Wan 2.2 Fast Text to Video API

alibaba/wan/v2.2-a14b/text-to-video/turbo

Wan 2.2 Fast Text to Video 将自然语言提示词快速转化为支持 480p 与 720p 分辨率的高清流畅视频片段,具备高效的生成速度与灵活的横竖屏画幅适配能力。模型能够精准理解复杂的场景构图与运镜指令,在全片中保持高度的物理连贯性与主体时空一致性。

输入

530/800

输出
样例输出
480p · 6 积分 ($0.030) / 次
继续使用

示例

Full-body portrait-format shot of one adult contemporary dancer in a flowing deep burgundy skirt in a quiet sunlit rehearsal studio with a wooden floor and tall windows, no mirrors. She makes one slow graceful turn on the spot, then settles into a balanced standing pose as the skirt falls naturally around her legs. Her feet remain in contact with the floor and her arms move gently with the turn. Locked camera, entire body and feet always visible, soft daylight, realistic anatomy, one continuous shot, no other people, no text or logos.

Handcrafted clay stop-motion animation in a warm miniature library. Close medium shot, chest up, of one small teal clay robot nestled between tall worn books. The robot has a round clay head, two large amber eyes, a short neck and a simple solid torso, with visible clay fingerprints. At first its face looks toward the books on the right. In one gentle continuous action it slowly turns its head toward the camera and holds a curious attentive expression. Its torso remains still. Locked camera, shallow depth of field, soft dusty window light across tactile paper and clay surfaces, the same single robot and face throughout. Cozy and charming, no scene cuts, no text or logos.

Wan 2.2 Fast Text to Video

Wan 2.2 Fast Text to Video 是阿里巴巴通义实验室推出的超高速文生视频模型,专为快速创意迭代、自动化社媒视频分发以及规模化内容生产流水线量身打造。支持标准 16:9 横屏与 9:16 竖屏两种主流视频比例,提供 480p 与 720p 两个清晰度档位,单次生成仅需 6 积分($0.030)起,助力创作者与开发者高效实现批量视频创作。

核心优势

  • 高效 MoE 混合专家架构依托 27B 参数底座,单步推理仅激活 14B 参数,在保障动作真实与物理规律的前提下显著提升生成速度。

  • 原生支持 16:9 与 9:16 双画幅完美适配桌面与横屏展示的 16:9,以及抖音、TikTok、视频号等短视频平台主流的 9:16 竖屏格式。

  • 480p 与 720p 双档位设计提供 480p 极速低成本预检档位与 720p 高清成品输出档位,兼顾构思探索效率与最终交付画质。

  • 细腻的提示词与运镜理解力支持最长 800 字符的自然语言描述,能够灵敏感知主体动作、环境光影及平移、俯仰等各类镜头轨迹调度。

  • 透明低门槛的计费保障单次生成 6 积分($0.030)起,计费清晰确定,若因服务异常导致任务失败将自动全额退还已扣除积分。

参数列表

参数必填说明
prompt是

必填非空字符串,去除首尾空白后最多 800 个 Unicode 字符。

默认值-
aspect_ratio否

画面比例:16:9 或 9:16。

默认值16:9
resolution否

输出分辨率:480p 或 720p。

默认值720p
seed否

可选随机种子,用于复现结果。

默认值-

使用步骤

  1. 构思编写场景提示词在 800 字符限额内描述主体细节、环境氛围、光影层次及具体镜头运动方向。

  2. 设定视频画面比例根据发布终端选择 16:9 横屏规格或 9:16 竖屏画幅。

  3. 选择输出清晰度档位追求快速测试选择 480p(6 积分),追求精细画质选择 720p(12 积分)。

  4. 指定随机种子(可选)设置特定的整数 seed 以便在相同提示词下复现画面构图或进行微调对比。

  5. 提交请求并获取结果发起生成请求,通过轮询或 Webhook 接收完成状态,下载生成的 MP4 视频直链。

计费说明

按次生成计费。1 积分 = $0.005。

规格价格详情
480p6 积分/次$0.030/次
720p12 积分/次$0.060/次

最佳应用场景

  • 社交媒体竖屏短视频创作根据热门话题脚本快速生成 9:16 竖屏动画与短剧分镜,大幅缩短内容从构思到上架的周期。

  • 商业广告创意动态分镜将创意剧本文案转化为动态演示视频,供制作团队评估节奏、镜头转场与视效表现。

  • 电商营销与动态展示背景为促销活动、产品发布及网页设计快速输出具有丰富动态张力的高清背景视觉。

  • 概念设计与灵感探索在创意策划初期通过极短生成时间尝试多种风格与镜头角度,实现高效的视觉试错。

专业技巧

  • 明确区分主体动作与镜头运动:在提示词中建议分别描述主体在做什么以及镜头如何跟随(例如:'红色跑车在日落沿海公路上飞驰,镜头平滑向后拉远并微仰')。
  • 强化环境物理与光影质感:加入诸如'丁达尔光束'、'雨后地面积水反射'、'微风吹拂发丝'等具体物理特征描写,画面层次将更生动。
  • 善用 480p 进行低成本提示词调优:在确定提示词和分镜设计前,先以 480p(6 积分)测试构图与动作连贯性,满意后再以 720p 生成最终成片。
  • 遵循时序逻辑避免冲突描述:在 800 字符内保持动作描述的时序单向推进,避免前后镜头指令冲突导致动作形变。
  • 固定 Seed 实施局部微调:在调整提示词细节时保持 seed 固定不变,以便精准评估单项提示词改动对画面产生的影响。

注意事项

  • 仅支持纯文本生成模式:Wan 2.2 Fast Text to Video 端点仅接受文本提示词输入,不接受图片直链或参考图作为输入源。
  • 严格 800 字符长度上限:prompt 字段在去除首尾空格后不可超过 800 个 Unicode 字符,超长请求将直接返回 HTTP 400 校验错误。
  • 受支持的比例与分辨率:画面比例必须为 '16:9' 或 '9:16',分辨率必须为 '480p' 或 '720p',不支持任意自定义像素尺寸。
  • 异步轮询与失败退款保障:任务通过 task_id 异步轮询获取结果。若因不可抗力或服务端异常导致任务状态进入 failed,系统将自动全额退还扣除积分。

相关模型

Wan 2.2 Fast Text to Video API 常见问题

什么是 Wan 2.2 Fast Text to Video API?

Wan 2.2 Fast Text to Video 是阿里巴巴推出的文生视频模型。它能将自然语言提示词快速转化为支持 480p 与 720p 分辨率的高清流畅视频片段,原生支持 16:9 横屏与 9:16 竖屏两种主流画幅。你可以通过 API 进行程序化调用,也可以在上方体验区直接在线试用。

Wan 2.2 Fast Text to Video 支持哪些输出分辨率?

Wan 2.2 Fast Text to Video 支持 480p 与 720p 两种清晰度规格。480p 档位响应更快且成本极低,适合大批量创意发散与原型检验;720p 档位画面细腻度与纹理细节更丰富,适合直接用于成品内容交付。

Wan 2.2 Fast Text to Video 支持哪些画面比例?

Wan 2.2 Fast Text to Video 支持两种画面比例:标准 16:9 横屏(适用于电脑桌面、电视及主流宽屏视频)以及 9:16 竖屏(适用于抖音、TikTok、快手、视频号等手机竖屏平台)。可通过 aspect_ratio 参数进行设定。

Wan 2.2 Fast Text to Video 的提示词字符长度上限是多少?

prompt 参数在去除首尾空格后最多允许输入 800 个 Unicode 字符。超过 800 字符的请求将被系统直接以 HTTP 400 校验错误拦截,请在限额内聚焦主体、场景细节及运镜动势的核心描述。

Wan 2.2 Fast Text to Video 的调用费用是多少?

按次计费,费率因分辨率档位而异:480p 单次生成收取 6 积分($0.030),720p 单次生成收取 12 积分($0.060)。提交时扣费,若任务因系统异常最终 failed,积分将自动原路全额退还。

Wan 2.2 Fast Text to Video 的 seed 参数有什么作用?

seed 为可选的整数随机种子。在提示词和画幅比例不变的情况下,传入相同的 seed 可以复现高度一致的画面构图与风格走势,方便针对性地调整局部提示词;留空则每次生成采用随机种子。

Wan 2.2 Fast 与其他 Wan 模型有什么区别?

Wan 2.2 Fast 主打超高生成速度与高性价比,支持 480p 与 720p 视频生成。而标准版 Wan 2.6 或 Wan 2.7 则侧重于更长运镜叙事控制与 1080p 超高画质,算力消耗与生成耗时相应更高。

如何通过 API 获取 Wan 2.2 Fast Text to Video 的生成视频?

向 POST /api/generate/submit 提交请求后,读取返回的 task_id。状态为 not_started 或 running 时,使用 GET /api/generate/status/{task_id} 继续轮询;到达 finished 或 failed 时停止。成功时从 data.files[].file_url 获取视频链接,失败时读取 data.error_message。