Wan 2.2 Image-to-Video: Tempo, Bildausschnitt und Identität

Wan 2.2 Image-to-Video folgt dem Bild, das Sie senden, und bewegt nur das, was der Prompt zu bewegen verlangt. Ein guter Prompt ist deshalb kurz: eine sichtbare Handlung, ein Verhalten der Kamera und eine Zeile dazu, was still bleiben muss. Die meisten Fehler (zu langsam wirkende Bewegung, unerwarteter Zoom, ein Gesicht oder Produkt, das sich verändert) kommen meist vom Startbild oder von gestapelten Anweisungen, nicht von zu wenigen Wörtern. Dieser Leitfaden zeigt die Struktur, ein durchgearbeitetes Clip-Beispiel und wie Sie jeden Fehler beheben.

Was Sie pro Endpunkt steuern

Keiner von ihnen hat ein Seitenverhältnisfeld: Der Clip übernimmt die Form Ihres Bildes, schneiden Sie es also vor dem Upload auf 16:9 oder 9:16. Abgemildert bedeutet, dass das Basismodell explizite Anfragen abschwächen oder ablehnen kann; die Spicy-Endpunkte sind als unbeschränkt gekennzeichnet, aber das garantiert nicht, dass jede Anfrage unverändert ausgeliefert wird. Nutzen Sie den Basis-Endpunkt für SFW-Material und die Spicy-Endpunkte, wenn der Inhalt ein unzensiertes Modell braucht; die Prompt-Methode unten ist dieselbe.

Bereiten Sie das Bild vor dem Prompt vor

Das Bild liefert Motiv, Kleidung, Set und Lichtrichtung, der Prompt sollte sie also nicht noch einmal beschreiben. Er soll die Bewegung erst möglich machen:

• Zeigen Sie das gesamte bewegte Objekt. Ein Gehen braucht die Beine im Bild; ein Greifen braucht Hand und Objekt sichtbar, nicht eine Hand, die hinter einer Tasse verschwindet.
• Lassen Sie Platz in der Bewegungsrichtung. Ein Motiv am rechten Rand kann nicht nach rechts treten, ohne das Bild zu verlassen oder eine Kamerabewegung zu erzwingen.
• Entfernen Sie, was nicht animiert werden soll: zufällige Personen, Overlays, eingebrannter Text und Wasserzeichen wandern direkt in den Clip.
• Beheben Sie zuerst Mängel der Quelle. Ein zusätzlicher Finger oder eine schwebende Tasse im Standbild ist auch im Video.

Die Prompt-Struktur

Schreiben Sie in dieser Reihenfolge: wer oder was sich wie bewegt, dann die Kamera, dann was still bleibt oder was das Licht tut. Das Aussehen überlassen Sie dem Bild.

Hier ist ein echtes Beispiel von der Modellseite zu Wan 2.2. Die Quelle ist ein Ganzkörper-Studioporträt mit einfarbigem grauem Hintergrund, 720p:

She shifts her weight, turns her shoulders toward the lens and takes two slow steps forward, the satin of the dress catching the light as it moves. She tucks her hair behind one ear and holds the look. Locked camera, clean grey studio.

Es funktioniert, weil jeder Takt eine sichtbare Veränderung gegenüber der Startpose ist, die Kamera ausdrücklich als fixiert angegeben ist und das Ende ein gehaltener Zustand ist, an dem man schneiden kann. Die Figur hat Platz, auf die Kamera zuzugehen, weil die Quelle ein Ganzkörperbild mit Boden vor ihr ist.

Ein Produktbild folgt dem gleichen Muster, wobei die Kamera oder das Licht die Bewegung übernimmt und eine ausdrückliche Zeile für das benennt, was sich nicht bewegen darf:

The camera arcs a slow quarter turn around the dropper bottle while a soft band of window light slides across the glass and the liquid inside catches it. The bottle itself does not move.

Hier leistet nur das Licht sichtbare Arbeit: Etikett und Silhouette bleiben stabil, während das Band über das Glas zieht, und der angeforderte Kamera-Bogen ist kaum wahrnehmbar. Wenn Sie eine deutlich sichtbare Drehung brauchen, fordern Sie eine größere Kamerabewegung für sich allein an, ohne Lichtänderung im selben Satz.

Probieren Sie es im Playground

1. Öffnen Sie Wan 2.2 Image to Video, bleiben Sie im Tab Playground in der Ansicht Form und melden Sie sich an, um zu starten.
2. Legen Sie Ihr Startbild unter Input image (JPG, PNG oder WEBP, bis 10 MB), auf die gewünschte Form zugeschnitten.
3. Fügen Sie einen Prompt in Prompt ein oder öffnen Sie den Playground mit dem ausgefüllten Ganzkörperbeispiel.
4. Lassen Sie Resolution während des Entwurfs auf 480p, setzen Sie einen Seed und ergänzen Sie zoom, sudden reframing, cuts, second person unter Negative prompt, wenn sich die Kamera bewegt. Lassen Sie Prompt expansion für eine präzise Handlung aus und schalten Sie es nur bei einer Ein-Zeilen-Idee ein.
5. Starten Sie den Lauf und rendern Sie den Treffer anschließend mit demselben Seed in 720p neu.

Dann die API

Sobald ein Prompt funktioniert, senden Sie dieselbe Anfrage aus dem Code. Felder und Ergebnisse stehen in der API-Referenz.

{
  "model": "alibaba/wan-2.2/image-to-video",
  "input": {
    "image_url": "https://example.com/your-full-body-portrait.png",
    "prompt": "She shifts her weight, turns her shoulders toward the lens and takes two slow steps forward. She tucks her hair behind one ear and holds the look. Locked camera, clean grey studio.",
    "negative_prompt": "zoom, sudden reframing, cuts, second person",
    "resolution": "480p",
    "seed": 14327
  }
}

Entwerfen Sie mit 480p und senden Sie den Treffer dann mit "resolution": "720p" und demselben seed erneut.

Lassen Sie einen Agenten das tun. Ein Assistent kann denselben Aufruf über die CLI (npx @spicyapi/cli tasks create --model alibaba/wan-2.2/image-to-video --input-file input.json --wait, wobei das input-Objekt dieser Anfrage in input.json steht), den MCP-Server (npx --yes --package=@spicyapi/mcp spicyapi-mcp) oder den Agent Skill (npx skills add spicyapi-ai/spicy-skill) absetzen. CLI und MCP zeigen den Preis und fragen um Bestätigung, bevor ein Task angelegt wird.

Beheben Sie zu langsam wirkende Bewegung

Langsame Clips haben meist eine von vier Ursachen, und jede braucht eine andere Korrektur:

• Stimmungswörter. »Ruhig«, »traumartig« und »filmisch« implizieren Zeitlupe. Entfernen Sie sie und beschreiben Sie eine Geste in normalem Tempo mit einem abgeschlossenen Endzustand.
• Zu viel Handlung für den Clip. Aufstehen, durch den Raum gehen und ein Getränk einschenken passt nicht in fünf Sekunden. Kürzen Sie auf eine Geste oder teilen Sie sie auf mehrere Clips auf, von denen jeder mit seinem eigenen Startbild beginnt.
• Zu kleine Handlung. Eine winzige Bewegung wirkt statisch. Benennen Sie das bewegte Teil und wo es landet.
• Kein Ende. Wenn die Hand im letzten Frame noch unterwegs ist, verkürzen Sie die Strecke oder fügen Sie eine gehaltene Endpose hinzu.

Auf den Spicy-Endpunkten hilft die 8-Sekunden-Option bei einer Handlung, die wirklich mehr Zeit braucht.

Beheben Sie unerwünschten Zoom und Schnitte

Benennen Sie die gewünschte Kamerabewegung, denn »dynamische Kamera« lässt alle zu: Ein Zoom ändert den Maßstab, ein Dolly die Kameraposition, ein Schwenk dreht die Sicht, eine Umkreisung dreht sich um das Motiv. Um die Kamera zu halten, sagen Sie es positiv (»locked camera, fixed medium distance«) und ergänzen Sie auf dem Basis-Endpunkt einen kurzen negativen Prompt wie zoom, reframing, cuts. Spicy und Spicy LoRA haben kein negatives Feld, verlassen Sie sich dort auf die positive Anweisung.

Bevor Sie die Kamera beschuldigen, prüfen Sie den Hintergrund. Bleiben Landmarken stehen, während das Motiv wächst, hat sich das Motiv zur Kamera geneigt; fordern Sie weniger Vorwärtsbewegung. Ändert sich der Maßstab des ganzen Bildes, ist es die Kamera, ändern Sie also nur den Kamerasatz und lassen Sie alles andere gleich. Ein Porträt mit geringer Schärfentiefe und unscharfem Hintergrund macht das schwer zu beurteilen, starten Sie also mit einer Quelle mit erkennbaren Hintergrundmerkmalen.

Beheben Sie Identitätsdrift

Vergleichen Sie das erste, das mittlere und das letzte Frame und achten Sie auf Drehungen und Verdeckungen, bei denen das Modell verdeckte Details erfinden muss. Drei Korrekturen decken die meisten Fälle ab:

• Reduzieren Sie gleichzeitige Bewegung. Eine kleine Geste mit ruhigem Kopf und fixierter Kamera hält die Identität besser als eine ganze Drehung mit Umkreisung. Fügen Sie die Bewegung Stück für Stück wieder hinzu.
• Passen Sie den Prompt an das Bild an. Zeigt das Bild eine dunkle Jacke und der Prompt ein blaues Hemd, verlangen Sie eine Veränderung.
• Wählen Sie eine bessere Quelle. Ist die Seite oder Rückseite wichtig, etwa die Rückseite eines Produktetiketts, senden Sie ein Frame, das sie zeigt; das Modell kann nicht lesen, was es nicht sieht.

Starke Schatten können wie ein Identitätswechsel aussehen, vergleichen Sie deshalb Form und Muster ebenso wie die Farbe.

Korrigieren Sie jeweils nur eine Sache

Führen Sie Bild, Auflösung und Seed unverändert aus und ändern Sie pro Versuch einen Satz: zuerst die Handlung, dann das Tempo, dann die Kamera. Beurteilen Sie den ganzen Clip in normaler Geschwindigkeit, weil Standbilder nicht zeigen können, ob eine Geste zügig war oder ob das Objekt intakt blieb. Achten Sie auf den Anfang, die größte Bewegung und die letzte Sekunde. Wenn drei Formulierungsänderungen nichts bringen, wechseln Sie stattdessen das Bild; ein neues Bild bedeutet auch, die Handlung an den neuen Ausgangszustand anzupassen.

Wann Sie den Endpunkt wechseln

• Schlussbild oder 8 Sekunden: nutzen Sie Wan 2.2 Spicy. Richten Sie last_image_url auf Ihr Startbild für eine nahtlose Schleife oder auf eine andere Komposition, um den Shot an einem bestimmten Punkt landen zu lassen; senden Sie es mit "duration_seconds": 8 in derselben Anfrageform wie oben.
• Eigener Stil- oder Bewegungsadapter: nutzen Sie Wan 2.2 LoRA oder Wan 2.2 Spicy LoRA, wenn der Inhalt ein unzensiertes Modell braucht, mit bis zu drei LoRAs in jeder Liste. Kamera- oder Bewegungsstile kommen in high_noise_loras, Textur oder Korn in low_noise_loras. Nennen Sie den Stil nicht auch im Prompt, das verdoppelt die Wirkung meist. Tasten Sie die Stärke bei 480p mit festem Seed ab. Für eine längere Szene bietet die LoRA-Familie auch eine Video-Extend-Aufgabe.
• Eine einfache Fünf-Sekunden-Aktion: der Basis-Endpunkt genügt.

Budgetieren Sie die Entwürfe

Der Basispreis gilt pro Anfrage, multiplizieren Sie ihn also nicht mit der Länge. Ein erneutes Rendern eines Treffers in 720p verdoppelt den Basispreis und die Sekundensätze. Prüfen Sie Tempo und Kamera bei 480p, nutzen Sie 720p aber, wenn der Fehler, den Sie beurteilen, ein kleines Detail wie ein Etikett oder ein Finger ist.

Wie es weitergeht

Wenn der Shot ein Schlussbild, eine längere Aufnahme oder Adapter braucht, wechseln Sie den Endpunkt, statt Wörter hinzuzufügen. Zu den Richtlinienunterschieden zwischen den Versionen siehe den Artikel zu Wan-Versionen, zu den Adapter-Slots den Leitfaden zu High- und Low-Noise LoRA.