模型简介

通义万相 Wan 2.5 系列是阿里于 2025 年 9 月推出的原生多模态视频生成模型，其核心突破在于能生成与画面无缝同步的人声、音效和 BGM，彻底解决了传统 AI 视频“音画两张皮”的痛点。模型可生成最长 10 秒、24帧/秒的 1080P 高清视频，同时具有很强的指令跟随能力，能精准控制运镜和多主体动作。

Wan 2.5 T2V（文生视频）：用户输入文本描述即可从零生成带原生音效和背景音乐的视频。模型对复杂的镜头语言（如光影、构图）和语义逻辑理解深刻，能将抽象的文字描述直接转变为包含动态画面与立体声效的完整视频片段。

Wan 2.5 I2V（图生视频）：将静态图片转换为动态视频，让用户实现对构图与主体动作的精确控制。模型非常稳定，不仅能精准保留图片中的人物、商品、文字等元素特征，还能让画面“活”起来，完成流畅的运镜和复杂动作。它支持自动配音或传入自定义音频，可根据文字描述生成特定的声效。

模型定价

分辨率	Wan 2.5
48p	0.38/秒
720p	0.76/秒
1080p	1.29/秒

平台计价是按次计价，一次为一秒。生成5秒视频会扣五次，属于正常现象。

模型接入

请求响应示例

POST /v1/video/wan25ev

文生视频

图生视频

{
  "model": "Wan-2.5-T2V",
  "prompt": "A cat playing piano",
  "aspect_ratio": "16:9",
  "quality": "720p",
  "duration": 5
}

响应示例

GET /v1/video/wan25ev/{taskId}

完成任务响应

已完成

处理中

{ "id": "task-xxx", "status": "completed", "video_url": "https://...", "duration": 5, "size": "1280x720" }

支持 model

model	说明
`Wan-2.5-T2V`	文生视频
`Wan-2.5-I2V`	图生视频

参数说明

参数	类型	必填	T2V	I2V	说明
`model`	string	是	✅	✅	`Wan-2.5-T2V` / `Wan-2.5-I2V`
`prompt`	string	是	✅	✅	文本提示词
`quality`	string	否	720p	720p	`480p` / `720p` / `1080p`
`duration`	int	否	5	5	仅支持 5 或 10
`aspect_ratio`	string	否	✅	❌	`16:9`, `9:16` 等
`image_urls`	array	否	❌	✅	图片 URL 数组
`seed`	int	否	✅	✅	随机种子

support@deepspaceai.net

DeepSpaceAI

Wan 2.5系列

模型简介#

模型定价#

模型接入#

请求响应示例#

响应示例#

完成任务响应#

支持 model#

参数说明#