视频生成-部署模型

更新时间:
复制 MD 格式

将训练好的模型发布为在线 API 服务。

适用范围

  • 适用地域:当前模型部署 API 仅在华北2(北京)地域开放。如您使用其他地域,请通过该地域的百炼控制台完成模型部署操作。
  • 开通账号权限:若使用阿里云子账号(RAM用户),需要为子账号授予模型调用、训练和部署权限。
  • 配置环境变量:已成功获取 API Key,并配置到环境变量。
  • 前提条件:已完成模型微调训练。请先调用查询调优任务接口,确认任务状态 status 为 SUCCEEDED 后再进行部署。

部署模型

华北2(北京)

POST https://dashscope.aliyuncs.com/api/v1/deployments

Windows CMD 请将$DASHSCOPE_API_KEY替换为%DASHSCOPE_API_KEY%,PowerShell请替换为 $env:DASHSCOPE_API_KEY

请求参数

请求头(Headers)

Content-Type string (必选)

固定值:application/json

Authorization string (必选)

API Key鉴权,格式为Bearer sk-xxxx。

请求体(Request Body)

model_name string (必选)

待部署的模型ID(非基础模型名称,而是微调或导出后生成的模型标识)。获取方式:

  • 微调产出的模型:使用创建调优任务响应中 output.finetuned_output 的值,格式如 wan2.5-i2v-preview-ft-202511111122-xxxx。
  • 导出的模型:使用查询导出的模型详情响应中 output[].model_name 的值。

capacity integer (必选)

部署的模型实例数量。推荐设置为1。

plan string (必选)

部署方式。LoRA高效微调推荐为lora。

aigc_config object (必选)

提示词配置。

aigc_config 属性

use_input_prompt boolean (必选)

控制调用已部署模型生成视频时的提示词来源。

  • false(默认值):自动生成模式。调用视频生成接口时,系统忽略传入的 prompt,强制使用 aigc_config.prompt 和 aigc_config.lora_prompt_default 配置的模板自动生成提示词。
  • true:手动传入模式。调用视频生成接口时,系统直接使用传入的 prompt,上述两个参数将全部失效。

prompt string (必选)

预设的Prompt模板。仅在use_input_prompt=false时生效。

调用已部署模型生成视频时,系统会分析输入图像,将画面内容填入该模板,自动生成带特效指令的完整描述。

注意:此参数会覆盖视频生成接口中传入的 prompt 参数。

lora_prompt_default string (必选)

备用Prompt模板。仅在use_input_prompt=false时生效。

当使用aigc_config.prompt生成失败时,系统将使用此参数作为兜底提示词来生成视频。

图生视频-基于首帧

以下示例以金钱雨特效为例,上传一张人物图片,系统自动生成带有特效的视频。

curl --location 'https://dashscope.aliyuncs.com/api/v1/deployments' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model_name": "<替换为模型名称model_name>",
    "aigc_config": {
        "use_input_prompt": false,
        "prompt": "根据图像内容提供视频描述,描述必须包含"然后开始展示s86b5p金钱雨特效,无数巨大尺寸的美元钞票(米黄底/深绿图案)如暴雨般倾泻而下,密集地砸向并环绕她(他)。钞票持续落下,同时镜头缓缓拉进,她(他)双臂舒展上扬,脖颈微仰,表情惊喜,完全沉浸在这场狂野的金钱雨中"。\n输出模板:\n视频开头展示了[主体描述]。[环境描述]。然后开始展示s86b5p金钱雨特效,无数巨大尺寸的美元钞票(米黄底/深绿图案)如暴雨般倾泻而下,密集地砸向并环绕她(他)。钞票持续落下,同时镜头缓缓拉进,她(他)双臂舒展上扬,脖颈微仰,表情惊喜,完全沉浸在这场狂野的金钱雨中。\n示例:\n视频开头展示了一位年轻女性在海滩上的场景。她的头发湿漉漉的,呈现出深棕色,卷曲且略显凌乱。她的脸上带着灿烂的笑容。背景是波涛汹涌的海浪和远处的山脉。然后开始展示s86b5p金钱雨特效,无数巨大尺寸的美元钞票(米黄底/深绿图案)如暴雨般倾泻而下,密集地砸向并环绕她。钞票持续落下,同时镜头缓缓拉进,她双臂舒展上扬,脖颈微仰,表情惊喜,完全沉浸在这场狂野的金钱雨中。",
        "lora_prompt_default": "然后开始展示s86b5p金钱雨特效,无数巨大尺寸的美元钞票(米黄底/深绿图案)如暴雨般倾泻而下,密集地砸向并环绕主角。钞票持续落下,同时镜头缓缓拉进,主角双臂舒展上扬,脖颈微仰,表情惊喜,完全沉浸在这场狂野的金钱雨中。"
    },
    "capacity": 1,
    "plan": "lora"
}'

图生视频-基于首尾帧

以下示例以时尚杂志换装特效为例,上传首帧和尾帧图片,系统自动生成人物换装变身的过渡视频。

curl --location 'https://dashscope.aliyuncs.com/api/v1/deployments' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model_name": "<替换为模型名称model_name>",
    "aigc_config": {
        "use_input_prompt": false,
        "prompt": "根据图像内容提供视频描述,描述必须包含"然后她开始了s86b5p变身。"\n输出模板:\n视频开头展示了[主体描述]。[环境描述]。然后她开始了s86b5p变身。\n示例:\n视频开头展示了一位年轻女性在户外的场景。她有着短而卷曲的深棕色头发,面带微笑,显得非常亲切。她穿着一件黑色的Polo衫,上面有彩色的花卉刺绣图案,背景是绿色的植被和远处的山脉。然后她开始了s86b5p变身。",
        "lora_prompt_default": "然后她开始了s86b5p变身。"
    },
    "capacity": 1,
    "plan": "lora"
}'

响应参数

request_id string

请求的唯一标识符。

output object

任务详情。

属性

deployed_model string

部署模型的唯一标识。用于查询模型部署状态和调用模型。

model_name string

模型标识名。

status string

部署状态:

  • PENDING:部署中。
  • RUNNING:运行中。
  • FAILED:部署失败。

base_model string

使用的基准模型。

gmt_create string

部署任务创建时间。

gmt_modified string

部署任务更新时间。

workspace_id string

阿里云百炼API Key所属的业务空间ID。请参见获取Workspace ID。

charge_type string

付费模式。post_paid表示后付费。

creator string

创建人的阿里云账号ID。

modifier string

修改人的阿里云账号ID。

plan string

部署方式。

code string

错误码。调用失败时返回。请参见下方错误码表。

message string

错误详情描述。调用失败时返回。

成功响应示例

重点关注:output.deployed_model(部署模型的唯一标识)、output.status(部署状态)。

{
    "request_id": "96020b2e-9072-4c8a-9981-xxxxxxxxx",
    "output": {
        "deployed_model": "wan2.5-i2v-preview-ft-202511111122-xxxx",
        "gmt_create": "2025-11-11T17:46:53.294",
        "gmt_modified": "2025-11-11T17:46:53.294",
        "status": "PENDING",
        "model_name": "wan2.5-i2v-preview-ft-202511111122-xxxx",
        "base_model": "wan2.5-i2v-preview",
        "workspace_id": "llm-xxxxxxxxx",
        "charge_type": "post_paid",
        "creator": "12xxxxxxx",
        "modifier": "12xxxxxxx",
        "plan": "lora"
    }
}

错误响应示例

{
    "code": "InvalidParameter",
    "request_id": "BE213CDD-8A5C-59EE-9A67-055EAB0CB59B",
    "message": "The model xxx does not exist or is not deployable"
}

Prompt 模板配置

以下说明如何配置 aigc_config.prompt 参数。

  • 为什么要设置这个参数?

    如果不设置此参数,每次调用已部署模型都需要手动编写完整 Prompt;设置后,调用微调模型生成视频时,只需上传图片,系统会根据此参数自动补全特效指令,无需手动输入 Prompt。

  • 如何设置? Prompt = 任务指令(告诉模型要做什么)+ 输出模板(规范输出格式)+ 示例(让模型学习示例结构)。
根据图像内容提供视频描述,描述必须包含"然后开始展示s86b5p金钱雨特效,无数巨大尺寸的美元钞票(米黄底/深绿图案)如暴雨般倾泻而下,密集地砸向并环绕她(他)。钞票持续落下,同时镜头缓缓拉进,她(他)双臂舒展上扬,脖颈微仰,表情惊喜,完全沉浸在这场狂野的金钱雨中"。
输出模版:
视频开头展示了[主体描述]。[环境描述]。然后开始展示s86b5p金钱雨特效,无数巨大尺寸的美元钞票(米黄底/深绿图案)如暴雨般倾泻而下,密集地砸向并环绕她(他)。钞票持续落下,同时镜头缓缓拉进,她(他)双臂舒展上扬,脖颈微仰,表情惊喜,完全沉浸在这场狂野的金钱雨中。
示例:
视频开头展示了一位年轻女性在海滩上的场景。她的头发湿漉漉的,呈现出深棕色,卷曲且略显凌乱。她的脸上带着灿烂的笑容。背景是波涛汹涌的海浪和远处的山脉。然后开始展示s86b5p金钱雨特效,无数巨大尺寸的美元钞票(米黄底/深绿图案)如暴雨般倾泻而下,密集地砸向并环绕她。钞票持续落下,同时镜头缓缓拉进,她双臂舒展上扬,脖颈微仰,表情惊喜,完全沉浸在这场狂野的金钱雨中。

关于"输出模板"描述,请参见视频标注:为视频编写Prompt。

下一步

部署为异步操作,调用本接口后可通过查询和管理部署接口查询部署状态。