参考生视频

以参考图片/参考视频中的主体形象（人物、角色、物品等）为基准生成视频，并在提示词中通过引用语法指定各参考素材的用途。适用于需要保持角色一致性的连续创作。

参考生视频有两套协议，请求体结构不同：

模型	协议	参考素材字段	提示词引用语法	分辨率参数	音频	多镜头
`wan2.7-r2v`、`wan2.7-r2v-2026-06-12`	新版	`input.media`（对象数组，type + url）	中文「图1 / 视频1」，英文「Image 1 / Video 1」，图与视频分别计数	`parameters.resolution`（`720P`/`1080P`）	默认生成有声视频；支持 `reference_voice` 音色参考	不支持 `shot_type`，在 prompt 中写分镜脚本
`wan2.6-r2v`	旧版	`input.reference_urls`（字符串数组）	`character1`、`character2`（图和视频按数组顺序统一计数）	`parameters.size`（宽高，如 `1280720`）	不支持 `audio` 参数（仅 flash 版支持）	`parameters.shot_type`（`single`/`multi`）
`wan2.6-r2v-flash`	旧版	同 `wan2.6-r2v`	同上	同上	支持 `audio`（true 有声 / false 无声）	同上

备注

当前在售的参考生视频型号为 wan2.7-r2v，以模型广场为准。旧版协议型号暂未上架，相关参数仅供参考。

提示词引用语法

提示词中通过编号引用参考素材，编号与素材在数组中的顺序一致。

wan2.7-r2v（图与视频分别计数）

中文用「图1、图2」指代参考图片，「视频1、视频2」指代参考视频；英文写 Image 1、Video 1（字母与数字间有空格，首字母大写）。

第 1 个 reference_image 即「图1」，第 1 个 reference_video 即「视频1」，两者可同时存在。

只有一张图/一个视频时，可直接写「参考图片」/「参考视频」。

支持「图1在图2里玩耍」或「图1的猫在图2的房间里玩耍」两种写法。

参考图为多宫格（故事板）时，建议按分镜脚本描述，且单次仅传一张多宫格图。

wan2.6-r2v（统一计数）

用 character1、character2 引用参考角色：reference_urls 中第 1 个 URL 即 character1，第 2 个即 character2，以此类推（不区分图片或视频）。

每个参考素材应仅包含单一角色。

创建任务

POST https://platform.shuyanai.com/ali/api/v1/services/aigc/video-generation/video-synthesis

请求头

参数	类型	必填	说明
`Content-Type`	string	是	`application/json`
`Authorization`	string	是	`Bearer sk-xxx`

官方要求的 X-DashScope-Async: enable 头由平台自动补充，无需携带。

请求示例（wan2.7-r2v）

请求体：wan2.7-r2v（新版协议）

参数	类型	必填	默认值	说明
`model`	string	是		`wan2.7-r2v` 或 `wan2.7-r2v-2026-06-12`
`input.prompt`	string	是		提示词，中英文，不超过 5000 字符（超出截断）。引用语法见上文
`input.negative_prompt`	string	否		反向提示词，不超过 500 字符
`input.media`	array of object	是		参考素材数组。首帧图像最多 1 张；参考图像 + 参考视频至少 1 个且合计不超过 5 个；素材为主体角色时应仅含单一角色
`input.media[].type`	string	是		素材类型： `reference_image`：参考图像（主体角色/场景参考） `reference_video`：参考视频（主体角色 + 音色参考，不建议空镜） `first_frame`：首帧图像（可与主体参考联合控制）
`input.media[].url`	string	是		素材地址。图像支持公网 HTTP(S) URL 或 Base64（`data:{MIME_type};base64,{data}`）；视频支持公网 HTTP(S) URL
`input.media[].reference_voice`	string	否		音频 URL，指定该素材主体角色的音色（仅参考音色，与说话内容无关）。参考视频含音频且未指定时默认用视频原声；同时传入时 `reference_voice` 优先。建议音频语种与提示词语种一致
`parameters.resolution`	string	否	1080P	分辨率档位：`720P`/`1080P`，影响费用
`parameters.ratio`	string	否	16:9	宽高比：`16:9`/`9:16`/`1:1`/`4:3`/`3:4`。已传首帧图像时忽略，按首帧宽高比生成近似比例
`parameters.duration`	integer	否	5	视频时长（秒），影响费用。参考素材含视频时取 2–10 整数；不含视频时取 2–15 整数
`parameters.prompt_extend`	boolean	否	true	提示词智能改写，短提示词提升明显，但增加耗时
`parameters.watermark`	boolean	否	false	右下角「AI生成」水印
`parameters.seed`	integer	否	随机	取值 [0, 2147483647]；相同 seed 也不保证结果完全一致

请求体：wan2.6-r2v（旧版协议）

参数	类型	必填	默认值	说明
`model`	string	是		`wan2.6-r2v` 或 `wan2.6-r2v-flash`
`input.prompt`	string	是		提示词，不超过 1500 字符。用 `character1`、`character2` 引用参考角色
`input.negative_prompt`	string	否		反向提示词，不超过 500 字符
`input.reference_urls`	array of string	是		参考文件 URL 数组，图/视频混传：图像 0–5 个、视频 0–3 个、合计不超过 5 个，影响费用。旧字段 `reference_video_urls` 已废弃
`parameters.size`	string	否	1920*1080	输出分辨率，必须写具体像素「宽高」（不能写 `1:1` 或 `720P`），影响费用。 720P 档：`1280720`(16:9)、`7201280`(9:16)、`960960`(1:1)、`1088832`(4:3)、`8321088`(3:4) 1080P 档：`19201080`(16:9)、`10801920`(9:16)、`14401440`(1:1)、`16321248`(4:3)、`1248*1632`(3:4)
`parameters.duration`	integer	否	5	视频时长（秒），取 2–10 整数，影响费用
`parameters.shot_type`	string	否	single	镜头类型：`single` 单镜头 / `multi` 多镜头；优先级高于 prompt 中的描述
`parameters.audio`	boolean	否	true	仅 `wan2.6-r2v-flash` 支持。`true` 有声 / `false` 无声（生成无声视频须显式设为 false），影响费用
`parameters.watermark`	boolean	否	false	右下角「AI生成」水印
`parameters.seed`	integer	否	随机	取值 [0, 2147483647]

警告

wan2.6-r2v 的参考素材字段是 reference_urls（数组，图/视频混传）。其他字段名（如 ref_imgs）会被拒绝，报错 please provide reference_video_urls or reference_urls。

参考素材限制

素材	数量	格式	尺寸/时长	大小
参考图像	wan2.7：图 + 视频合计不超过 5；wan2.6：图 0–5 且图 + 视频合计不超过 5	JPEG、JPG、PNG（不支持透明通道）、BMP、WEBP	宽高 240–8000 px；wan2.7 要求宽高比 1:8–8:1	不超过 20 MB
参考视频	wan2.7：图 + 视频合计不超过 5；wan2.6：视频 0–3	MP4、MOV	时长 1–30 秒；wan2.7 要求宽高 240–4096 px、宽高比 1:8–8:1	不超过 100 MB
首帧图像（仅 wan2.7 `first_frame`）	最多 1 张	同参考图像	同参考图像	不超过 20 MB
参考音频（仅 wan2.7 `reference_voice`）	每个素材可挂 1 个	WAV、MP3	时长 1–10 秒	不超过 15 MB

计费说明

计费时长取查询结果中的 usage.duration：duration = 输入参考视频时长 + 输出视频时长。例如输入参考视频 5 秒 + 输出 10 秒，按 15 秒计；纯参考图输入时 input_video_duration 为 0。

影响费用的参数：分辨率（wan2.7 的 resolution / wan2.6 的 size）、duration、参考视频时长、audio（仅 wan2.6-r2v-flash）。单价以模型广场为准。

响应示例

成功：

{
  "output": {
    "task_status": "PENDING",
    "task_id": "0385dc79-5ff8-4d82-bcb6-xxxxxx"
  },
  "request_id": "4909100c-7b5a-9f92-bfe5-xxxxxx"
}

失败：

{
  "code": "InvalidParameter",
  "message": "please provide reference_video_urls or reference_urls",
  "request_id": "7438d53d-xxxx"
}

响应字段

字段	类型	说明
`output.task_id`	string	任务 ID，用于查询，有效期 24 小时
`output.task_status`	string	任务状态，创建成功时为 `PENDING`
`request_id`	string	请求唯一标识
`code` / `message`	string	仅创建失败时返回错误码与详情

查询任务

用创建任务返回的 task_id 轮询任务状态，成功后从 output.video_url 获取视频地址：

GET https://platform.shuyanai.com/ali/api/v1/tasks/{task_id}

详见 09-查询任务。

03-参考生视频

参考生视频#

提示词引用语法#

创建任务#

请求头#

请求示例（wan2.7-r2v）#

请求体：wan2.7-r2v（新版协议）#

请求体：wan2.6-r2v（旧版协议）#

参考素材限制#

计费说明#

响应示例#

响应字段#

查询任务#

参考生视频

提示词引用语法

创建任务

请求头

请求示例（wan2.7-r2v）

请求体：wan2.7-r2v（新版协议）

请求体：wan2.6-r2v（旧版协议）

参考素材限制

计费说明

响应示例

响应字段

查询任务