视频生成 - 阿里云百炼

通过百炼控制台在线体验页面生成的视频默认带有水印（文案为“AI 生成”，位于视频右下角），出于法律合规要求，该水印无法在控制台界面关闭。如需获取无水印视频，可通过 DashScope API 调用万相视频生成模型，watermark 参数默认为 false（不添加水印），具体用法参见万相2.7文生视频API参考和万相2.7图生视频API参考。

模型总览

服务部署范围查看各部署范围的区别	中国内地模型推理计算资源仅限中国内地	全球模型推理计算资源全球调度	国际模型推理计算资源全球调度（不含中国内地）	美国模型推理计算资源仅限美国境内
接入地域	北京	弗吉尼亚	新加坡	弗吉尼亚
支持的模型	万相-文生视频万相-图生视频万相-图生视频-基于首帧万相-图生视频-基于首尾帧万相-参考生视频万相-视频编辑万相-数字人万相-图生动作万相-视频换人舞动人像AnimateAnyone悦动人像EMO灵动人像LivePortrait表情包Emoji声动人像VideoRetalk视频风格重绘爱诗系列模型可灵系列模型生数科技系列模型	万相-文生视频万相-图生视频-基于首帧万相-参考生视频	万相-文生视频万相-图生视频万相-图生视频-基于首帧万相-图生视频-基于首尾帧万相-参考生视频万相-视频编辑万相-图生动作万相-视频换人	万相-文生视频万相-图生视频-基于首帧

模型选型

通用视频生成
- 需要将文字转化为视频时，使用万相-文生视频。
- 有一张图，想生成电影感镜头，使用万相-图生视频-基于首帧。
- 有开头和结尾两张图，要控制画面变化过程，使用万相-图生视频-基于首尾帧。
- 有多个视频，想复刻角色的形象和声音表演新剧本，使用万相-参考生视频。
- 还提供第三方模型，如爱诗系列模型、可灵系列模型、生数科技系列模型。
数字人对口型：让静态照片说话、唱歌或播报。背景保持不变，仅主体面部、头部和肢体运动。
- 首选万相-数字人，效果自然，含表情和肢体动作（替代悦动人像EMO）。
- 当需要长视频（>20秒）且头部动作简单（如新闻播报）时，考虑使用灵动人像LivePortrait。
视频动作迁移：保留照片背景，让照片的人参考指定视频动起来，使用万相-图生动作。
视频换人：保留视频背景，把视频的人换成指定图像的人，使用万相-视频换人。
跳舞换人：把跳舞视频的人换成图像的人。推荐选择万相-图生动作和万相-图生动作（效果佳）；若预算有限，可选舞动人像AnimateAnyone（性价比高）。
视频口型替换：给已有视频改配音口型，使用声动人像VideoRetalk。
表情包制作：制作固定风格模板的表情包，使用表情包Emoji。
视频重绘：固定风格模板使用视频风格重绘，通过提示词自由描述风格使用万相-视频编辑。
视频编辑：以下需求均选择万相-视频编辑。
- 视频局部编辑：替换视频中的主体或衣服、删除路人等。
- 视频延展：把视频延长，如1秒视频延长为5秒。
- 视频画面扩展：横屏变竖屏、补全边界。
- 多图参考生成：融合背景图像和主体图像生成视频。

视频生成模型

万相-文生视频

根据文本提示词生成视频。支持输入文本+音频，输出电影级多镜头视频。 API参考｜模型价格｜Prompt指南｜在线体验：北京、新加坡、弗吉尼亚

华北2（北京）
全球
新加坡
美国

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.7-t2v-2026-04-25 `推荐`	中国内地	有声视频多镜头叙事、声画同步	文本、音频	分辨率档位：720P、1080P视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.7-t2v	中国内地	有声视频多镜头叙事、声画同步	文本、音频	分辨率档位：720P、1080P视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.6-t2v	中国内地	有声视频多镜头叙事、声画同步	文本、音频	分辨率档位：720P、1080P视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.5-t2v-preview	中国内地	有声视频声画同步	文本、音频	分辨率档位：480P、720P、1080P视频时长：5s、10s固定规格：30fps、MP4（H.264编码）
wan2.2-t2v-plus	中国内地	无声视频较2.1模型稳定性与成功率全面提升	文本	分辨率档位：480P、1080P视频时长：5s固定规格：30fps、MP4（H.264编码）
wanx2.1-t2v-turbo	中国内地	无声视频	文本	分辨率档位：480P、720P视频时长：5s固定规格：30fps、MP4（H.264编码）
wanx2.1-t2v-plus	中国内地	无声视频	文本	分辨率档位：720P视频时长：5s固定规格：30fps、MP4（H.264编码）

服务部署范围为全球时，模型推理计算资源在全球范围内动态调度；静态数据存储于您所选的地域。该部署范围支持的地域：美国（弗吉尼亚）、德国（法兰克福）。

模型名称	能力支持	输入模态	输出视频规格
wan2.6-t2v `推荐`	有声视频多镜头叙事、声画同步	文本、音频	分辨率档位：720P、1080P 视频时长：5s、10s、15s 固定规格：30fps、MP4（H.264编码）

模型名称

能力支持

输入模态

输出视频规格

wan2.6-t2v 推荐

有声视频

多镜头叙事、声画同步

文本、音频

分辨率档位：720P、1080P

视频时长：5s、10s、15s

固定规格：30fps、MP4（H.264编码）

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.7-t2v-2026-04-25 `推荐`	国际	有声视频多镜头叙事、声画同步	文本、音频	分辨率档位：720P、1080P视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.7-t2v	国际	有声视频多镜头叙事、声画同步	文本、音频	分辨率档位：720P、1080P视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.6-t2v	国际	有声视频多镜头叙事、声画同步	文本、音频	分辨率档位：720P、1080P视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.5-t2v-preview	国际	有声视频声画同步	文本、音频	分辨率档位：480P、720P、1080P视频时长：5s、10s固定规格：30fps、MP4（H.264编码）
wan2.2-t2v-plus	国际	无声视频较2.1模型稳定性与成功率全面提升	文本	分辨率档位：480P、1080P视频时长：5s固定规格：30fps、MP4（H.264编码）
wan2.1-t2v-turbo	国际	无声视频	文本	分辨率档位：480P、720P视频时长：5s固定规格：30fps、MP4（H.264编码）
wan2.1-t2v-plus	国际	无声视频	文本	分辨率档位：720P视频时长：5s固定规格：30fps、MP4（H.264编码）

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.6-t2v	全球	有声视频多镜头叙事、声画同步	文本、音频	分辨率档位：720P、1080P 视频时长：5s、10s、15s 固定规格：30fps、MP4（H.264编码）
wan2.6-t2v-us `推荐`	美国

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

wan2.6-t2v

全球

有声视频

多镜头叙事、声画同步

文本、音频

分辨率档位：720P、1080P

视频时长：5s、10s、15s

固定规格：30fps、MP4（H.264编码）

wan2.6-t2v-us 推荐

美国

wan2.7 系列为视频生成模型，输出仅为 MP4 视频流，不支持输出坐标、边界框或结构化识别信息。如需获取图像中物体的坐标信息（例如装修平面图中的门窗、家具位置），建议改用 Qwen3-VL-Plus 等视觉理解模型进行目标检测，可返回带边界框坐标的结构化结果。

输入提示词	输出视频（wan2.6，多镜头视频）
一幅史诗级可爱的场景。一只小巧可爱的卡通小猫将军，身穿细节精致的金色盔甲，头戴一个稍大的头盔，勇敢地站在悬崖上。他骑着一匹虽小但英勇的战马，说：“青海长云暗雪山，孤城遥望玉门关。黄沙百战穿金甲，不破楼兰终不还”。悬崖下方，一支由老鼠组成的、数量庞大、无穷无尽的军队正带着临时制作的武器向前冲锋。这是一个戏剧性的、大规模的战斗场景，灵感来自中国古代的战争史诗。远处的雪山上空，天空乌云密布。整体氛围是“可爱”与“霸气”的搞笑和史诗般的融合。

输入提示词

输出视频（wan2.6，多镜头视频）

一幅史诗级可爱的场景。一只小巧可爱的卡通小猫将军，身穿细节精致的金色盔甲，头戴一个稍大的头盔，勇敢地站在悬崖上。他骑着一匹虽小但英勇的战马，说：“青海长云暗雪山，孤城遥望玉门关。黄沙百战穿金甲，不破楼兰终不还”。悬崖下方，一支由老鼠组成的、数量庞大、无穷无尽的军队正带着临时制作的武器向前冲锋。这是一个戏剧性的、大规模的战斗场景，灵感来自中国古代的战争史诗。远处的雪山上空，天空乌云密布。整体氛围是“可爱”与“霸气”的搞笑和史诗般的融合。

万相-图生视频

万相-图生视频模型全新升级，支持多模态输入（文本/图像/音频/视频），可完成首帧生视频、首尾帧生视频、视频续写三大任务。 API参考｜模型价格｜Prompt指南

中国内地
国际

服务部署范围为中国内地时，模型推理计算资源仅限于中国内地；静态数据存储于您所选的地域。该部署范围支持的地域：华北2（北京）。

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.7-i2v-2026-04-25 `推荐`	中国内地	有声视频首帧生视频、首尾帧生视频、视频续写、视频续写+尾帧控制多镜头叙事、声画同步	文本、图像、音频、视频	分辨率档位：720P、1080P 视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.7-i2v	中国内地	有声视频首帧生视频、首尾帧生视频、视频续写、视频续写+尾帧控制多镜头叙事、声画同步	文本、图像、音频、视频	分辨率档位：720P、1080P 视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

wan2.7-i2v-2026-04-25 推荐

中国内地

有声视频

首帧生视频、首尾帧生视频、视频续写、视频续写+尾帧控制

多镜头叙事、声画同步

文本、图像、音频、视频

分辨率档位：720P、1080P

视频时长：[2s, 15s]（整数）

固定规格：30fps、MP4（H.264编码）

wan2.7-i2v

中国内地

有声视频

首帧生视频、首尾帧生视频、视频续写、视频续写+尾帧控制

多镜头叙事、声画同步

文本、图像、音频、视频

分辨率档位：720P、1080P

视频时长：[2s, 15s]（整数）

固定规格：30fps、MP4（H.264编码）

服务部署范围为国际时，模型推理计算资源在全球范围内动态调度（不含中国内地）；静态数据存储于您所选的地域。该部署范围支持的地域：新加坡。

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.7-i2v-2026-04-25 `推荐`	国际	有声视频首帧生视频、首尾帧生视频、视频续写、视频续写+尾帧控制多镜头叙事、声画同步	文本、图像、音频、视频	分辨率档位：720P、1080P 视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.7-i2v	国际	有声视频首帧生视频、首尾帧生视频、视频续写、视频续写+尾帧控制多镜头叙事、声画同步	文本、图像、音频、视频	分辨率档位：720P、1080P 视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

wan2.7-i2v-2026-04-25 推荐

国际

有声视频

首帧生视频、首尾帧生视频、视频续写、视频续写+尾帧控制

多镜头叙事、声画同步

文本、图像、音频、视频

分辨率档位：720P、1080P

视频时长：[2s, 15s]（整数）

固定规格：30fps、MP4（H.264编码）

wan2.7-i2v

国际

有声视频

首帧生视频、首尾帧生视频、视频续写、视频续写+尾帧控制

多镜头叙事、声画同步

文本、图像、音频、视频

分辨率档位：720P、1080P

视频时长：[2s, 15s]（整数）

固定规格：30fps、MP4（H.264编码）

万相-图生视频-基于首帧

根据给定的首帧图像生成视频。支持输入文本+首帧图像+音频，输出电影级多镜头视频。 API参考｜模型价格｜Prompt指南｜在线体验：北京、新加坡、弗吉尼亚

中国内地
全球
国际
美国

服务部署范围为中国内地时，模型推理计算资源仅限于中国内地；静态数据存储于您所选的地域。该部署范围支持的地域：华北2（北京）。

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.6-i2v-flash `推荐`	中国内地	有声视频、无声视频多镜头叙事、声画同步	文本、图像、音频	分辨率档位：720P、1080P视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.6-i2v `推荐`	中国内地	有声视频多镜头叙事、声画同步	文本、图像、音频	分辨率档位：720P、1080P视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.5-i2v-preview	中国内地	有声视频声画同步	文本、图像、音频	分辨率档位：480P、720P、1080P视频时长：5s、10s固定规格：30fps、MP4（H.264编码）
wan2.2-i2v-flash	中国内地	无声视频较2.1模型速度提升50%	文本、图像	分辨率档位：480P、720P、1080P视频时长：5s固定规格：30fps、MP4（H.264编码）
wan2.2-i2v-plus	中国内地	无声视频较2.1模型稳定性与成功率全面提升	文本、图像	分辨率档位：480P、1080P视频时长：5s固定规格：30fps、MP4（H.264编码）
wanx2.1-i2v-plus	中国内地	无声视频	文本、图像	分辨率档位：720P视频时长：5s固定规格：30fps、MP4（H.264编码）
wanx2.1-i2v-turbo	中国内地	无声视频	文本、图像	分辨率档位：480P、720P视频时长：3s、4s、5s固定规格：30fps、MP4（H.264编码）

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.6-i2v `推荐`	全球	有声视频多镜头叙事、声画同步	文本、图像、音频	分辨率档位：720P、1080P 视频时长：5s、10s、15s 固定规格：30fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

wan2.6-i2v 推荐

全球

有声视频

多镜头叙事、声画同步

文本、图像、音频

分辨率档位：720P、1080P

视频时长：5s、10s、15s

固定规格：30fps、MP4（H.264编码）

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.6-i2v-flash `推荐`	国际	有声视频、无声视频多镜头叙事、声画同步	文本、图像、音频	分辨率档位：720P、1080P视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.6-i2v `推荐`	国际	有声视频多镜头叙事、声画同步	文本、图像、音频	分辨率档位：720P、1080P视频时长：[2s, 15s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.5-i2v-preview	国际	有声视频声画同步	文本、图像、音频	分辨率档位：480P、720P、1080P视频时长：5s、10s固定规格：30fps、MP4（H.264编码）
wan2.2-i2v-flash	国际	无声视频较2.1模型速度提升50%	文本、图像	分辨率档位：480P、720P、1080P视频时长：5s固定规格：30fps、MP4（H.264编码）
wan2.2-i2v-plus	国际	无声视频较2.1模型稳定性与成功率全面提升	文本、图像	分辨率档位：480P、1080P视频时长：5s固定规格：30fps、MP4（H.264编码）
wan2.1-i2v-plus	国际	无声视频	文本、图像	分辨率档位：720P视频时长：5s固定规格：30fps、MP4（H.264编码）
wan2.1-i2v-turbo	国际	无声视频	文本、图像	分辨率档位：480P、720P视频时长：3s、4s、5s固定规格：30fps、MP4（H.264编码）

服务部署范围为美国时，模型推理计算资源仅限于美国境内；静态数据存储于您所选的地域。该部署范围支持的地域：美国（弗吉尼亚）。

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.6-i2v	全球	有声视频多镜头叙事、声画同步	文本、图像、音频	分辨率档位：720P、1080P 视频时长：5s、10s、15s 固定规格：30fps、MP4（H.264编码）
wan2.6-i2v-us `推荐`	美国	有声视频多镜头叙事、声画同步	文本、图像、音频	分辨率档位：720P、1080P 视频时长：5s、10s、15s 固定规格：30fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

wan2.6-i2v

全球

有声视频

多镜头叙事、声画同步

文本、图像、音频

分辨率档位：720P、1080P

视频时长：5s、10s、15s

固定规格：30fps、MP4（H.264编码）

wan2.6-i2v-us 推荐

美国

有声视频

多镜头叙事、声画同步

文本、图像、音频

分辨率档位：720P、1080P

视频时长：5s、10s、15s

固定规格：30fps、MP4（H.264编码）

输入提示词	输入首帧图像和音频	输出视频（wan2.6，多镜头视频）
一幅都市奇幻艺术的场景。一个充满动感的涂鸦艺术角色。一个由喷漆所画成的少年，正从一面混凝土墙上活过来。他一边用极快的语速演唱一首英文rap，一边摆着一个经典的、充满活力的说唱歌手姿势。场景设定在夜晚一个充满都市感的铁路桥下。灯光来自一盏孤零零的街灯，营造出电影般的氛围，充满高能量和惊人的细节。视频的音频部分完全由他的rap构成，没有其他对话或杂音。	输入音频：

万相-图生视频-基于首尾帧

根据给定的首帧图像和尾帧图像，生成过渡自然的视频。支持输入文本+首帧图像+尾帧图像+音频，输出电影级多镜头视频。 API参考｜模型价格｜Prompt指南

中国内地
国际

服务部署范围为中国内地时，模型推理计算资源仅限于中国内地；静态数据存储于您所选的地域。该部署范围支持的地域：华北2（北京）。

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.2-kf2v-flash `推荐`	中国内地	无声视频较2.1模型稳定性与成功率全面提升	文本、图像	分辨率档位：480P、720P、1080P视频时长：5s固定规格：30fps、MP4（H.264编码）
wanx2.1-kf2v-plus	中国内地	无声视频	文本、图像	分辨率档位：720P视频时长：5s固定规格：30fps、MP4（H.264编码）

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.1-kf2v-plus	国际	无声视频	文本、图像	分辨率档位：720P 视频时长：5s 固定规格：30fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

wan2.1-kf2v-plus

国际

无声视频

文本、图像

分辨率档位：720P

视频时长：5s

固定规格：30fps、MP4（H.264编码）

输入首帧图像	输入尾帧图像	输入提示词	输出视频
		写实风格，一只黑色小猫好奇地看向天空，镜头从平视逐渐上升，最后俯拍小猫好奇的眼神。

万相-参考生视频

复刻视频中的角色的形象和声音表演新剧本。输入视频+文本提示词，输出视频在保持角色一致性的同时，生成多镜头、声画同步的视频。 API参考｜模型价格｜Prompt指南

中国内地
全球
国际

服务部署范围为中国内地时，模型推理计算资源仅限于中国内地；静态数据存储于您所选的地域。该部署范围支持的地域：华北2（北京）。

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.7-r2v `推荐`	国际	有声视频多主体参考生视频，支持为主体配置音色	文本、图像、视频、音频	分辨率档位：720P、1080P视频时长：[2s, 10s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.6-r2v-flash	国际	有声视频、无声视频单角色/多角色生视频多镜头叙事、声画同步生成速度更快，性价比高	文本、图像、视频	分辨率档位：720P、1080P视频时长：[2s, 10s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.6-r2v	国际	有声视频单角色/多角色生视频多镜头叙事、声画同步	文本、图像、视频	分辨率档位：720P、1080P视频时长：[2s, 10s]（整数）固定规格：30fps、MP4（H.264编码）

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.6-r2v `推荐`	全球	有声视频单角色/多角色生视频多镜头叙事、声画同步	文本、视频	分辨率档位：720P、1080P 视频时长：5s、10s 固定规格：30fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

wan2.6-r2v 推荐

全球

有声视频

单角色/多角色生视频

多镜头叙事、声画同步

文本、视频

分辨率档位：720P、1080P

视频时长：5s、10s

固定规格：30fps、MP4（H.264编码）

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.7-r2v `推荐`	中国内地	有声视频多主体参考生视频，支持为主体配置音色	文本、图像、视频、音频	分辨率档位：720P、1080P视频时长：[2s, 10s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.6-r2v-flash	中国内地	有声视频、无声视频单角色/多角色生视频多镜头叙事、声画同步生成速度更快，性价比高	文本、图像、视频	分辨率档位：720P、1080P视频时长：[2s, 10s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.6-r2v	中国内地	有声视频单角色/多角色生视频多镜头叙事、声画同步	文本、图像、视频	分辨率档位：720P、1080P视频时长：[2s, 10s]（整数）固定规格：30fps、MP4（H.264编码）

输入参考视频1（角色为小女孩）	输入参考视频2（角色为闹钟）	输入提示词	输出视频（多角色对话）
		character1对character2说: “I’ll rely on you tomorrow morning!” character2 回答: “You can count on me!”

万相-视频编辑

视频编辑模型。支持输入文本、图像、视频多模态数据，可执行多种视频生成与编辑任务。视频编辑2.7 API参考｜视频编辑2.1 API参考｜模型价格

中国内地
国际

服务部署范围为中国内地时，模型推理计算资源仅限于中国内地；静态数据存储于您所选的地域。该部署范围支持的地域：华北2（北京）。

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.7-videoedit `推荐`	中国内地	有声视频、无声视频（跟随输入视频）指令编辑，视频迁移	文本、图像、视频	分辨率档位：720P、1080P 视频时长：[2s, 10s]（整数）固定规格：30fps、MP4（H.264编码）
wanx2.1-vace-plus	中国内地	无声视频多图参考、视频重绘、局部编辑、视频延展、视频画面扩展	文本、图像、视频	分辨率档位：720P 视频时长：不超过5s 固定规格：30fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

wan2.7-videoedit 推荐

中国内地

有声视频、无声视频（跟随输入视频）

指令编辑，视频迁移

文本、图像、视频

分辨率档位：720P、1080P

视频时长：[2s, 10s]（整数）

固定规格：30fps、MP4（H.264编码）

wanx2.1-vace-plus

中国内地

无声视频

多图参考、视频重绘、局部编辑、视频延展、视频画面扩展

文本、图像、视频

分辨率档位：720P

视频时长：不超过5s

固定规格：30fps、MP4（H.264编码）

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.7-videoedit `推荐`	国际	有声视频、无声视频（跟随输入视频）指令编辑，视频迁移	文本、图像、视频	分辨率档位：720P、1080P 视频时长：[2s, 10s]（整数）固定规格：30fps、MP4（H.264编码）
wan2.1-vace-plus	国际	无声视频多图参考、视频重绘、局部编辑、视频延展、视频画面扩展	文本、图像、视频	分辨率档位：720P 视频时长：不超过5s 固定规格：30fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

wan2.7-videoedit 推荐

国际

有声视频、无声视频（跟随输入视频）

指令编辑，视频迁移

文本、图像、视频

分辨率档位：720P、1080P

视频时长：[2s, 10s]（整数）

固定规格：30fps、MP4（H.264编码）

wan2.1-vace-plus

国际

无声视频

多图参考、视频重绘、局部编辑、视频延展、视频画面扩展

文本、图像、视频

分辨率档位：720P

视频时长：不超过5s

固定规格：30fps、MP4（H.264编码）

视频编辑2.1模型

功能一：多图参考

输入参考图1（参考主体）	输入参考图2（参考背景）	输入提示词	输出视频
		视频中，一位女孩自晨雾缭绕的古老森林深处款款走出，她步伐轻盈，镜头捕捉她每一个灵动瞬间。当她站定，环顾四周葱郁林木时，她脸上绽放出惊喜与喜悦交织的笑容。这一幕，定格在了光影交错的瞬间，记录下她与大自然的美妙邂逅。

功能二：视频重绘

输入视频	输入提示词	输出视频
	视频展示了一辆黑色的蒸汽朋克风格汽车，绅士驾驶着，车辆装饰着齿轮和铜管。背景是蒸汽驱动的糖果工厂和复古元素，画面复古与趣味。

功能三：视频局部编辑

输入视频	输入掩码图像（白色区域表示编辑区域）	输入提示词	输出视频
		视频展示了一家巴黎风情的法式咖啡馆，一只穿着西装的狮子优雅地品着咖啡。它一手端着咖啡杯，轻轻啜饮，神情惬意。咖啡馆装饰雅致，柔和的色调与温暖灯光映照着狮子所在的区域。

功能四：视频延展
输入首片段视频（1秒） 输入提示词 输出视频（延长后的视频为5秒）
一只戴着墨镜的狗在街道上滑滑板，3D卡通。
功能五：视频画面扩展
输入视频 输入提示词 输出视频
一位优雅的女士正在激情演奏小提琴，她身后是一支完整的交响乐团。

输入首片段视频（1秒）	输入提示词	输出视频（延长后的视频为5秒）
	一只戴着墨镜的狗在街道上滑滑板，3D卡通。

输入视频	输入提示词	输出视频
	一位优雅的女士正在激情演奏小提琴，她身后是一支完整的交响乐团。

万相-数字人

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。

图生唱演和播报视频：让图像中人或卡通形象说话、唱歌、播报或表演。输入图像 + 音频，输出视频自动为人物或卡通形象匹配口型、面部表情、头部及身体动作。图像检测API参考｜视频生成API参考｜模型价格

模型名称	服务部署范围	能力支持	输入模态	输出说明
wan2.2-s2v-detect	中国内地	图像检测	图像	输出检测状态：通过或未通过
wan2.2-s2v	中国内地	视频生成有声视频	图像、音频	分辨率档位：480P、720P 视频时长：不超过20s（跟随音频时长）固定规格： 480P：16fps、MP4（H.264编码） 720P：30fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出说明

wan2.2-s2v-detect

中国内地

图像检测

图像

输出检测状态：通过或未通过

wan2.2-s2v

中国内地

视频生成

有声视频

图像、音频

分辨率档位：480P、720P

视频时长：不超过20s（跟随音频时长）

固定规格：

480P：16fps、MP4（H.264编码）
720P：30fps、MP4（H.264编码）

输入示例（人物图像+音频）	输出视频（对口型）
输入音频：

万相-图生动作

让图像的人参考视频动起来。输入图像 + 视频，输出的视频保持图像背景不变，参考视频做动作。 API参考｜模型价格

中国内地
国际

服务部署范围为中国内地时，模型推理计算资源仅限于中国内地；静态数据存储于您所选的地域。该部署范围支持的地域：华北2（北京）。

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.2-animate-move	中国内地	有声视频、无声视频（跟随输入视频而定）标准模式`wan-std`：生成速度快，性价比高专业模式`wan-pro`：效果更接近真实拍摄	图像、视频	分辨率档位：720P 视频时长：2s＜时长＜30s 固定规格：标准模式`wan-std`：15fps、MP4（H.264编码）专业模式`wan-pro`：25fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

wan2.2-animate-move

中国内地

有声视频、无声视频（跟随输入视频而定）

标准模式wan-std：生成速度快，性价比高
专业模式wan-pro：效果更接近真实拍摄

图像、视频

分辨率档位：720P

视频时长：2s＜时长＜30s

固定规格：

标准模式wan-std：15fps、MP4（H.264编码）
专业模式wan-pro：25fps、MP4（H.264编码）

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.2-animate-move	国际	有声视频、无声视频（跟随输入视频而定）标准模式`wan-std`：生成速度快，性价比高专业模式`wan-pro`：效果更接近真实拍摄	图像、视频	分辨率档位：720P 视频时长：2s＜时长＜30s 固定规格：标准模式`wan-std`：15fps、MP4（H.264编码）专业模式`wan-pro`：25fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

wan2.2-animate-move

国际

有声视频、无声视频（跟随输入视频而定）

标准模式wan-std：生成速度快，性价比高
专业模式wan-pro：效果更接近真实拍摄

图像、视频

分辨率档位：720P

视频时长：2s＜时长＜30s

固定规格：

标准模式wan-std：15fps、MP4（H.264编码）
专业模式wan-pro：25fps、MP4（H.264编码）

输入人物图像	输入参考视频	输出视频（标准模式`wan-std`）	输出视频（专业模式`wan-pro`）

万相-视频换人

把视频中的人换成图像中的人。输入视频 + 替换图像，输出视频保留原视频背景，实现视频换脸、视频换角色等功能。 API参考｜模型价格

中国内地
国际

服务部署范围为中国内地时，模型推理计算资源仅限于中国内地；静态数据存储于您所选的地域。该部署范围支持的地域：华北2（北京）。

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.2-animate-mix	中国内地	有声视频、无声视频（跟随输入视频而定）标准模式`wan-std`：生成速度快，性价比高专业模式`wan-pro`：效果更接近真实拍摄	图像、视频	分辨率档位：720P 视频时长：2s＜时长＜30s 固定规格：标准模式`wan-std`：15fps、MP4（H.264编码）专业模式`wan-pro`：25fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

wan2.2-animate-mix

中国内地

有声视频、无声视频（跟随输入视频而定）

标准模式wan-std：生成速度快，性价比高
专业模式wan-pro：效果更接近真实拍摄

图像、视频

分辨率档位：720P

视频时长：2s＜时长＜30s

固定规格：

标准模式wan-std：15fps、MP4（H.264编码）
专业模式wan-pro：25fps、MP4（H.264编码）

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
wan2.2-animate-mix	国际	有声视频、无声视频（跟随输入视频而定）标准模式`wan-std`：生成速度快，性价比高专业模式`wan-pro`：效果更接近真实拍摄	图像、视频	分辨率档位：720P 视频时长：2s＜时长＜30s 固定规格：标准模式`wan-std`：15fps、MP4（H.264编码）专业模式`wan-pro`：25fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

wan2.2-animate-mix

国际

有声视频、无声视频（跟随输入视频而定）

标准模式wan-std：生成速度快，性价比高
专业模式wan-pro：效果更接近真实拍摄

图像、视频

分辨率档位：720P

视频时长：2s＜时长＜30s

固定规格：

标准模式wan-std：15fps、MP4（H.264编码）
专业模式wan-pro：25fps、MP4（H.264编码）

输入视频	输入待替换的人物图像	输出视频（标准模式`wan-std`）	输出视频（专业模式`wan-pro`）

舞动人像AnimateAnyone

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。
推荐使用万相-图生动作和万相-视频换人替换舞动人像AnimateAnyone。前两者效果更佳，舞动人像 AnimateAnyone成本较低。

专为跳舞设计，把视频中跳舞的人换成图像中的人。输入图像+视频，输出视频支持两种方式：1.保留图像背景不变；2.保留视频背景不变。图像检测API参考 | 动作模板生成API参考 | 视频生成API参考｜模型价格

模型名称	服务部署范围	能力支持	输入模态	输出说明
animate-anyone-detect-gen2	中国内地	图像检测	图像	输出检测状态：通过或未通过
animate-anyone-template-gen2	中国内地	舞蹈视频模板生成从跳舞视频中提取动作模板	视频	输出舞蹈动作模板ID
animate-anyone-gen2	中国内地	视频生成无声视频	图像、视频、舞蹈动作模板ID	视频分辨率档位：720P视频时长：2s≤时长≤60s固定规格：15fps、MP4（H.264编码）

输入人物图像	输入跳舞视频	输出视频（按图片背景生成）	输出视频（按视频背景生成）

悦动人像EMO

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。
推荐使用万相-数字人替换悦动人像EMO。前者效果更佳，悦动人像EMO成本较低。

图生唱演视频：让图像中人唱歌或表演。输入图像 + 音频，输出视频自动为人物匹配口型、面部表情以及头部动作。图像检测API参考 | 视频生成API参考｜模型价格

模型名称	服务部署范围	能力支持	输入模态	输出说明
emo-detect-v1	中国内地	图像检测	图像	输出检测状态：通过或未通过
emo-v1	中国内地	视频生成有声视频	图像、音频	视频分辨率： 1:1画幅（宽高比）：固定为512×512 3:4画幅（宽高比）：固定为512×704 视频时长：不超过60s 固定规格：15fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出说明

emo-detect-v1

中国内地

图像检测

图像

输出检测状态：通过或未通过

emo-v1

中国内地

视频生成

有声视频

图像、音频

视频分辨率：

1:1画幅（宽高比）：固定为512×512
3:4画幅（宽高比）：固定为512×704

视频时长：不超过60s

固定规格：15fps、MP4（H.264编码）

输入示例（人物肖像图片+音频）	输出视频（唱歌对口型）
输入音频：

灵动人像LivePortrait

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。
推荐使用万相-数字人替换灵动人像LivePortrait。前者效果更佳，灵动人像LivePortrait成本较低。请注意，当需要长视频（>20秒），可选择灵动人像LivePortrait。

图生播报视频：让图像中人播报新闻、讲故事。输入图像 + 音频，输出视频自动为人物匹配口型、面部表情以及头部动作（轻微摆动）。图像检测API参考 | 视频生成API参考｜模型价格

模型名称	服务部署范围	能力支持	输入模态	输出说明
liveportrait-detect	中国内地	图像检测	图像	输出检测状态：通过或未通过
liveportrait	中国内地	视频生成有声视频	图像、音频	视频分辨率：跟随输入图片，上限接近4K（4096x4096）视频时长：1s＜时长＜180s 视频帧率：15fps≤帧率≤30fps 视频格式：MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出说明

liveportrait-detect

中国内地

图像检测

图像

输出检测状态：通过或未通过

liveportrait

中国内地

视频生成

有声视频

图像、音频

视频分辨率：跟随输入图片，上限接近4K（4096x4096）

视频时长：1s＜时长＜180s

视频帧率：15fps≤帧率≤30fps

视频格式：MP4（H.264编码）

输入示例（人物肖像图片+音频）	输出视频（语音播报对口型）
输入音频：

表情包Emoji

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。

根据固定表情包模板制作表情包。输入图像+指定表情包ID，输出表情包视频。图像检测API参考 | 视频生成API参考 | 模型价格

模型名称	服务部署范围	能力支持	输入模态	输出说明
emoji-detect-v1	中国内地	图像检测	图像	输出检测状态：通过或未通过
emoji-v1	中国内地	视频生成无声视频	图像、表情包模板ID	视频分辨率：固定为512x512 视频时长：不超过5s（跟随模板时长）固定规格：15fps、MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出说明

emoji-detect-v1

中国内地

图像检测

图像

输出检测状态：通过或未通过

emoji-v1

中国内地

视频生成

无声视频

图像、表情包模板ID

视频分辨率：固定为512x512

视频时长：不超过5s（跟随模板时长）

固定规格：15fps、MP4（H.264编码）

输入人物肖像图片	输出视频（“嫌弃”表情包）

声动人像VideoRetalk

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。

视频口型替换：给视频替换配音口型。输入视频+音频，输出人物口型与音频同步的视频。 API参考 | 模型价格

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
videoretalk	中国内地	有声视频	视频、音频	视频分辨率：跟随输入视频，上限接近2K（2048x2048）视频时长：2s＜时长＜120s 视频帧率：15fps≤帧率≤60fps 视频格式：MP4（H.264编码）

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

videoretalk

中国内地

有声视频

视频、音频

视频分辨率：跟随输入视频，上限接近2K（2048x2048）

视频时长：2s＜时长＜120s

视频帧率：15fps≤帧率≤60fps

视频格式：MP4（H.264编码）

输入示例（人物播报视频+音频）	输出视频（口型替换）
输入音频：

视频风格重绘

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。

根据固定风格模板进行视频重绘。输入视频+指定重绘风格ID，输出重绘后的视频。 API参考 | 模型价格

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
video-style-transform	中国内地	有声视频、无声视频跟随输入视频而定	视频、重绘风格ID	视频分辨率：跟随输入视频，上限接近4K（4096x4096）视频时长：不超过30s视频帧率：15fps≤帧率≤25fps视频格式：MP4（H.264编码）

输入视频	输出视频（重绘风格选择“日式漫画”）

视频生成-第三方模型

爱诗-文生视频

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。

根据文本提示词生成视频。 API参考｜模型价格｜在线体验：北京

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
pixverse/pixverse-c1-t2v `推荐`	中国内地	有声视频、无声视频跟随提示词自动分镜	文本	分辨率档位：360P、540P、720P、1080P视频时长：[1, 15]秒（整数）固定规格：24fps、MP4（H.264编码）
pixverse/pixverse-v6-t2v	中国内地	有声视频、无声视频支持智能分镜	文本	分辨率档位：360P、540P、720P、1080P视频时长：[1, 15]秒（整数）固定规格：24fps、MP4（H.264编码）
pixverse/pixverse-v5.6-t2v	中国内地	有声视频、无声视频	文本	分辨率档位：360P、540P、720P、1080P视频时长：5s、8s、10s (1080P不支持10s)固定规格：24fps、MP4（H.264编码）

爱诗-图生视频-基于首帧

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。

根据给定的首帧图像生成视频。 API参考｜模型价格｜在线体验：北京

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
pixverse/pixverse-c1-it2v `推荐`	中国内地	有声视频、无声视频跟随提示词自动分镜	文本、图像	分辨率档位：360P、540P、720P、1080P视频时长：[1, 15]秒（整数）固定规格：24fps、MP4（H.264编码）
pixverse/pixverse-v6-it2v	中国内地	有声视频、无声视频支持智能分镜	文本、图像	分辨率档位：360P、540P、720P、1080P视频时长：[1, 15]秒（整数）固定规格：24fps、MP4（H.264编码）
pixverse/pixverse-v5.6-it2v	中国内地	有声视频、无声视频	文本、图像	分辨率档位：360P、540P、720P、1080P视频时长：5s、8s、10s (1080P档位不支持10s)固定规格：24fps、MP4（H.264编码）

爱诗-图生视频-基于首尾帧

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。

根据给定的首帧图像和尾帧图像，生成过渡自然的视频。 API参考｜模型价格

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
pixverse/pixverse-c1-kf2v `推荐`	中国内地	有声视频、无声视频跟随提示词自动分镜	文本、图像	分辨率档位：360P、540P、720P、1080P视频时长：[1, 15]秒（整数）固定规格：24fps、MP4（H.264编码）
pixverse/pixverse-v6-kf2v	中国内地	有声视频、无声视频	文本、图像	分辨率档位：360P、540P、720P、1080P视频时长：[1, 15]秒（整数）固定规格：24fps、MP4（H.264编码）
pixverse/pixverse-v5.6-kf2v	中国内地	有声视频、无声视频	文本、图像	分辨率档位：360P、540P、720P、1080P视频时长：5s、8s、10s (1080P档位不支持10s)固定规格：24fps、MP4（H.264编码）

爱诗-参考生视频

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。

参考多张图像生成视频。输入图像+文本提示词，输出视频保持角色一致性。 API参考｜模型价格

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
pixverse/pixverse-c1-r2v `推荐`	中国内地	有声视频、无声视频跟随提示词自动分镜	文本、图像	分辨率档位：360P、540P、720P、1080P视频时长：[1, 15]秒（整数）固定规格：24fps、MP4（H.264编码）
pixverse/pixverse-v5.6-r2v	中国内地	有声视频、无声视频	文本、图像	分辨率档位：360P、540P、720P、1080P视频时长：5s、8s、10s (1080P不支持10s)固定规格：24fps、MP4（H.264编码）

可灵-视频生成

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。

可灵视频生成模型支持文生视频、图生视频-基于首帧、图生视频-基于首尾帧、参考生视频以及视频编辑。 API参考｜模型价格

模型名称

服务部署范围

能力支持

输入模态

输出视频规格

kling/kling-v3-omni-video-generation 推荐

中国内地

有声视频

文生视频、图生视频-基于首帧、图生视频-基于首尾帧、参考生视频、视频编辑

文本、图像、视频

分辨率档位：720P、1080P

视频时长：[3, 15]秒（整数）

固定规格：24fps、MP4（H.264编码）

kling/kling-v3-video-generation

中国内地

有声视频

文生视频、图生视频-基于首帧、图生视频-基于首尾帧

文本、图像

分辨率档位：720P、1080P

视频时长：[3, 15]秒（整数）

固定规格：24fps、MP4（H.264编码）

生数科技-文生视频

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。

根据文本提示词生成视频。 API参考｜模型价格

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
vidu/viduq3-pro_text2video `推荐`	中国内地	有声视频、无声视频支持智能分镜，生成效果较好	文本	分辨率档位：540P、720P、1080P视频时长：[1, 16]秒（整数）固定规格：24fps、MP4（H.264编码）
vidu/viduq3-turbo_text2video	中国内地	有声视频、无声视频支持智能分镜，生成速度较快	文本	分辨率档位：540P、720P、1080P视频时长：[1, 16]秒（整数）固定规格：24fps、MP4（H.264编码）
vidu/viduq2_text2video	中国内地	无声视频	文本	分辨率档位：540P、720P、1080P视频时长：[1, 10]秒（整数）固定规格：24fps、MP4（H.264编码）

生数科技-图生视频-基于首帧

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。

根据给定的首帧图像生成视频。 API参考｜模型价格

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
vidu/viduq3-pro_img2video `推荐`	中国内地	有声视频、无声视频支持智能分镜，生成效果较好	文本、图像	分辨率档位：540P、720P、1080P视频时长：[1, 16]秒（整数）固定规格：24fps、MP4（H.264编码）
vidu/viduq3-turbo_img2video	中国内地	有声视频、无声视频支持智能分镜，生成速度较快	文本、图像	分辨率档位：540P、720P、1080P视频时长：[1, 16]秒（整数）固定规格：24fps、MP4（H.264编码）
vidu/viduq2-pro_img2video	中国内地	无声视频	文本、图像	分辨率档位：720P、1080P视频时长：[1, 10]秒（整数）固定规格：24fps、MP4（H.264编码）
vidu/viduq2-turbo_img2video	中国内地	无声视频	文本、图像	分辨率档位：720P、1080P视频时长：[1, 10]秒（整数）固定规格：24fps、MP4（H.264编码）

生数科技-图生视频-基于首尾帧

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。

根据给定的首帧图像和尾帧图像，生成过渡自然的视频。 API参考｜模型价格

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
vidu/viduq3-pro_start-end2video `推荐`	中国内地	有声视频、无声视频支持智能分镜，生成效果较好	文本、图像	分辨率档位：540P、720P、1080P视频时长：[1, 16]秒（整数）固定规格：24fps、MP4（H.264编码）
vidu/viduq3-turbo_start-end2video	中国内地	有声视频、无声视频支持智能分镜，生成速度较快	文本、图像	分辨率档位：540P、720P、1080P视频时长：[1, 16]秒（整数）固定规格：24fps、MP4（H.264编码）
vidu/viduq2-pro_start-end2video	中国内地	无声视频	文本、图像	分辨率档位：540P、720P、1080P视频时长：[1, 8]秒（整数）固定规格：24fps、MP4（H.264编码）
vidu/viduq2-turbo_start-end2video	中国内地	无声视频	文本、图像	分辨率档位：540P、720P、1080P视频时长：[1, 8]秒（整数）固定规格：24fps、MP4（H.264编码）

生数科技-参考生视频

服务部署范围仅支持中国内地。数据存储位于北京接入地域，模型推理计算资源仅限于中国内地。

参考多张图像生成视频。输入图像+文本提示词，输出视频保持角色一致性。 API参考｜模型价格

模型名称	服务部署范围	能力支持	输入模态	输出视频规格
vidu/viduq2-pro_reference2video `推荐`	中国内地	无声视频支持参考图像和视频	文本、图像、视频	分辨率档位：540P、720P、1080P视频时长：[1, 10]秒（整数）固定规格：24fps、MP4（H.264编码）
vidu/viduq2_reference2video	中国内地	无声视频仅支持参考图像	文本、图像	分辨率档位：540P、720P、1080P视频时长：[1, 10]秒（整数）固定规格：24fps、MP4（H.264编码）

​模型总览

​模型选型

​视频生成模型

​万相-文生视频

​万相-图生视频

​万相-图生视频-基于首帧

​万相-图生视频-基于首尾帧

​万相-参考生视频

​万相-视频编辑

​万相-数字人

​万相-图生动作

​万相-视频换人

​舞动人像AnimateAnyone

​悦动人像EMO

​灵动人像LivePortrait

​表情包Emoji

​声动人像VideoRetalk

​视频风格重绘

​视频生成-第三方模型

​爱诗-文生视频

​爱诗-图生视频-基于首帧

​爱诗-图生视频-基于首尾帧

​爱诗-参考生视频

​可灵-视频生成

​生数科技-文生视频

​生数科技-图生视频-基于首帧

​生数科技-图生视频-基于首尾帧

​生数科技-参考生视频

模型总览

模型选型

视频生成模型

万相-文生视频

万相-图生视频

万相-图生视频-基于首帧

万相-图生视频-基于首尾帧

万相-参考生视频

万相-视频编辑

万相-数字人

万相-图生动作

万相-视频换人

舞动人像AnimateAnyone

悦动人像EMO

灵动人像LivePortrait

表情包Emoji

声动人像VideoRetalk

视频风格重绘

视频生成-第三方模型

爱诗-文生视频

爱诗-图生视频-基于首帧

爱诗-图生视频-基于首尾帧

爱诗-参考生视频

可灵-视频生成

生数科技-文生视频

生数科技-图生视频-基于首帧

生数科技-图生视频-基于首尾帧

生数科技-参考生视频