Wan 3.0

Wan 3.0 (alibaba/wan-3.0) — модель генерации видео от Alibaba: видео из текста, по кадрам и референсам, в 480p, 720p или 1080p длительностью от 1 до 15 секунд. Быстрый режим той же геометрии — Wan 3.0 Prime (alibaba/wan-3.0-prime): та же модель с более высокой скоростью отдачи. Генерация асинхронная: POST /v1/videos возвращает задачу, дальше опрос статуса и скачивание mp4.

Параметры

Поле	Описание
model	alibaba/wan-3.0 (или короткое wan-3.0) либо alibaba/wan-3.0-prime
prompt	Описание сцены, обязательное; до 5000 символов
seconds	Любое целое от 1 до 15; по умолчанию 5
size	Размер WxH из таблицы ниже; по умолчанию 1280x720
input_reference	Image-to-video: одна картинка как стартовый кадр, {"image_url": "data:image/...;base64,..."}
input_references	Reference-to-video: от 1 до 10 картинок в массиве, тоже только data:-URL
input_video	Видео-референс: {"video_url": "https://..."} или data:-URL — движение переносится на персонажа с картинок; в кабинете и боте до 3 роликов, в API один
input_audio	Аудио-референс: {"audio_url": "https://..."} или data:-URL, до 3 треков — бесплатно
seed	Сид повторяемости: целое 0…2147483647. Тот же промпт с тем же сидом даёт тот же ролик; без него апстрим берёт случайный

Шесть допустимых размеров — два соотношения сторон в трёх разрешениях:

Соотношение	480p	720p	1080p
16:9	852x480	1280x720	1920x1080
9:16	480x852	720x1280	1080x1920

Значение вне списка вернёт 400 с перечнем допустимых вариантов — сверяйтесь с полем sizes в каталоге, если сомневаетесь.

Примеры

Генерация по тексту

Python

import requests

job = requests.post(
    "https://api.mixen.ai/v1/videos",
    headers={"Authorization": f"Bearer {API_KEY}"},
    json={
        "model": "alibaba/wan-3.0",
        "prompt": "Поезд метро выезжает из тоннеля на мост, город просыпается, длинный проезд камеры",
        "seconds": "12",
        "size": "1280x720",
    },
).json()
print(job["id"], job["status"])

cURL

curl https://api.mixen.ai/v1/videos \
  -H "Authorization: Bearer $MIXEN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "alibaba/wan-3.0",
    "prompt": "Поезд метро выезжает из тоннеля на мост, город просыпается, длинный проезд камеры",
    "seconds": "12",
    "size": "1280x720"
  }'

Кадры: первый и последний

Ролик начинается со стартового кадра и заканчивается на заданной картинке — конечный кадр доступен в кабинете и боте (второе фото), в API отдельного поля пока нет:

import base64
import requests

with open("start.jpg", "rb") as f:
    img = "data:image/jpeg;base64," + base64.b64encode(f.read()).decode()

job = requests.post(
    "https://api.mixen.ai/v1/videos",
    headers={"Authorization": f"Bearer {API_KEY}"},
    json={
        "model": "alibaba/wan-3.0",
        "prompt": "Камера плывёт вдоль улицы от рассвета к вечерним огням",
        "seconds": "8",
        "size": "1280x720",
        "input_reference": {"image_url": img},
    },
).json()
print(job["id"], job["status"])

Reference-to-video по нескольким картинкам

От одной до десяти картинок — модель собирает сцену, удерживая персонажей и стиль из референсов:

{
  "model": "alibaba/wan-3.0",
  "prompt": "Герой из первого кадра идёт по переулку из второго, неоновые вывески",
  "seconds": "6",
  "size": "1280x720",
  "input_references": [
    "data:image/png;base64,iVBORw0...",
    "data:image/png;base64,iVBORw0..."
  ]
}

Дальше как обычно: GET /v1/videos/{id} раз в 5–10 секунд до completed, затем GET /v1/videos/{id}/content за mp4. Полный цикл — гайд по видео.

Цена

Тарификация посекундная и зависит от разрешения. Wan 3.0: 480p — 5.43 ₽ за секунду, 720p — 10.86 ₽, 1080p — 21.73 ₽. Wan 3.0 Prime: 480p — 7.37 ₽, 720p — 15.19 ₽, 1080p — 30.46 ₽. Аудио-референс не тарифицируется; видео-референс считается той же ставкой за секунды ролика. Актуальные цены — каталог.

Сильные стороны и ограничения

• Длительности от 1 до 15 секунд — непрерывный ряд: и короткие вставки, и средние планы одной моделью.
• Два формата кадра — альбомный и вертикальный, по три разрешения до 1080p.
• Переход «первый → последний кадр» поддерживается (кабинет и бот).
• Три вида референсов: до 10 картинок, до 3 роликов и до 3 аудио (аудио — бесплатно).
• Prime — быстрый режим: те же параметры при более высокой ставке, когда ролик нужен раньше.
• Форматы 1:1, 4:3 и 3:4 не поддерживаются; ролики длиннее 15 секунд — тоже.

Все модели — в каталоге. Общий порядок работы с видео — гайд по видео.