描述主体、动作与镜头，通过 Wan2.7 创作短视频。可在文字中安排多个镜头，也可另行提供驱动音频。
按确认的实际用量结算，未使用的预留额度会恢复到可用余额。
Alibaba
描述主体、动作与镜头，通过 Wan2.7 创作短视频。可在文字中安排多个镜头，也可另行提供驱动音频。
实际处理成功后获得一个 720P 或 1080P 的 H.264 MP4。本例仅用文字请求六秒竖屏茶杯场景：先看雨窗旁的全景，再特写升起的蒸汽，完成后检查实际镜头、转场与声音再保存。
请把[雨窗旁的一只陶瓷茶杯]做成[短视频]：先展示[茶杯和窗户在一起的画面]，再靠近[杯口升起的热气]。我不提供[音乐]，但成片仍可能自动带有背景音乐或音效。
分镜和时间点表达创作意图，不保证精确切换、时序或连续性。不提供音频也可能生成背景音乐或音效；细节、语音和口型仍需检查。处理耗时会变化，提交不等于成片，新下载链接通常约 24 小时有效。
开始前检查当前输入要求、可用状态和最高预留费用。
| 字段 / 路径 | 类型 | 是否必填 | 含义 |
|---|---|---|---|
bodybody | object | 必填 |
|
生成种子body.seed | integer | 选填 | 可选整数，范围为 0 至 2147483647。重复使用种子可复用随机起点，但不保证画面、分镜时间或声音相同。
|
视频画幅body.ratio | string | 选填 | 可选 16:9、9:16、1:1、4:3 或 3:4，默认 16:9。茶杯竖屏示例选择 9:16。它用于选择画幅形状，不决定分镜顺序或镜头构图。
|
场景与分镜描述body.prompt | string | 必填 | 必填非空文字，最多 5000 个字符。可描述主体、动作、风格和镜头。多个镜头的顺序与期望时间段写在文字中；这些指示不保证精确切换、时序或连续性。
|
请求的视频时长body.duration | integer | 选填 | 可选整数，范围为 2 至 15 秒，默认 5 秒。它用于整段生成视频，包括描述中请求的各个镜头。茶杯示例设为 6 秒，分镜时间段仍只是创作指导。
|
驱动音频链接body.audio_url | string | 选填 | 可选非空公开 HTTPS 音频链接，文件须为 WAV 或 MP3，长 2–30 秒，最多 15 MB。不接受 HTTP、Base64 或本地文件输入。音频较长时取开头与视频时长相对应的一段，较短时剩余视频静音；不提供音频时，模型可能生成背景音乐或音效。不保证音画时序、口型或音轨保留。
|
生成内容标记body.watermark | boolean | 选填 | 可选布尔值，默认 false。设为 true 时请求在短片中添加 AI Generated 水印。
|
输出分辨率档位body.resolution | string | 选填 | 可选 720P 或 1080P，本工具默认 720P。茶杯示例请求 720P；更高档位不保证主体、文字或转场更准确。
|
扩写描述body.prompt_extend | boolean | 选填 | 可选布尔值，默认 true。允许模型在生成前改写描述，可能增加处理时间；不保证质量或对分镜计划的遵循程度。
|
希望避免的内容body.negative_prompt | string | 选填 | 可选文字，最多 500 个字符，用于描述不希望出现的元素。它只是生成指导，不保证完全排除。
|
{
"type": "object",
"required": [
"body"
],
"properties": {
"body": {
"type": "object",
"$schema": "https://json-schema.org/draft/2020-12/schema",
"required": [
"prompt"
],
"~standard": {
"vendor": "zod",
"version": 1,
"jsonSchema": {}
},
"properties": {
"seed": {
"type": "integer",
"maximum": 2147483647,
"minimum": 0,
"description": "可选整数，范围为 0 至 2147483647。重复使用种子可复用随机起点，但不保证画面、分镜时间或声音相同。"
},
"ratio": {
"enum": [
"16:9",
"9:16",
"1:1",
"4:3",
"3:4"
],
"type": "string",
"default": "16:9",
"description": "可选 16:9、9:16、1:1、4:3 或 3:4，默认 16:9。茶杯竖屏示例选择 9:16。它用于选择画幅形状，不决定分镜顺序或镜头构图。"
},
"prompt": {
"type": "string",
"maxLength": 5000,
"minLength": 1,
"description": "必填非空文字，最多 5000 个字符。可描述主体、动作、风格和镜头。多个镜头的顺序与期望时间段写在文字中；这些指示不保证精确切换、时序或连续性。"
},
"duration": {
"type": "integer",
"default": 5,
"maximum": 15,
"minimum": 2,
"description": "可选整数，范围为 2 至 15 秒，默认 5 秒。它用于整段生成视频，包括描述中请求的各个镜头。茶杯示例设为 6 秒，分镜时间段仍只是创作指导。"
},
"audio_url": {
"type": "string",
"minLength": 1,
"description": "可选非空公开 HTTPS 音频链接，文件须为 WAV 或 MP3，长 2–30 秒，最多 15 MB。不接受 HTTP、Base64 或本地文件输入。音频较长时取开头与视频时长相对应的一段，较短时剩余视频静音；不提供音频时，模型可能生成背景音乐或音效。不保证音画时序、口型或音轨保留。"
},
"watermark": {
"type": "boolean",
"default": false,
"description": "可选布尔值，默认 false。设为 true 时请求在短片中添加 AI Generated 水印。"
},
"resolution": {
"enum": [
"720P",
"1080P"
],
"type": "string",
"default": "720P",
"description": "可选 720P 或 1080P，本工具默认 720P。茶杯示例请求 720P；更高档位不保证主体、文字或转场更准确。"
},
"prompt_extend": {
"type": "boolean",
"default": true,
"description": "可选布尔值，默认 true。允许模型在生成前改写描述，可能增加处理时间；不保证质量或对分镜计划的遵循程度。"
},
"negative_prompt": {
"type": "string",
"maxLength": 500,
"description": "可选文字，最多 500 个字符，用于描述不希望出现的元素。它只是生成指导，不保证完全排除。"
}
},
"additionalProperties": false
}
},
"additionalProperties": false
}暂未配置返回字段说明。
围绕清楚的主体和动作安排镜头。本例先用全景交代茶杯与雨窗，再用蒸汽特写改变同一场景中的观察重点，便于你在成片中核对具体画面。
短片先聚焦少量内容，完成后查看实际镜头运动和转场。文字时间段是请求指导，应判断生成的顺序是否符合用途，而不是把描述视为精确剪辑表。参阅 Alibaba 文字生成视频文档。
成片的画面内容和先后顺序可能与描述略有不同。
请把[雨窗旁的一只陶瓷茶杯]做成[短视频]：先展示[茶杯和窗户在一起的画面]，再靠近[杯口升起的热气]。我不提供[音乐]，但成片仍可能自动带有背景音乐或音效。
如果想要安静一些，可以写[不要音乐]；成片仍可能自动加入背景音乐或音效。保存前，请先检查实际画面和声音。
不需要。本工具从必填的文字描述生成视频，不接收图片或视频参考；驱动音频可选。茶杯场景直接用已给文字即可请求。
该时间点用于描述期望的分镜计划，模型仍需解释文字。实际镜头数量、切换时间、转场和连续性可能不同，使用前应检查成片。
合规 WAV 或 MP3 可以引导音画时序。音频较长时使用开头与请求时长对应的一段，较短时剩余视频静音；不提供时可能生成背景音乐或音效。本工具没有关闭音频的开关，也不保证精确同步。