万相-参考生视频模型支持多模态输入（文本/图像/视频），可将人物或物体作为主角，根据提示词生成自然生动的表演视频。
基础能力：设置整数级视频时长（2～10秒）、指定视频分辨率（720P/1080P）、添加水印。
角色扮演：基于参考图像或视频还原角色形象；若参考素材为视频，还支持参考音色，支持单人表演或多角色互动。
多镜头叙事：具备多镜头智能调度能力，支持自然对话与稳定互动，同时保持主体一致性。
适用范围
各地域支持的模型有所差异，且资源相互独立。调用时，请务必确保模型、接入地址及 API Key 均属于同一地域，否则将导致调用失败。
支持的模型：
中国内地
在中国内地部署模式下，接入点与数据存储均位于北京地域，模型推理计算资源仅限于中国内地。
模型名称 | 能力支持 | 输入模态 | 输出视频规格 |
wan2.6-r2v-flash | 有声视频、无声视频 参考多角色生视频 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） |
wan2.6-r2v | 有声视频 参考多角色生视频 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） |
全球
在全球部署模式下，接入点与数据存储均位于美国（弗吉尼亚）地域，模型推理计算资源在全球范围内动态调度。
模型名称 | 能力支持 | 输入模态 | 输出视频规格 |
wan2.6-r2v | 有声视频 参考多角色生视频 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） |
国际
在国际部署模式下，接入点与数据存储均位于新加坡地域，模型推理计算资源在全球范围内动态调度（不含中国内地）。
模型名称 | 能力支持 | 输入模态 | 输出视频规格 |
wan2.6-r2v-flash | 有声视频、无声视频 参考多角色生视频 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） |
wan2.6-r2v | 有声视频 参考多角色生视频 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） |
本文的示例代码适用于北京地域。如使用其他地域，请参见API参考。
核心能力
多角色互动
支持模型：所有模型。
功能介绍：支持最多5个角色合拍，生成自然对话和互动，适用于访谈、对话、教学等场景。
参数设置：
reference_urls：最多传入 5个 URL。每个URL可以指向一张图像或一段视频。图像数量：0～5。参考图可以是人物、物体和背景。
视频数量：0～3。推荐用于人物或物体参考，不建议使用背景或空镜视频。
每个参考素材（视频或图像）仅包含单一角色。
shot_type：推荐设置为multi，用于多镜头切换，增强互动表现力；也支持设置为single，单镜头固定视角。prompt：提示词通过“character1、character2”这类标识引用角色。角色顺序与reference_urls数组一一对应，即第 1 个 URL 为 character1，第 2 个为 character2，依此类推。
参考图像和视频
输入提示词：character2 坐在靠窗的椅子上，手持 character3，在 character4 旁演奏一首舒缓的美国乡村民谣。character1 对character2开口说道：“听起来不错”。 | ||||
输入视频character1 参考人物 | 输入视频character2 参考人物 | 输入图像character3 参考物体 | 输入图像character4 参考背景 | 输出视频（多镜头，有声视频） |
|
| |||
参考视频
输入提示词：一段温馨有趣的宠物短视频。第1个镜头[0-2秒] character1对着镜头微笑挥手，背景是充满活力的城市街道。第2个镜头[2-4秒] 突然一只可爱的狗狗 character2从画面外跳入，扑向年轻人。第3个镜头[4-6秒] character1和character2开心互动，狗狗character2摇尾巴，character1抚摸character2的头。第4个镜头[6-8秒] 镜头切换到狗狗character2的视角，展现它眼中的主人character1。第5个镜头[8-10秒] character1和character2合影，营造温馨欢乐的氛围。 | ||
输入视频character1 参考人物 | 输入视频character2 参考物体 | 输出视频（多镜头，有声视频） |
curl
步骤1：创建任务获取任务ID
curl --location 'https://dashscope.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis' \
-H 'X-DashScope-Async: enable' \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H 'Content-Type: application/json' \
-d '{
"model": "wan2.6-r2v-flash",
"input": {
"prompt": "Character2 坐在靠窗的椅子上，手持 character3，在 character4 旁演奏一首舒缓的美国乡村民谣。Character1 对Character2开口说道：“听起来不错”",
"reference_urls": [
"https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/hfugmr/wan-r2v-role1.mp4",
"https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/qigswt/wan-r2v-role2.mp4",
"https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/qpzxps/wan-r2v-object4.png",
"https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260129/wfjikw/wan-r2v-backgroud5.png"
]
},
"parameters": {
"size": "1280*720",
"duration": 10,
"audio": true,
"shot_type": "multi",
"watermark": true
}
}'步骤2：根据任务ID获取结果
将{task_id}完整替换为上一步接口返回的task_id的值。
curl -X GET https://dashscope.aliyuncs.com/api/v1/tasks/{task_id} \
--header "Authorization: Bearer $DASHSCOPE_API_KEY"单角色表演
支持模型：所有模型。
功能介绍：基于参考视频和参考图像中的角色在不同场景中展现完整表演，适用于个人品牌、产品代言、教育培训等。
参数设置：
reference_urls：传入1个视频或1张图像。shot_type：推荐设置为multi，用于多镜头切换，增强互动表现力；也支持设置为single，单镜头固定视角。prompt：使用“character1”引用参考素材中的角色。
输入提示词 | 输入视频character1 | 输出视频（多镜头，有声视频） |
展示最新款智能手表的多功能性和时尚设计。第1个镜头[0-3秒] character1在办公室中抬起手腕查看手表，屏幕显示日程提醒。第2个镜头[3-5秒] 特写镜头，手表屏幕切换到健康监测界面，显示心率和步数数据。第3个镜头[5-8秒] character1在健身房运动，手表自动识别运动模式并开始记录。第4个镜头[8-10秒] 手表收到消息通知，character1轻触屏幕查看详情，操作流畅自然。 |
curl
步骤1：创建任务获取任务ID
curl --location 'https://dashscope.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis' \
-H 'X-DashScope-Async: enable' \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H 'Content-Type: application/json' \
-d '{
"model": "wan2.6-r2v-flash",
"input": {
"prompt": "展示最新款智能手表的多功能性和时尚设计。第1个镜头[0-3秒] character1在办公室中抬起手腕查看手表，屏幕显示日程提醒。第2个镜头[3-5秒] 特写镜头，手表屏幕切换到健康监测界面，显示心率和步数数据。第3个镜头[5-8秒] character1在健身房运动，手表自动识别运动模式并开始记录。第4个镜头[8-10秒] 手表收到消息通知，character1轻触屏幕查看详情，操作流畅自然。",
"reference_urls":["https://cdn.wanx.aliyuncs.com/static/demo-wan26/vace.mp4"]
},
"parameters": {
"size": "1280*720",
"duration": 10,
"shot_type":"multi",
"watermark": true
}
}'步骤2：根据任务ID获取结果
将{task_id}完整替换为上一步接口返回的task_id的值。
curl -X GET https://dashscope.aliyuncs.com/api/v1/tasks/{task_id} \
--header "Authorization: Bearer $DASHSCOPE_API_KEY"生成无声视频
支持模型：wan2.6-r2v-flash。
功能介绍：适用于无需音频的纯视觉展示场景，如动态海报、无声短视频等。
参数设置：
audio：若需生成无声视频，必须显式设置audio = false。prompt：传入一个参考素材时，使用“character1”引用角色。
输入提示词 | 输入视频character1 | 输出视频（无声视频） |
character1一边喝奶茶，一边随着音乐即兴跳舞。 |
curl
步骤1：创建任务获取任务ID
curl --location 'https://dashscope.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis' \
-H 'X-DashScope-Async: enable' \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H 'Content-Type: application/json' \
-d '{
"model": "wan2.6-r2v-flash",
"input": {
"prompt": "character1一边喝奶茶，一边随着音乐即兴跳舞。",
"reference_urls":["https://cdn.wanx.aliyuncs.com/static/demo-wan26/vace.mp4"]
},
"parameters": {
"size": "1280*720",
"duration": 5,
"shot_type":"multi",
"audio": false,
"watermark": true
}
}'步骤2：根据任务ID获取结果
将{task_id}完整替换为上一步接口返回的task_id的值。
curl -X GET https://dashscope.aliyuncs.com/api/v1/tasks/{task_id} \
--header "Authorization: Bearer $DASHSCOPE_API_KEY"如何输入参考素材
输入图像
图像数量：最多5张。
总数限制：图像 + 视频 ≤ 5。
输入方式：
公网URL：支持 HTTP 或 HTTPS 协议。示例：https://xxxx/xxx.png。
临时URL：支持OSS协议，必须通过上传文件获取临时 URL。示例：oss://dashscope-instant/xxx/xxx.png。
输入视频
视频数量：最多3个。
总数限制：图像 + 视频 ≤ 5。
输入方式：
公网URL：支持 HTTP 或 HTTPS 协议。示例：https://xxxx/xxx.mp4。
临时URL：支持OSS协议，必须通过上传文件获取临时 URL。示例：oss://dashscope-instant/xxx/xxx.mp4。
输出视频
计费与限流
模型免费额度和计费单价请参见万相-参考生视频。
模型限流请参见通义万相系列。
计费说明：
输入图像不计费，输入视频和输出视频计费，按视频秒数计费。
模型调用失败或处理错误不产生任何费用，也不消耗新人免费额度。
有声视频与无声视频价格不同（如wan2.6-r2v-flash）。
计费时长计算规格：
总计费时长 = 输入视频时长（上限5秒）+ 输出视频时长。
输入视频计费时长：总输入视频计费时长不超过 5 秒。
计算规则：按参考素材总数（图像 + 视频）均分，作为单个视频的截断上限。每个视频按
min(实际时长, 截断上限)计费，多和视频计费时长累计相加。示例：输入 3 个素材（1 张图像 + 2 个视频），单视频截断上限为 1.65 秒，则：
输入计费时长 =
min(视频1时长, 1.65s) + min(视频2时长, 1.65s)，图像不计费。
输出视频计费时长：模型成功生成的视频秒数。
API文档
常见问题
Q：如何设置视频宽高比（如 16:9）？
A：通过 size 参数指定视频分辨率，系统将根据该分辨率自动确定宽高比。
例如，设置 size=1280*720 即可输出 16:9 的视频。每个size对应一个固定的宽高比，请根据目标比例选择合适的分辨率。
Q：如何在提示词中引用参考素材中的角色？
A：每个参考素材（视频或图像）仅包含单一角色。使用 character1、character2 等标识引用参考中的角色，顺序对应 reference_urls 数组的顺序。例如：
"reference_urls":[
'https://example.com/girl.mp4', # character1
'https://example.com/clock.mp4' # character2
]