指南参考图生视频:Seedance 2.5 等 8 个模型的参考图上限
MakerNice 团队 · ·
参考图生视频(r2v 模式)让你在提示词之外再传一组参考图,让片段沿用你已有的人物、服装或场景。MakerNice 上有 8 个视频模型支持它:字节跳动的 Seedance 2.5 最多 16 张,阿里巴巴的 Wan 3.0 最多 10 张,MiniMax H3 Max 只有 4 张。Kling 3.0 不支持。
参考图生视频是什么?和图生视频有什么区别?
在图生视频和首尾帧里,你的图片会成为片段中真实的一帧,也就是第一帧或最后一帧。在参考图生视频里,图片只是人物或风格的参考,片段不必把其中任何一张当作某一帧展示出来。想让同一个角色或商品出现在全新场景里时,就选 r2v。

每个视频模型最多能传几张参考图?
| 模型 | 参考图上限 | 时长 | 分辨率 | r2v 下的 aspect_ratio |
|---|---|---|---|---|
| Seedance 2.5 | 16 | 4 到 30 秒 | 480p、720p、1080p、4k | 不接受 |
| Wan 3.0、Wan 3.0 Prime | 10 | 2 到 30 秒 | 480p、720p、1080p | 不接受 |
| Seedance 2.0 | 9 | 4 到 15 秒 | 720p、1080p | 16:9、9:16、4:3、3:4 |
| Seedance 2.0 Fast | 9 | 4 到 15 秒 | 不接受 | 16:9、9:16、4:3、3:4 |
| Happy Horse 1.1 | 9 | 3 到 15 秒 | 720p、1080p | 不接受 |
| MiniMax H3 | 5 | 5 到 15 秒 | 480p、768p、2k、4k | 21:9、16:9、4:3、1:1、3:4、9:16 |
| MiniMax H3 Max | 4 | 5 到 15 秒 | 480p、768p、1080p | adaptive、21:9、16:9、4:3、1:1、3:4、9:16 |
| MiniMax H3 Max Turbo | 不支持 r2v | - | - | - |
| Kling 3.0 Pro、Standard、4K | 不支持 r2v | - | - | - |
传入的参考图超过模型上限会被 400 invalid_request 拒绝,所以构造请求前先确认上限。切换模型时,请从 GET /v1/models 读取模式清单:它不需要 API Key,也是各模型当前能力的权威依据。
参考图生视频的 API 请求怎么写?
把 mode 设为 r2v,并在 reference_images 里填公网 https 地址。用不到的字段会被拒绝,所以这个模式下不要再发 image_url 或 last_image_url。时长和分辨率遵循各模型自己的规则,下面这个 Seedance 2.5 示例请求的是 6 秒、720p。
{
"model": "seedance-2.5",
"mode": "r2v",
"prompt": "The two characters from the references walk through a night market, handheld camera following from behind",
"reference_images": [
"https://example.com/character-a.jpg",
"https://example.com/character-b.jpg"
],
"duration": 6,
"resolution": "720p"
}先把这份输入发到 POST /v1/generations/quote 获取报价,再带上报价 id 和 Idempotency-Key 创建任务,流程与文生视频完全相同。生成结束之前,请保证参考图地址一直可以访问。
r2v 请求为什么会返回 400 invalid_request?
最常见的原因是 aspect_ratio。r2v 模式下能不能传它因模型而异,模型没列出的字段会被拒绝。Seedance 2.5、Wan 3.0 和 Happy Horse 1.1 在 r2v 下没有列出任何画幅,Seedance 2.0 和 MiniMax H3 则有。把一个模型的请求原样复制给另一个模型,是意外 400 的头号来源;第二常见的是参考图多传了一张。
怎样挑选效果好的参考图?
- 少而清晰的参考图通常比塞满上限更好,只有每一张都提供不同信息时才多传。
- 想让片段看起来统一,就让参考图的风格和光线保持一致。
- 在提示词里点明每张参考图的用途,比如「参考图里的两个角色」。
- 生成结束之前,把参考图放在稳定的公网地址上。
如果你希望图片成为片段的开场或收尾镜头,请接着读「图生视频与首尾帧」一文。想在下单前知道一条 r2v 片段的费用,可以用确切输入请求报价,或查看 Pricing 页面。
常见问题
r2v 模式下能同时传 image_url 和 reference_images 吗?
Kling 3.0 支持参考图吗?
reference_images 最少要传几张?
Seedance 2.5 的参考图生视频可以指定画幅吗?
本文涉及的模型
视频Seedance 2.5
字节跳动的长镜头旗舰:单段最长 30 秒,480p 到 4K,最多 16 张参考图,让每个镜头都保持角色一致。
视频Wan 3.0
-21%MakerNice 上时长范围最宽的模型——2 到 30 秒,480p、720p 或 1080p,支持全部输入模式和最多 10 张参考图。
视频MiniMax H3
-25%MiniMax H3:默认 2K,可选 4K——5–15 秒,可由文字、单张图片、首尾帧或最多 5 张参考图生成。
视频Happy Horse 1.1
阿里巴巴 Happy Horse 1.1:专注于文字、图片和参考图驱动的短片——3–15 秒,720p 或 1080p,最多 9 张参考图。