AI视频生成新纪元:万相视频模型全解析,用Spring Boot打造你的AI视频工坊

一张图片，一段文字，几秒钟后变成高清视频——这不是科幻，这是万相。

一、为什么是现在？

2026年，AI视频生成已经从"能看"进化到"好看"。从Sora的惊艳亮相，到国内万相系列的全面崛起，视频生成模型正在重塑内容创作的边界。

今天，我们就来聊聊阿里云百炼平台上的万相视频生成模型，以及如何用Spring Boot + Spring AI搭建一个完整的AI视频生成工坊。

二、万相视频模型家族一览

目前百炼平台上可免费使用的万相视频模型主要有以下几款：

核心能力解读

文生视频（T2V）：输入一段文字描述，AI自动生成对应视频。比如输入"夕阳下的海边，浪花轻拍沙滩，远处帆船缓缓驶过"，模型就能生成一段符合描述的视频。

图生视频（I2V）：上传一张图片作为首帧，配合文字描述，让静态图片"动起来"。这是目前最受欢迎的功能——让一张风景照变成呼吸感十足的电影级动态画面。

三、技术架构：Spring Boot + 万相API

整体架构

用户上传图片/输入文字
        ↓
  Spring Boot 后端
        ↓
  DashScope API 调用
     ↓        ↓
  提交任务   轮询状态
        ↓
  返回视频URL

关键技术点

万相视频生成是异步任务——提交请求后返回 task_id，需要轮询任务状态。这一点很关键，HTTP请求头必须设置：

conn.setRequestProperty("X-DashScope-Async", "enable");

否则会报错："current user api does not support synchronous calls"。

图生视频时，图片有三种传递方式：

• Base64编码：data:image/jpeg;base64,...，所有模型都支持，最通用
• 公网URL：https://example.com/image.jpg，需要图片可公开访问
• OSS URL：oss://bucket/key，仅wan2.7支持，需配合 X-DashScope-OssResourceResolve: enable 头

经过实测，Base64编码是最稳妥的方案，兼容所有模型。但需要注意设置 Content-Length，否则大请求体会导致连接被重置：

conn.setFixedLengthStreamingMode(json.length);

wan2.7系列使用 resolution + ratio 替代传统的 size 字段：

{
  "parameters": {
    "resolution": "1080P",
    "ratio": "16:9"
  }
}

支持的组合：

• 720P / 1080P
• 16:9（横屏）/ 9:16（竖屏）/ 1:1（方形）

四、核心代码实现

提交视频生成任务

@PostMapping("/generate")
publicResponseEntity> generateVideo(
        @RequestParamString imageUrl,
        @RequestParam(defaultValue = "") String prompt,
        @RequestParam(defaultValue = "wan2.7-t2v-2026-06-12") String model,
        @RequestParam(defaultValue = "1080P|16:9") String size
) {
    Map input = newLinkedHashMap<>();
    input.put("media", List.of(
            Map.of("type", "first_frame", "url", imageUrl)));
    if (!prompt.isBlank()) input.put("prompt", prompt);

    String[] sizeParts = size.split("\\|");
    Map parameters = newLinkedHashMap<>();
    parameters.put("resolution", sizeParts[0]);
    parameters.put("ratio", sizeParts.length > 1 ? sizeParts[1] : "16:9");

    Map body = newLinkedHashMap<>();
    body.put("model", model);
    body.put("input", input);
    body.put("parameters", parameters);

    String resp = callDashScopeApi(body);
    String taskId = objectMapper.readTree(resp).path("output").path("task_id").asText();
    returnResponseEntity.ok(Map.of("task_id", taskId));
}

轮询任务状态

@GetMapping("/status")
publicResponseEntity> queryStatus(@RequestParamString taskId) {
    String url = DASHSCOPE_TASK_URL + taskId;
    HttpHeaders headers = newHttpHeaders();
    headers.set("Authorization", "Bearer " + dashScopeApiKey);
    HttpEntity request = newHttpEntity<>(headers);

    ResponseEntity resp = restTemplate.exchange(url, HttpMethod.GET, request, String.class);
    String status = objectMapper.readTree(resp.getBody())
            .path("output").path("task_status").asText();
    returnResponseEntity.ok(Map.of("status", status, "data", objectMapper.readTree(resp.getBody())));
}

一站式同步接口

为了简化前端调用，可以封装一个同步接口——上传图片、提交任务、轮询状态一步到位：

@PostMapping("/generate-sync")
publicResponseEntity> generateSync(
        @RequestParam("file") MultipartFile file,
        @RequestParam(defaultValue = "极简微动特效，氛围感动态...") String prompt,
        @RequestParam(defaultValue = "wan2.7-t2v-2026-06-12") String model,
        @RequestParam(defaultValue = "1080P|16:9") String size
) {
    // 1. 图片转Base64
    byte[] fileBytes = file.getBytes();
    String base64Image = Base64.getEncoder().encodeToString(fileBytes);
    String imageDataUri = "data:image/jpeg;base64," + base64Image;

    // 2. 提交任务
    var task = generateVideo(imageDataUri, prompt, model, size);
    String taskId = (String) task.getBody().get("task_id");

    // 3. 轮询状态（最多6分钟）
    for (int i = 0; i < 120; i++) {
        Thread.sleep(3000);
        var status = queryStatus(taskId);
        String state = (String) status.getBody().get("status");
        if ("SUCCEEDED".equals(state)) returnResponseEntity.ok(status.getBody());
        if ("FAILED".equals(state)) returnResponseEntity.badRequest().body(status.getBody());
    }
    returnResponseEntity.accepted().body(Map.of("task_id", taskId, "status", "RUNNING"));
}

五、Prompt技巧：让视频更出彩

视频生成的效果，很大程度上取决于Prompt的质量。分享几个实测有效的技巧：

1. 描述运动而非静态画面

❌ "一个女孩站在海边"
✅ "一个女孩站在海边，海风吹动她的长发，裙摆轻轻飘动，海浪缓缓涌来"

2. 加入镜头语言

✅ "镜头缓慢推进，景深逐渐变化，背景虚化，主体清晰"
✅ "航拍视角，缓缓上升，俯瞰整个城市"

3. 指定氛围与风格

✅ "极简微动特效，氛围感动态，慢节奏呼吸感运动，轻微景深变化，
    环境粒子微光，镜头轻微缓慢推拉，画面稳定，高级电影调色，
    流畅丝滑，高清1080p"

这也是项目中使用的默认Prompt，效果非常稳定。

六、踩坑实录

在开发过程中，踩了不少坑，分享给大家避雷：

七、应用场景展望

万相视频生成模型的应用场景非常广泛：

• 电商短视频：商品图片一键转动态展示视频
• 社交媒体：风景照片变氛围感动态壁纸
• 广告创意：文字描述直接生成广告素材
• 教育内容：概念可视化，让抽象知识具象化
• 影视预览：快速生成分镜动态预览

八、总结

万相视频生成模型已经具备了相当成熟的实用能力。通过Spring Boot的封装，我们可以快速搭建一个面向用户的AI视频生成服务。关键要点：

1. 模型选择：wan2.7-t2v 是目前最推荐的通用模型
2. 图片传递：Base64编码是最通用的方案
3. 异步模式：必须设置 X-DashScope-Async: enable
4. Prompt质量：描述运动、镜头、氛围三要素
5. 错误处理：做好超时、重试、状态轮询的容错

AI视频生成的门槛正在不断降低，未来每个人都可以是创作者。希望这篇文章能帮助你快速上手万相视频生成，打造属于自己的AI视频工坊。