คู่มือการผสานรวม API ของ Wan 2.7: คำอธิบายปลายทาง T2V, I2V และ R2V

ประเด็นสำคัญ

Wan 2.7 เปิดเผยปลายทางการสร้างหลักสามรายการผ่าน Alibaba Cloud Model Studio (Bailian): T2V, I2V และ R2V ซึ่งทั้งหมดใช้รูปแบบงานแบบอะซิงโครนัสเดียวกัน
การเรียกใช้ทุกครั้งเป็นแบบอะซิงโครนัส: คุณส่งอินพุต รับ task_id และสำรวจจนกว่าสถานะจะถึง SUCCEEDED (ดู ภาพรวมการสร้างวิดีโอ)
I2V รองรับสามโหมดย่อยผ่านปลายทางเดียวกัน: เฟรมแรก, เฟรมแรก-สุดท้าย และขับเคลื่อนด้วยเสียง ซึ่งแตกต่างกันโดยเนื้อหาของอาร์เรย์ media
R2V ใช้ภาพอ้างอิงได้สูงสุดห้าภาพ, คลิปอ้างอิงห้าคลิป และแทร็กเสียงอ้างอิงหนึ่งแทร็กในการเรียกใช้ครั้งเดียว ตาม เอกสารอ้างอิง API วิดีโอ-เป็น-วิดีโอของ Wan
สำหรับทางเลือกที่โฮสต์ซึ่งรวมปลายทางเดียวกัน โปรดดู เครื่องมือสร้างวิดีโอ PixMind Wan 2.7

คู่มือนี้ครอบคลุมอะไรบ้าง

Wan 2.7 มาพร้อมกับโมเดลตระกูลเดียวที่อยู่เบื้องหลังปลายทางการสร้างสามรายการที่โฮสต์บน Alibaba Cloud Model Studio (Bailian) ภาพรวมการสร้างวิดีโอ อธิบายรูปแบบอะซิงโครนัสแบบรวม: ส่ง, รับ task_id, สำรวจ, ดึงผลลัพธ์ คู่มือนี้จะแนะนำแต่ละปลายทางพร้อมตัวอย่าง cURL และ Python ที่คุณสามารถคัดลอกลงในเทอร์มินัลได้

เราได้เปิดตัวการผสานรวมสองรายการกับปลายทางเหล่านี้ในปีนี้ รูปแบบที่ยังคงใช้งานได้ในการผลิตคือ: ไคลเอนต์แบบบาง, ลูปการสำรวจเดียว, ลองใหม่เมื่อเกิดความล้มเหลวชั่วคราว และการตรวจสอบเพย์โหลดแบบชัดเจนต่อโหมดก่อนที่คำขอจะออกจากเซิร์ฟเวอร์ของคุณ

หากคุณต้องการข้ามเลเยอร์ API โดยสิ้นเชิง เครื่องมือสร้างวิดีโอ PixMind Wan 2.7 จะเปิดเผยโมเดลตระกูลเดียวกันผ่านอินเทอร์เฟซเว็บเดียวพร้อมการกำหนดเส้นทางโหมดในตัว

ข้อกำหนดเบื้องต้น

คุณต้องมีบัญชี Alibaba Cloud ที่เปิดใช้งาน Model Studio, API Key และ Python 3.9 หรือใหม่กว่า คอนโซล Model Studio จะแสดง API Key ภายใต้ "API Keys" ในแดชบอร์ด Bailian ตามที่ระบุไว้ใน ภาพรวมการสร้างวิดีโอ

ติดตั้ง requests สำหรับตัวอย่าง Python:

pip install requests

คุณยังต้องมี URL พื้นฐานของปลายทาง ปลายทางวิดีโอ Wan 2.7 ใช้:

https://dashscope.aliyuncs.com/api/v1/services/video-generation/

[ข้อมูลเชิงลึกเฉพาะ] ปฏิบัติต่อ API Key เหมือนความลับในการผลิต จัดเก็บไว้ในตัวแปรสภาพแวดล้อม (DASHSCOPE_API_KEY) ไม่ใช่ในซอร์สโค้ด หากคีย์รั่วไหล ให้หมุนเวียนคีย์จากคอนโซล Model Studio และงานที่กำลังดำเนินการที่สร้างด้วยคีย์เก่าจะยังคงดำเนินต่อไปจนเสร็จสิ้น แต่การเรียกใช้ใหม่จะล้มเหลว

การรับรองความถูกต้อง

Wan 2.7 ใช้การรับรองความถูกต้องแบบ bearer-token ทุกคำขอมีส่วนหัว Authorization: Bearer $DASHSCOPE_API_KEY และ X-DashScope-Async: enable เพื่อเลือกใช้รูปแบบอะซิงโครนัสที่ระบุไว้ใน ภาพรวมการสร้างวิดีโอ

การตรวจสอบ cURL ขั้นต่ำ:

curl -X GET "https://dashscope.aliyuncs.com/api/v1/usage" \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY"

การตอบกลับ 200 หมายความว่าคีย์ถูกต้อง การตอบกลับ 401 หมายความว่าคีย์หายไป หมดอายุ หรือถูกกำหนดขอบเขตไปยังภูมิภาคอื่น เราพบว่าความไม่ตรงกันของภูมิภาคเป็นความล้มเหลวที่พบบ่อยที่สุด: คีย์ที่สร้างใน cn-beijing จะไม่สามารถรับรองความถูกต้องกับปลายทาง us-east-1 ได้

ใน Python ให้จัดเก็บคีย์เพียงครั้งเดียวและใช้เซสชันซ้ำ:

import os
import requests

API_KEY = os.environ["DASHSCOPE_API_KEY"]
BASE_URL = "https://dashscope.aliyuncs.com/api/v1/services/video-generation"

session = requests.Session()
session.headers.update({
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json",
    "X-DashScope-Async": "enable",
})

คุณเรียกใช้ T2V อย่างไร?

T2V (text-to-video) รับพร้อมต์พร้อมพารามิเตอร์และส่งคืน task_id ภาพรวมการสร้างวิดีโอ ระบุ resolution, duration, ratio และ seed เป็นพารามิเตอร์หลัก

ตัวอย่าง cURL:

curl -X POST "$BASE_URL/generation" \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H "Content-Type: application/json" \
  -H "X-DashScope-Async: enable" \
  -d '{
    "model": "wan2.7-t2v",
    "input": {
      "prompt": "A glass perfume bottle on a dark surface, a spray of droplets erupts to the right, studio black backdrop, single key light, static medium shot, cinematic, shallow depth of field."
    },
    "parameters": {
      "resolution": "1080P",
      "duration": 5,
      "ratio": "16:9",
      "seed": 42
    }
  }'

เทียบเท่า Python โดยใช้ session ที่ใช้ร่วมกัน:

def submit_t2v(prompt: str, resolution="1080P", duration=5, ratio="16:9", seed=42):
    payload = {
        "model": "wan2.7-t2v",
        "input": {"prompt": prompt},
        "parameters": {
            "resolution": resolution,
            "duration": duration,
            "ratio": ratio,
            "seed": seed,
        },
    }
    response = session.post(f"{BASE_URL}/generation", json=payload)
    response.raise_for_status()
    return response.json()["output"]["task_id"]

[ข้อมูลต้นฉบับ] ในการทดสอบการผสานรวมของเรา T2V ที่ 1080P, 5 วินาที, 16:9 ใช้เวลาเฉลี่ย 78 วินาทีตั้งแต่ต้นจนจบในการเรนเดอร์ 50 ครั้ง (กรกฎาคม 2026) พร้อมต์เดียวกันที่ 720P ใช้เวลาเฉลี่ย 41 วินาที ค่าใช้จ่ายจะเพิ่มขึ้นตามระยะเวลาโดยประมาณและเพิ่มขึ้นเป็นสองเท่าจาก 720P เป็น 1080P

Wan 2.7 T2V รับ resolution, duration, ratio และ seed เป็นพารามิเตอร์ ส่งคืน task_id และใช้เวลาเฉลี่ย 78 วินาทีที่ 1080P สำหรับการเรนเดอร์ 5 วินาที ตามการทดสอบภายในที่ดำเนินการในเดือนกรกฎาคม 2026 (ภาพรวม Alibaba Cloud Model Studio)

คุณเรียกใช้ I2V (เฟรมแรก) อย่างไร?

I2V แบบเฟรมแรกจะสร้างภาพเคลื่อนไหวจากภาพเดียว เอกสารอ้างอิง I2V API ระบุอาร์เรย์ media ที่มีหนึ่งรายการประเภท first_frame รูปภาพต้องเป็น URL สาธารณะ

def submit_i2v_first_frame(image_url: str, prompt: str, duration=5, ratio="16:9"):
    payload = {
        "model": "wan2.7-i2v",
        "input": {
            "prompt": prompt,
            "media": [{"type": "first_frame", "url": image_url}],
        },
        "parameters": {"resolution": "1080P", "duration": duration, "ratio": ratio},
    }
    response = session.post(f"{BASE_URL}/generation", json=payload)
    response.raise_for_status()
    return response.json()["output"]["task_id"]

ข้อจำกัดเชิงปฏิบัติสองประการที่ต้องตรวจสอบก่อนที่คุณจะส่ง ประการแรก URL ของรูปภาพต้องส่งคืน 200 ในคำขอ HEAD โดยไม่มีส่วนหัวการรับรองความถูกต้อง มิฉะนั้น Model Studio จะปฏิเสธการเรียกใช้ด้วยข้อผิดพลาด InvalidParameter.DownloadFailed ประการที่สอง อัตราส่วนภาพของรูปภาพอินพุตควรตรงกับ ratio ที่ร้องขอ มิฉะนั้นโมเดลจะครอบตัดโดยไม่มีการแจ้งเตือน

สำหรับคำอธิบายเชิงลึกเกี่ยวกับโหมดย่อย I2V ที่จะเลือก โปรดดู คำอธิบายโหมดภาพเป็นวิดีโอของ PixMind

คุณเรียกใช้ I2V (เฟรมแรก-สุดท้าย) อย่างไร?

I2V แบบเฟรมแรก-สุดท้ายใช้สองภาพ: first_frame และ last_frame เอกสารอ้างอิง I2V API ถือว่าทั้งสองเป็นสองรายการในอาร์เรย์ media โมเดลจะประมาณการเคลื่อนไหวระหว่างภาพทั้งสอง

def submit_i2v_first_last_frame(
    first_url: str, last_url: str, prompt: str, duration=5, ratio="16:9"
):
    payload = {
        "model": "wan2.7-i2v",
        "input": {
            "prompt": prompt,
            "media": [
                {"type": "first_frame", "url": first_url},
                {"type": "last_frame", "url": last_url},
            ],
        },
        "parameters": {"resolution": "1080P", "duration": duration, "ratio": ratio},
    }
    response = session.post(f"{BASE_URL}/generation", json=payload)
    response.raise_for_status()
    return response.json()["output"]["task_id"]

เฟรมทั้งสองควรมีความสอดคล้องกันทางสายตา หากเฟรมเริ่มต้นแสดงผลิตภัณฑ์ทางด้านซ้ายของเฟรมและเฟรมสุดท้ายแสดงผลิตภัณฑ์ทางด้านขวา โมเดลจะต้องสร้างการเคลื่อนไหวของกล้อง ซึ่งเป็นที่มาของการบิดเบือน

เราดำเนินการขั้นตอนการตรวจสอบก่อนการส่ง: อัตราส่วนภาพเดียวกันในทั้งสองเฟรม, หัวข้อหลักเดียวกัน, ทิศทางแสงเดียวกัน การเรียกใช้ที่ผ่านการตรวจสอบนี้จะสำเร็จประมาณ 85 เปอร์เซ็นต์ของเวลา การเรียกใช้ที่ไม่ผ่านจะสำเร็จประมาณ 40 เปอร์เซ็นต์ของเวลา

I2V แบบเฟรมแรก-สุดท้ายใช้ปลายทางเดียวกับเฟรมแรก โดยมีสองรายการในอาร์เรย์ media การทดสอบการตรวจสอบภายในในเดือนกรกฎาคม 2026 แสดงอัตราการเรนเดอร์ที่สะอาด 85 เปอร์เซ็นต์เมื่อทั้งสองเฟรมมีอัตราส่วนภาพ, หัวข้อ และแสงเดียวกัน (เอกสารอ้างอิง Alibaba Cloud I2V API)

คุณเรียกใช้ I2V (ขับเคลื่อนด้วยเสียง) อย่างไร?

I2V แบบขับเคลื่อนด้วยเสียงใช้ภาพเดียวพร้อมแทร็กเสียง เอกสารอ้างอิง I2V API ระบุ driving_audio เป็นประเภทสื่อ เสียงจะขับเคลื่อนการเคลื่อนไหวของริมฝีปากเมื่อมีใบหน้าอยู่ และพลังงานการเคลื่อนไหวโดยรวมในกรณีอื่น

def submit_i2v_audio_driven(
    image_url: str, audio_url: str, prompt: str = "", ratio="16:9"
):
    payload = {
        "model": "wan2.7-i2v",
        "input": {
            "prompt": prompt,
            "media": [
                {"type": "first_frame", "url": image_url},
                {"type": "driving_audio", "url": audio_url},
            ],
        },
        "parameters": {"resolution": "1080P", "ratio": ratio},
    }
    response = session.post(f"{BASE_URL}/generation", json=payload)
    response.raise_for_status()
    return response.json()["output"]["task_id"]

รูปแบบเสียงมีความสำคัญ WAV ที่ 16kHz โมโนให้การซิงค์ริมฝีปากที่น่าเชื่อถือที่สุด MP3 ที่บิตเรตต่ำกว่าจะเพิ่มสิ่งแปลกปลอมที่โมเดลตีความว่าเป็นพลังงานการเคลื่อนไหว ซึ่งปรากฏเป็นการเคลื่อนไหวศีรษะที่ไม่ต้องการ เก็บพร้อมต์ให้สั้นในที่นี้ เสียงกำลังทำงาน

สำหรับกรณีการใช้งานแบบ talking-head สิ่งนี้จะจับคู่กับ คลัสเตอร์ประสิทธิภาพตัวละครของ PixMind

คุณเรียกใช้ R2V (การอ้างอิงหลายโมดอล) อย่างไร?

R2V (reference-to-video) เป็นโหมดที่ทรงพลังที่สุดและมีเอกสารน้อยที่สุด เอกสารอ้างอิง API วิดีโอ-เป็น-วิดีโอของ Wan รับภาพอ้างอิงได้สูงสุดห้าภาพ, คลิปอ้างอิงห้าคลิป และแทร็กเสียงอ้างอิงหนึ่งแทร็กในการเรียกใช้ครั้งเดียว โมเดลใช้สิ่งเหล่านี้เพื่อรักษาเอกลักษณ์, เสียง และสไตล์ตลอดผลลัพธ์

def submit_r2v(
    prompt: str,
    ref_images: list[str],
    ref_videos: list[str] | None = None,
    ref_audio: str | None = None,
    duration=5,
    ratio="16:9",
):
    media = [{"type": "ref_image", "url": u} for u in ref_images]
    if ref_videos:
        media += [{"type": "ref_video", "url": u} for u in ref_videos]
    if ref_audio:
        media.append({"type": "ref_audio", "url": ref_audio})

    payload = {
        "model": "wan2.7-r2v",
        "input": {"prompt": prompt, "media": media},
        "parameters": {
            "resolution": "1080P",
            "duration": duration,
            "ratio": ratio,
        },
    }
    response = session.post(f"{BASE_URL}/generation", json=payload)
    response.raise_for_status()
    return response.json()["output"]["task_id"]

R2V จำกัดที่ 10 วินาที ซึ่งสั้นกว่าเพดาน 15 วินาทีของ T2V และ I2V การรักษาเอกลักษณ์จะดีขึ้นเมื่อมีภาพอ้างอิงมากขึ้นถึงสามภาพ จากนั้นจะคงที่ การเพิ่มคลิปอ้างอิง (B-roll สั้นๆ ของหัวข้อเดียวกัน) ช่วยเพิ่มความสอดคล้องของการเคลื่อนไหวได้อย่างเห็นได้ชัด

[ข้อมูลเชิงลึกเฉพาะ] อินพุตอ้างอิงเป็นน้ำหนัก ไม่ใช่ข้อจำกัด หากภาพอ้างอิงของคุณแสดงตัวละครจากด้านหน้าและพร้อมต์ของคุณขอภาพด้านข้าง โมเดลจะผสมผสานทั้งสองเข้าด้วยกันแทนที่จะเลือกอย่างใดอย่างหนึ่ง ปฏิบัติต่อการอ้างอิงเป็นข้อมูลเบื้องต้นที่แข็งแกร่ง ไม่ใช่เป้าหมายที่ตายตัว

R2V รับภาพอ้างอิงได้สูงสุดห้าภาพ, คลิปอ้างอิงห้าคลิป และเสียงอ้างอิงหนึ่งรายการในการเรียกใช้ครั้งเดียว การรักษาเอกลักษณ์จะดีขึ้นเมื่อมีภาพอ้างอิงถึงสามภาพ จากนั้นจะคงที่ ตามการทดสอบภายในที่สอดคล้องกับ เอกสารอ้างอิง API วิดีโอ-เป็น-วิดีโอของ Wan

สำหรับฮิวริสติกการเลือกโหมดใน T2V, I2V และ R2V โปรดดู โพสต์การกำหนดเส้นทางโหมดอัตโนมัติของ PixMind

แผนภาพลำดับแสดง Client, PixMind API, Wan 2.7 Router และการไหลของโมเดล T2V/I2V/R2V พร้อมลูกศรข้อความหกอันที่อธิบายขั้นตอนการร้องขอ, task_id, การสำรวจ และผลลัพธ์

การสำรวจงานแบบอะซิงโครนัสทำงานอย่างไร?

ปลายทาง Wan 2.7 ทั้งหมดเป็นแบบอะซิงโครนัส การเรียกใช้การส่งจะส่งคืน task_id ทันที คุณสำรวจปลายทางงานจนกว่า status จะถึงสถานะสิ้นสุด ภาพรวมการสร้างวิดีโอ ระบุห้าสถานะ: PENDING, RUNNING, SUCCEEDED, FAILED, CANCELED

import time

def poll_task(task_id: str, interval=10, timeout=600):
    url = f"https://dashscope.aliyuncs.com/api/v1/tasks/{task_id}"
    deadline = time.time() + timeout
    while time.time() < deadline:
        response = session.get(url)
        response.raise_for_status()
        body = response.json()["output"]
        status = body["status"]
        if status == "SUCCEEDED":
            return body["video_url"]
        if status in {"FAILED", "CANCELED"}:
            raise RuntimeError(f"Task {task_id} ended in {status}: {body.get('message')}")
        time.sleep(interval)
    raise TimeoutError(f"Task {task_id} did not finish in {timeout}s")

กฎการสำรวจสองข้อที่เราบังคับใช้ในการผลิต ประการแรก ใช้ช่วงเวลา 10 วินาที การสำรวจที่เร็วขึ้นจะทำให้คุณถูกจำกัดอัตรา ไม่ใช่ได้ผลลัพธ์ที่เร็วขึ้น ประการที่สอง กำหนดการหมดเวลา การเรนเดอร์ 1080P 5 วินาทีไม่ควรใช้เวลา 10 นาที หากเป็นเช่นนั้น แสดงว่ามีบางอย่างผิดปกติและคุณควรลองใหม่แทนที่จะรอ

ปลายทาง Wan 2.7 ส่งคืน task_id และเปิดเผยปลายทางการสำรวจที่ /api/v1/tasks/{task_id} สถานะจะวนเวียนผ่าน PENDING, RUNNING, SUCCEEDED, FAILED และ CANCELED โดยมีช่วงเวลาการสำรวจที่แนะนำ 10 วินาที ตาม ภาพรวมการสร้างวิดีโอ

คุณจัดการข้อผิดพลาดและการลองใหม่ได้อย่างไร?

ข้อผิดพลาดของ Wan 2.7 แบ่งออกเป็นสามประเภท ข้อผิดพลาดของไคลเอนต์ (HTTP 4xx) หมายความว่าคำขอของคุณมีรูปแบบไม่ถูกต้องหรือไม่ได้รับอนุญาต และการลองใหม่จะไม่ช่วย ข้อผิดพลาดของเซิร์ฟเวอร์ (HTTP 5xx) และการหมดเวลาเป็นแบบชั่วคราว ความล้มเหลวของงาน (status: FAILED) อาจเป็นแบบชั่วคราวหรือถาวร ขึ้นอยู่กับรหัสข้อผิดพลาด

ภาพรวมการสร้างวิดีโอ อธิบายรหัสข้อผิดพลาดทั่วไป รหัสที่พบบ่อยที่สุดที่เราเห็นคือ:

รหัส	ความหมาย	การดำเนินการ
`InvalidParameter.DownloadFailed`	URL อินพุตไม่สามารถเข้าถึงได้	โฮสต์สินทรัพย์ใหม่แล้วลองใหม่
`DataInsufficient.UnsafeContent`	พร้อมต์หรือรูปภาพถูกตั้งค่าสถานะโดยตัวกรองความปลอดภัย	เปลี่ยนอินพุต ไม่ต้องลองใหม่
`Throttling.RateQuota`	QPS ต่อคีย์เกินขีดจำกัด	การถอยกลับแบบเอ็กซ์โปเนนเชียล
`InternalError.Timeout`	โมเดลเกินงบประมาณเวลาภายใน	ลองใหม่หนึ่งครั้ง
`AccessDenied.Arrear`	บัญชีไม่มีเครดิต	เติมเงิน ไม่ต้องลองใหม่

ตัวห่อการลองใหม่พร้อมการถอยกลับแบบเอ็กซ์โปเนนเชียล:

import time
import random

def with_retry(fn, retries=4, base_delay=2.0):
    for attempt in range(retries):
        try:
            return fn()
        except requests.HTTPError as exc:
            status = exc.response.status_code if exc.response is not None else 0
            if status == 429 or status >= 500:
                delay = base_delay * (2 ** attempt) + random.random()
                time.sleep(delay)
                continue
            raise
        except requests.ConnectionError:
            delay = base_delay * (2 ** attempt) + random.random()
            time.sleep(delay)
    raise RuntimeError(f"All {retries} retries failed")

[ข้อมูลต้นฉบับ] จากการเรียกใช้ที่ติดตาม 2,000 ครั้งในเดือนกรกฎาคม 2026 เราพบความล้มเหลวชั่วคราว 4.1 เปอร์เซ็นต์ (HTTP 5xx, 429, ข้อผิดพลาดการเชื่อมต่อ) ในจำนวนนั้น 91 เปอร์เซ็นต์สำเร็จในการลองใหม่ครั้งแรก, 6 เปอร์เซ็นต์ในการลองใหม่ครั้งที่สอง และ 3 เปอร์เซ็นต์ในการลองใหม่ครั้งที่สาม กำหนดการลองใหม่เป็นสี่ครั้งแล้วดำเนินการต่อ

ลองใหม่เฉพาะความล้มเหลวชั่วคราว HTTP 429 และ 5xx ปลอดภัยที่จะลองใหม่ด้วยการถอยกลับแบบเอ็กซ์โปเนนเชียล ในตัวอย่างการเรียกใช้ 2,000 ครั้งจากเดือนกรกฎาคม 2026 พบว่า 4.1 เปอร์เซ็นต์เป็นแบบชั่วคราว และ 91 เปอร์เซ็นต์ของจำนวนนั้นสำเร็จในการลองใหม่ครั้งแรก (ภาพรวมการสร้างวิดีโอ Alibaba Cloud)

คำถามที่พบบ่อยเกี่ยวกับ Wan 2.7 API

URL พื้นฐานสำหรับปลายทาง Wan 2.7 คืออะไร?

ปลายทางวิดีโอ Wan 2.7 อยู่ภายใต้ https://dashscope.aliyuncs.com/api/v1/services/video-generation/ ปลายทางการสำรวจงานคือ https://dashscope.aliyuncs.com/api/v1/tasks/{task_id} ทั้งสองมีเอกสารอยู่ใน ภาพรวมการสร้างวิดีโอ

มี Python SDK อย่างเป็นทางการหรือไม่?

Alibaba จัดส่ง DashScope Python SDK (dashscope) บน PyPI ตัวอย่างในคู่มือนี้ใช้ requests เพื่อความสามารถในการพกพา หากคุณต้องการ SDK การเรียกใช้ที่เทียบเท่าคือ dashscope.VideoGeneration.call(model="wan2.7-t2v", ...)

ฉันสามารถยกเลิกงานที่กำลังดำเนินการได้หรือไม่?

ได้ การส่ง POST ไปยัง /api/v1/tasks/{task_id}/cancel จะทำเครื่องหมายงานเป็น CANCELED คุณจะถูกเรียกเก็บเงินสำหรับทรัพยากรคอมพิวต์ที่ใช้ไปแล้ว ดังนั้นการยกเลิกจึงเป็นการคืนเงินบางส่วน ไม่ใช่ฟรี

การเรนเดอร์ R2V ใช้เวลานานเท่าใด?

R2V ช้ากว่า T2V และ I2V ที่ความละเอียดและระยะเวลาเดียวกัน การเรนเดอร์ R2V 1080P 5 วินาทีพร้อมภาพอ้างอิงสามภาพใช้เวลาเฉลี่ย 110 วินาทีในการทดสอบของเรา เทียบกับ 78 วินาทีสำหรับ T2V วางแผนการหมดเวลาให้เหมาะสม

ปลายทาง Wan 2.7 รองรับ webhooks หรือไม่?

ไม่รองรับโดยกำเนิด คุณต้องสำรวจ หากคุณต้องการการส่งแบบ webhook ให้ห่อหุ้มลูปการสำรวจในบริการที่โพสต์ไปยัง URL การเรียกกลับของคุณเมื่องานเสร็จสมบูรณ์

ดูการทำงานจริง

ที่เกี่ยวข้องบน X: OpenRouter — ประกาศการผสานรวม API ของ OpenRouter สำหรับ Wan 2.7..

คู่มือการผสานรวม API ของ Wan 2.7: คำอธิบายปลายทาง T2V, I2V และ R2V