Wan 3.0 Video 视频

文字场景不接收上传素材。首尾帧场景必须提供一张首帧图片，并可选提供一张尾帧图片。参考场景接收由图片、视频和音频组成的已签名多模态素材包，但音频不能作为唯一素材。三个场景互斥。 文字模式必须填写提示词，首尾帧和参考模式可不填；去除首尾空格后最多 20,000 个字符。

Standard: 8 / 16 / 32; Prime: 12.2 / 25.2 / 50.4 每计费秒 (480P / 720P / 1080P). 预授权按版本与分辨率费率乘以“已验证输入视频秒数 + 预留输出秒数”，最后仅向上取整一次；智能时长预留 30 秒输出，不能与参考视频同时使用。

Standard: 8 / 16 / 32; Prime: 12.2 / 25.2 / 50.4 每计费秒 (480P / 720P / 1080P). 预授权按版本与分辨率费率乘以“已验证输入视频秒数 + 预留输出秒数”，最后仅向上取整一次；智能时长预留 30 秒输出，不能与参考视频同时使用。

参考场景最多接收 10 张图片、5 段 MP4 或 MOV 视频和 5 段 MP3 或 WAV 音频。每段视频或音频必须为 1–15 秒，视频和音频各自还有 15 秒的合计上限。不能只提交音频。

图片可以是 JPEG、无透明通道 PNG、WebP 或 BMP，单张不超过 20 MB，宽高均为 240–8,000 像素，宽高比不超过 8。视频必须是 MP4 或 MOV，单段不超过 95 MB，每边为 240–4,096 像素，并同样保持在 8:1 比例边界内。

-1 允许模型选择输出时长，因此 Rivya 会按 30 秒上限预留。智能时长不能与参考视频组合；存在视频输入时，应选择明确时长，使已验证输入加输出不超过 30 秒。有效实际用量不高于预留时会完成结算并退还差额；缺失、无效或更高的用量会保留原预留并进入对账，不会隐藏补扣。

选择文字、首尾帧或多模态参考；选择标准版或 Prime；设置 480P、720P 或 1080P；选择自适应或固定宽高比；使用 2–30 秒或智能时长，并控制生成音频和随机种子。

可以。首尾帧场景必须提供一张首帧图片，并接受一张可选尾帧图片。该场景拒绝视频和音频，以保持输入合同清晰。

不可以。音频可以配合图片或视频参考，但不能成为唯一上传素材。

会。参考视频要求明确的输出时长，而且已验证输入视频秒数加请求输出秒数不能超过 30。

Rivya 会在建任务和预留积分前，把用户、模型、URL、真实 MIME 类型、字节大小、几何信息和媒体时长绑定到已签名元数据。任意外部链接和文件快捷输入继续保持不可用。

先用本页验证一个场景、档位和参考层级。需要保存多轮版本、使用多组参考素材或比较标准版与 Prime 时，再继续到 Studio。