEADERS = {"Authorization": f"Bearer {API_KEY}"}
# 1) Submit
resp = requests.post(
"https://www.namifusion.com/api/v1/marketplace/run/alibaba/wan-2.5/text-to-video",
headers=HEADERS,
json={
"input": {
"prompt": "A serene sunset over a calm ocean with gentle waves and a silhouetted sailboat on the horizon.",
"negative_prompt": "crowded beach, noisy environment, stormy weather",
"size": "1920*1080",
"duration": 10,
"prompt_extend": True,
"seed": 42
}
},
)
resp.raise_for_status() # 401/402/429/5xx stop here instead of polling a bad task
task = resp.json()
# 2) Poll until a terminal state (completed / failed / cancelled).
# This model is allowed up to 300s server-side.
deadline = time.time() + 360
while task.get("status") not in ("completed", "failed", "cancelled"):
if time.time() > deadline:
raise TimeoutError(f"still {task.get('status')} — keep the task_uuid and poll later")
time.sleep(3)
poll = requests.get(f"https://www.namifusion.com/api/v1/marketplace/run/tasks/{task['task_uuid']}", headers=HEADERS)
poll.raise_for_status()
task = poll.json()
print(task["status"], task.get("output"))JavaScript
const API_KEY = "YOUR_API_KEY";
const HEADERS = { Authorization: `Bearer ${API_KEY}` };
// 1) Submit
const resp = await fetch("https://www.namifusion.com/api/v1/marketplace/run/alibaba/wan-2.5/text-to-video", {
method: "POST",
headers: { ...HEADERS, "Content-Type": "application/json" },
body: JSON.stringify({
"input": {
"prompt": "A serene sunset over a calm ocean with gentle waves and a silhouetted sailboat on the horizon.",
"negative_prompt": "crowded beach, noisy environment, stormy weather",
"size": "1920*1080",
"duration": 10,
"prompt_extend": true,
"seed": 42
}
}),
});
if (!resp.ok) throw new Error(`submit failed: ${resp.status} ${await resp.text()}`);
let task = await resp.json();
// 2) Poll until a terminal state (completed / failed / cancelled).
// This model is allowed up to 300s server-side.
const deadline = Date.now() + 360 * 1000;
while (!["completed", "failed", "cancelled"].includes(task.status)) {
if (Date.now() > deadline) throw new Error(`still ${task.status} — keep the task_uuid and poll later`);
await new Promise((r) => setTimeout(r, 3000));
const poll = await fetch(`https://www.namifusion.com/api/v1/marketplace/run/tasks/${task.task_uuid}`, { headers: HEADERS });
if (!poll.ok) throw new Error(`poll failed: ${poll.status}`);
task = await poll.json();
}
console.log(task.status, task.output);文档
WAN 2.5 Text-to-Video
通过文本提示直接生成电影级视频内容。
WAN 2.5 Text-to-Video 是新一代 AI 视频生成模型,可将自然语言描述转换为动态视频片段。相比之前的 WAN 系列模型,它在运动表现、场景理解和帧间一致性方面都有显著提升。该模型能够根据文本提示生成具有连贯场景和自然动态的视频内容。通过生产级 REST 推理 API,开发者和创作者可以轻松将文本生成视频能力集成到应用程序、创意工具以及自动化内容生产流程中。
🚀 核心功能
-
文本生成视频(Text-to-Video)
将自然语言提示转换为具有连贯场景和自然运动效果的视频片段。 -
增强的运动表现
WAN 2.5 在帧间运动表现上更加平滑和真实。 -
更强的场景理解能力
模型能够更准确地理解复杂提示词,并生成视觉一致的环境和场景。 -
多分辨率输出
支持多种分辨率输出,以满足不同内容生产需求。 -
生产级 API
通过 REST API 可轻松集成到应用程序、创意工具和自动化工作流中。
🛠 工作原理
| 参数 | 说明 |
|---|---|
| 输入 | 文本提示(Text Prompt) |
| 输出 | 生成的视频 (MP4) |
| 分辨率选项 | 480p、720p、1080p |
| 视频时长 | 通常为 5 秒 |
| Seed | 默认:-1(随机) |
生成示例
- 场景生成: “夕阳下的未来城市天际线,空中飞行汽车穿梭其中。”
- 人物动作: “一位年轻女性在霓虹灯街道中缓慢行走。”
- 产品展示: “一只奢华手表在黑色反射桌面上缓慢旋转。”
- 电影效果: “海浪以慢动作拍打在陡峭的海岸岩石上。”
💰 定价
| 分辨率 | 价格 (美元/秒) |
|---|---|
| 480p | $0.05 |
| 720p | $0.10 |
| 1080p | $0.15 |
💡 典型应用场景
-
社交媒体内容创作
为 TikTok、Instagram 或 YouTube Shorts 生成吸引人的短视频内容。 -
广告与营销
通过简单的文本描述快速生成产品展示或营销创意视频。 -
创意故事板制作
在正式视频制作前快速可视化场景和创意。 -
AI 内容生产流水线
将自动化视频生成能力集成到大规模媒体制作流程中。
🔗 相关模型
- 如果需要 图片生成视频 → WAN 2.5 Image-to-Video
- 如果需要 基础文本视频生成 → WAN 2.2 Text-to-Video Plus
- 如果需要 延长已有视频片段 → WAN Spicy Video Extend
注意:生成质量取决于提示词的清晰度和场景复杂度。描述越具体,生成效果通常越好。
相关模型
xAI Grok Imagine Video v1.5 文生视频
根据文本提示词生成 1-15 秒视频,支持 480p、720p 和 1080p。
MiniMax H3 文生视频
MiniMax H3 文生视频可根据提示词生成连贯的 2K 视频,支持 4–15 秒灵活时长,以及六种可选宽高比,适用于电影感场景、创意视频和生产工作流。提供开箱即用的 REST 推理 API,性能出色,无冷启动,价格实惠。
Kling Omni Video O3 文本生成视频
Kling Omni Video O3 是快手的先进统一多模态视频模型,采用MVL(多模态视觉语言)技术。文本生成视频模式可通过提示词生成具有主体一致性、自然物理模拟和精准语义理解的电影级视频。支持音频生成。即用型REST API,性能卓越,无冷启动,价格实惠。
Kling Omni Video O1 文本生成视频
Kling Omni Video O1 是快手首款统一多模态视频模型,采用 MVL(多模态视觉语言)技术。文本生成视频模式可根据提示词生成电影级视频,具备主体一致性、自然物理模拟和精准语义理解。支持即用型 REST API,性能卓越,无冷启动,价格实惠。
Kling 3.0 Standard
Kling 3.0 标准版提供高质量的文本生成视频功能,具有流畅的运动效果、电影级视觉效果、精准的提示词匹配以及原生音频,适合直接分享的短片。支持即用型 REST 推理 API,性能卓越,无冷启动,价格实惠。
Kling V2.6 文本生成视频 API
Kling 2.6 提供顶级的文本生成视频功能,具有流畅的运动效果、电影级视觉效果、强大的提示词匹配能力,以及原生音频支持,可直接分享视频片段。即用型 REST 推理 API,性能卓越,无冷启动,价格实惠。
Gemini Omni Flash 文生视频 API
Gemini Omni Flash Text to Video 可根据文本提示词生成带同步音频的短篇 AI 视频,结合视觉生成与音频输出,实现快速多模态视频创作。即开即用的 REST 推理 API,性能出色,无冷启动,价格实惠。
Seedance 2.0 Mini 文本生成视频
Seedance 2.0 Mini 文本生成视频是字节跳动推出的更快、更低成本的视频生成模型,适合制作电影感多镜头视频。它可根据文本提示词生成叙事视频序列,支持 AI 镜头控制、跨场景角色一致性、480P / 720P / 1080P / 4K 输出、4-15 秒时长以及灵活的宽高比。提供开箱即用的 REST 推理 API,性能出色,无冷启动,价格实惠。