免费咨询

单图参考(多宫格图像)

单图参考(多宫格图像)

wan2.7-r2v-2026-06-12 是通义万相 2.7 系列的参考生视频模型，通过 /v1/responses 端点以「提交任务 + 轮询查询」两步异步方式调用。本文档演示单图参考的多宫格（故事板图像）用法：传入一张包含多个分镜宫格的参考图，配合按多分镜形式描述的提示词，模型将自动识别宫格逻辑并智能补全镜头内容，无需逐格描述、提供关键分镜即可生成最长 15 秒、最高 1080P 的连贯多镜头有声视频（为达到更好的效果，建议单次仅输入一张多宫格图）。参考图支持 JPEG/JPG/PNG/BMP/WEBP 格式、公网 URL 或 Base64 编码传入，适合分镜脚本转视频、故事板预演、动画短片创作等场景。

接口地址

接口请求方式URL
提交任务POSThttps://api.apexrouter.top/v1/responses
获取结果POSThttps://api.apexrouter.top/v1/responses

WARNING

请妥善保管您的 API Key！严禁将密钥泄露给他人、硬编码到代码中或提交到公开的代码仓库。如果怀疑密钥已泄露，请立即前往 知能API 官网重新生成。

模型名称

  • wan2.7-r2v-2026-06-12

单图参考(多宫格图像) 示例代码 

import base64
import os

import requests
import json

# ===============================================================
# 步骤1: 配置 API 连接信息
# ===============================================================

# 知能API 服务端点地址
url = "https://api.apexrouter.top/v1/responses"

# 知能API 密钥 (请替换为您自己的密钥)
# 获取方式: 登录 知能API 官网 -> 个人中心 -> API 密钥管理
api_key = "sk-******************************************"

# ===============================================================
# 步骤2: 配置请求头
# ===============================================================

headers = {
    "Content-Type": "application/json",      # 指定请求体为 JSON 格式
    "Authorization": f"{api_key}",           # token 认证方式
}

# ===============================================================
# 步骤3: 配置请求参数
# ===============================================================

payload = {
    # 【model】(string, 必填) 调用的模型名称
    "model": "wan2.7-r2v-2026-06-12",

    # 【input】(object, 必填) 输入的基本信息，如提示词等
    "input": {
        # 【prompt】(string, 必填) 文本提示词，用来描述生成视频中期望包含的元素和视觉特点
        # 支持中英文，每个汉字、字母、标点占一个字符，不超过 5000 个字符，超过部分会自动截断
        # 若参考素材有且仅有一张图片，可简化表述为"参考图片"指代
        # 当参考图片为多宫格（故事板图像）时，提示词建议按照多分镜的形式描述画面内容:
        # 无需描述每个宫格，提供关键分镜内容即可，模型将自动识别宫格逻辑并智能补全镜头内容
        # 为达到更好的效果，建议单次仅输入一张多宫格图
        "prompt": "参考图片，3D卡通冒险电影风，角色Q版但材质细腻，动作流畅，色彩鲜明，保持角色与森林场景一致，不要加入文字。氛围： 冒险、轻快、神秘、童趣。角色： 小男孩探险家：圆帽、背包、短斗篷。小伙伴：会飞的小机器人，圆形身体，蓝色发光眼。场景： 奇幻森林，巨大树根、蘑菇、藤蔓、藏宝洞口、阳光光束。分镜脚本： 1. 全景：奇幻森林里高大树木与光束交错，环境神秘明亮。 2. 中景：小男孩拨开藤蔓向前探路。 3. 中景：小机器人飞在他身边，用蓝光扫描前方。 4. 特写：一张旧藏宝图在男孩手里展开。 5. 近景：他露出兴奋表情，眼睛亮起来。 6. 动作镜头：两人跳过树根和小溪，继续深入森林。 7. 中景：藤蔓后方露出一个被苔藓覆盖的宝箱。 8. 特写：宝箱边缘闪出金色光芒。 9. 收束镜头：男孩和小机器人站在宝箱前惊喜对望，冒险感拉满。",

        # 【media】(array, 必填) 媒体素材数组，素材包括图像、视频和音频
        # 支持图像/视频输入作为视觉参考，图像支持多视图，常见参考角色、道具、场景等
        # 数组中每个元素为一个媒体对象，包含 type 与 url 字段
        # 素材限制:
        #   - 首帧图像最多传入 1 张
        #   - 参考图像和参考视频至少传入 1 个，参考图像 + 参考视频 ≤ 5
        #   - 参考素材为主体角色时，仅包含单一角色
        "media": [
            {
                # 【media[].type】(string, 必填) 媒体素材类型
                # 可选值: "reference_image"(参考图像，提供主体角色和场景参考)
                #         / "reference_video"(参考视频，提供主体角色和音色参考，不推荐传入空镜视频)
                #         / "first_frame"(首帧图像，基于首帧生成视频)
                "type": "reference_image",
                # 【media[].url】(string, 必填) 媒体素材 URL，每个值可指向一张图像或一段视频
                # 参考图像限制:
                #   - 格式: JPEG、JPG、PNG（不支持透明通道）、BMP、WEBP
                #   - 分辨率: 宽度和高度范围为 [240, 8000] 像素
                #   - 宽高比: 1:8 ~ 8:1
                #   - 文件大小: 不超过 20MB
                # 支持公网 URL (HTTP/HTTPS)、OSS 临时 URL 或 Base64 编码
                # (数据格式 data:{MIME_type};base64,{base64_data})
                "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260403/wgjaxy/banana_storyboard_00000020.png"
            }
        ]
    },

    # 【parameters】(object, 可选) 视频处理参数，如设置视频分辨率
    "parameters": {
        # 【resolution】(string, 可选) 生成视频的分辨率档位，用于控制视频的清晰度（总像素）
        # 可选值: "720P" / "1080P"(默认值)
        # 注意: resolution 直接影响费用，请在调用前确认模型价格
        "resolution": "720P",

        # 【ratio】(string, 可选) 生成视频的宽高比
        # 可选值: "16:9"(默认值) / "9:16" / "1:1" / "4:3" / "3:4"
        # 生效逻辑:
        #   - 未传入首帧图像: 按指定的 ratio 参数生成视频
        #   - 已传入首帧图像: 自动忽略 ratio 参数，以首帧图像的宽高比生成近似比例的视频
        "ratio": "16:9",

        # 【duration】(integer, 可选) 生成视频的时长，单位为秒，默认值为 5
        # 取值范围:
        #   - 当参考素材中包含视频时: [2, 10] 之间的整数
        #   - 当参考素材中不包含视频时: [2, 15] 之间的整数
        # 注意: duration 直接影响费用，请在调用前确认模型价格
        "duration": 10,

        # 【prompt_extend】(boolean, 可选) 是否开启 prompt 智能改写，开启后使用大模型对输入 prompt 进行智能改写
        # 对于较短的 prompt 生成效果提升明显，但会增加耗时
        # 可选值: True(默认值，开启智能改写) / False(不开启智能改写)
        "prompt_extend": False,

        # 【watermark】(boolean, 可选) 是否添加水印标识，水印位于视频右下角，文案固定为"AI生成"
        # 可选值: False(默认值，不添加水印) / True(添加水印)
        "watermark": True,

        # 【seed】(integer, 可选) 随机数种子，取值范围为 [0, 2147483647]
        # 未指定时，系统自动生成随机种子；若需提升生成结果的可复现性，建议固定 seed 值
        # 由于模型生成具有概率性，即使使用相同 seed，也不能保证每次生成结果完全一致
        "seed": 23
    }
}

# ===============================================================
# 步骤4: 媒体输入处理
# ===============================================================
# - 公网 URL (http/https): 原样传入
# - 本地文件路径: 自动读取并转为 data:{MIME_type};base64,{base64_data}

_MIME_MAP = {
    ".bmp": "image/bmp",
    ".gif": "image/gif",
    ".jpeg": "image/jpeg",
    ".jpg": "image/jpeg",
    ".png": "image/png",
    ".webp": "image/webp",
}

def _file_to_data_uri(path: str) -> str:
    ext = os.path.splitext(path)[1].lower()
    mime = _MIME_MAP.get(ext)
    if mime is None:
        raise ValueError(f"不支持的文件格式 {ext}: {path}")
    with open(path, "rb") as f:
        data = base64.b64encode(f.read()).decode("ascii")
    return f"data:{mime};base64,{data}"

def resolve_media(path_or_url: str) -> str:
    """公网 URL 原样返回; 本地文件转 base64 data URI; 其他一律报错。"""
    if path_or_url.startswith(("http://", "https://")):
        return path_or_url
    if path_or_url.startswith("data:"):
        return path_or_url
    if os.path.isfile(path_or_url):
        return _file_to_data_uri(path_or_url)
    raise ValueError(f"无法识别的输入（不是公网 URL，本地文件也不存在）: {path_or_url}")

# 图片：可填公网 URL 或本地文件路径（如 r"C:\文件\示例.bmp"）
payload["input"]["media"][0]["url"] = resolve_media(payload["input"]["media"][0]["url"])

# ===============================================================
# 步骤5: 发送请求并输出结果
# ===============================================================

# 发送 POST 请求到 API 服务器
response = requests.post(url, headers=headers, json=payload)

# 格式化输出 JSON 响应
# - indent=2: 缩进 2 空格，便于阅读
# - ensure_ascii=False: 正确显示中文字符
print(json.dumps(response.json(), indent=2, ensure_ascii=False))

返回示例 

{
  "request_id": "fc612ac2-88e5-9330-b023-43131fdfd45f",
  "output": [
    {
      "type": "message",
      "content": [
        {
          "type": "output_text",
          "text": "{\"task_id\":\"d99adaca-b8a5-4103-b0a0-772933b091a0\",\"task_status\":\"PENDING\"}"
        }
      ]
    }
  ],
  "usage": {
    "input_tokens": 0,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens": 60000,
    "output_tokens_details": {
      "reasoning_tokens": 0
    },
    "total_tokens": 60000
  }
}

获取生成视频 示例代码 

"""
╔═══════════════════════════════════════════════════════════════╗
║                  知能API 自研接口                               ║
╚═══════════════════════════════════════════════════════════════╝

📝 功能说明:
   本脚本通过任务 ID 查询视频生成任务的状态与结果
   任务状态: PENDING(排队中) / RUNNING(处理中) / SUCCEEDED(成功)
             FAILED(失败) / CANCELED(已取消) / UNKNOWN(任务不存在或状态未知)

═══════════════════════════════════════════════════════════════
"""

import requests
import json

# ═══════════════════════════════════════════════════════════════
# 🔑 步骤1: 配置 API 连接信息
# ═══════════════════════════════════════════════════════════════

# 🌐 知能API 服务端点地址
url = "https://api.apexrouter.top/v1/responses"

# 🔐 知能API 密钥 (请替换为您自己的密钥)
# 获取方式: 登录 知能API 官网 -> 个人中心 -> API 密钥管理
api_key = "sk-******************************************"

# ═══════════════════════════════════════════════════════════════
# 📋 步骤2: 配置请求头
# ═══════════════════════════════════════════════════════════════

headers = {
    "Content-Type": "application/json",      # 指定请求体为 JSON 格式
    "Authorization": f"{api_key}",    # token 认证方式
}

# ═══════════════════════════════════════════════════════════════
# 💬 步骤3: 配置请求参数
# ═══════════════════════════════════════════════════════════════

payload = {

    "model": "wan2.7-get",
    "input": "d99adaca-b8a5-4103-b0a0-772933b091a0"

}


# ═══════════════════════════════════════════════════════════════
# 📤 步骤4: 发送请求并输出结果
# ═══════════════════════════════════════════════════════════════

# 发送 POST 请求到 API 服务器
response = requests.post(url, headers=headers, json=payload)

# 格式化输出 JSON 响应
# - indent=2: 缩进 2 空格，便于阅读
# - ensure_ascii=False: 正确显示中文字符
print(json.dumps(response.json(), indent=2, ensure_ascii=False))

返回示例 

{
  "request_id": "330a25bc-a5f8-9f5f-9ffc-044aa53111f8",
  "output": [
    {
      "type": "message",
      "content": [
        {
          "type": "output_text",
          "text": "{\"task_id\":\"d99adaca-b8a5-4103-b0a0-772933b091a0\",\"task_status\":\"RUNNING\",\"submit_time\":\"2026-07-14 17:04:04.567\",\"scheduled_time\":\"2026-07-14 17:04:04.597\"}"
        }
      ]
    }
  ],
  "usage": {
    "input_tokens": 0,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens": 0,
    "output_tokens_details": {
      "reasoning_tokens": 0
    },
    "total_tokens": 0
  }
}

© 2026 知能API wan2.7-r2v-2026-06-12 单图参考(多宫格图像)

 返回列表

与知能科技携手，共创数字化未来

欢迎沟通需求，我们将提供专业评估与建议。
了解更多