对比评测
wan3.0-video-prime 横向对比：参考图生视频怎么选与迁移要点
为什么参考图生视频的选型不能只看样片
官方发布的示例视频通常由精心挑选的参考图和提示词组合而成，它证明的是「能力上限」，而不是「你的业务输入下的稳定表现」。开发者在做技术选型时，真正要回答的问题往往是另外一套：这批参考图能不能稳定出片、一条可用视频平均要跑几次、跑一次要等多久、接进现有系统要改多少代码。
样片看不到这些。样片也不会告诉你长任务超时后的语义、并发配额被限流时的返回结构，以及失败重试会不会重复计费。因此本文把参考图生视频的选型拆成四层来看：能力边界（能不能做你要的事）、按秒成本（一条有效视频到底花多少）、接入成本（协议与异步模型是否友好）、稳定性（出片率与重试代价）。只看第一层就下结论，是最常见的选型失误。
下面以 wan3.0-video-prime 为例展开这套方法，但它同样适用于你拿它和其他视频模型做横向对比的场景。
wan3.0-video-prime 的能力与定价边界
先把已知事实放在桌面上。wan3.0-video-prime 由 Alibaba 提供，输出类型为视频，支持的能力是 reference-to-video（参考图生视频），计费口径为按输出秒数计价。
对开发者来说，这三点各自意味着什么：
- reference-to-video：输入侧包含参考图，模型需要把参考图中的主体或风格延续到生成视频中。这类能力的关键指标不是「像不像」，而是「多次生成的一致性方差有多大」。
- 输出类型为视频：几乎可以确定是异步长任务形态，调用方需要有轮询或回调的处理路径，不能按同步接口来设计超时时间。
- 按秒计价：成本与片长线性相关，任何依赖「多跑几条挑一条」的工作流都会把成本按倍数放大，成本模型必须把重试算进去。
边界同样要说清楚：分辨率的档位、单次生成的时长上限、并发配额、是否支持音频、支持的参考图数量与格式，这些属于官方文档的规格范畴，本文不做推测。在正式选型前，请以官方文档与站点价格面板为准，本文只提供评估方法与迁移要点。
按秒计费下的成本怎么算
按秒计价的模型不能只比「每秒多少钱」。正确的算法是把单价乘以「时长」再乘以「期望尝试次数」，得到单条可用视频的有效成本：
有效成本 ≈ 每秒单价 × 单条时长（秒） × 期望尝试次数
期望尝试次数 = 1 / 出片率
举一个纯逻辑示例（数字仅用于演示算法，不代表任何模型的实际价格）：若一个场景的出片率是 1/3，那么拍一条能用的片子，实际上要为三条片子付费。出片率 1/2 的模型即使单价更高，有效成本也可能更低。这就是为什么评估 reference-to-video 时必须记录重试次数，而不是只盯着单次样片。
实践中有三个容易漏掉的成本项：
- 人工筛选成本：生成 10 条挑 1 条，筛选本身是人力开销，出片率越低这项越显著。
- 超时与失败的成本语义：长任务中途失败是否计费、重试是否重新计时长，直接影响期望次数的计算方式，需以官方计费口径为准。
- 片长压缩的收益：既然成本随时长线性增长，先验证「短片段能否满足业务」往往比优化单价更有效。
建议在选型表里为每个候选模型记录两个数：单条目标时长的计费秒数，以及小样测试中测得的出片率。
横向对比该看哪几个维度
把候选模型放在同一张评分表上，维度要固定，否则对比没有意义。推荐以下六项：
- 一致性保持：同一参考图、多轮生成下主体与风格是否稳定。这是 reference-to-video 的核心价值，权重应最高。
- 分辨率与时长上限：是否满足你的成片要求。具体规格以官方文档为准，横向对比时逐项核对，不要凭印象填。
- 异步任务模型：任务创建、状态查询、结果获取的形态，是否提供回调，任务状态机的状态数量与终止态定义。
- 限流与并发配额：单位时间可提交的任务数，超限返回什么错误码。这决定了批量生产的吞吐。
- 失败语义与重试：失败是否可重试、重试是否幂等、部分失败如何回传。
- 接入改造成本：请求参数名、鉴权方式、响应结构与你现有代码的差异度。
打分时建议用「通过/不通过」作为第一道闸：任一硬性项（比如时长上限不满足）不通过，就不进入加权评分环节，避免用总分掩盖致命缺陷。
用同一批输入做小样基准测试
不同模型的评估结论最容易出错的地方，是输入不一致。A 模型用了精修参考图，B 模型用了手机截图，得出的结论毫无价值。
可执行的做法：
- 固定输入集：从你的真实业务素材里挑 5–10 张参考图，覆盖典型难度（正面清晰、侧面、有遮挡、多主体）。
- 固定提示词集：每个参考图配 2–3 条提示词，包含运动描述与镜头描述。
- 每组合重复多次：同一输入至少跑 3 次，用来估计一致性方差，而不是看单次最好结果。
- 记录结构化指标：出片通过率、平均尝试次数、平均等待时长、失败类型分布，以及人工筛选耗时。
- 盲评：把不同模型的输出混在一起交给评审，避免评审者被品牌预期影响。
小样阶段的目标不是选出冠军，而是拿到一组能代入成本公式的出片率数据，并暴露接入层的坑。测试规模控制在能覆盖输入多样性的最小集合，把预算留给正式迁移后的调优。
迁移与接入注意事项
新增或切换视频模型时，改动往往集中在四类地方，提前收敛可以把迁移成本压到最低。
请求参数映射。 参考图如何传入（URL 还是上传）、提示词字段名、时长与分辨率参数的位置，各家命名不一致。建议在业务代码与模型调用之间加一层适配器，业务侧只表达「参考图 + 提示词 + 时长 + 分辨率」的语义，由适配器翻译成目标模型的字段。这样未来再换模型时，改动只发生在适配器内部。
异步轮询。 视频任务是长任务，轮询间隔要退避（如前几次短、后期拉长），并设置总体超时上限。若提供回调，回调需要做幂等处理——同一个任务可能被通知多次。
错误重试。 区分可重试错误（网络、限流）与不可重试错误（参数非法、参考图不合规）。限流类错误应走队列重排而不是立即重试，否则只会加剧限流。在按秒计费的场景下，重试策略直接等于成本策略，必须评估重试是否会重复消耗计费秒数。
配额与降级。 为视频任务设置独立的并发池，避免挤占其他接口的配额；准备降级路径（降低时长、降低分辨率、切换备用模型），并明确降级后的成本变化。
如果通过统一网关接入，上述适配与重试策略可以收敛在网关侧，业务代码保持不变，这是多模型并存时最省心的组织方式。
什么场景优先选它，什么场景再等等
可以优先小规模验证的场景： 你已经有成体系的参考图素材（角色设定图、产品图、风格参考），业务核心诉求是跨镜头、跨批次的一致性，而非一次性炫技；你能接受异步长任务的等待，并已有队列与轮询基础设施；你的单条视频时长可以压缩得比较短，成本随片长线性增长这一点对你是可控的。
建议先确认官方规格再决定的场景： 业务对分辨率或单条时长有硬性下限；需要高并发批量出片而配额尚未确认；对成片率有严格要求但尚无小样数据；需要音频、多参考图融合等本文未覆盖的能力。
归纳成一句操作建议：先用固定输入集做小样，拿到出片率，再代入按秒成本公式，最后核对异步与配额这两项硬性条件。 三步都过，才进入正式迁移。
选型的终点不是找到一个「最好的模型」，而是找到一个在你业务输入下成本、稳定性与接入成本都可预测的模型。把评估数据沉淀成表格，下次模型迭代时你会省下大量重复工作。
