Sie haben ein Bild einer erwachsenen Figur und eine aufgenommene Zeile und möchten ein kurzes Video, das sowohl die Figur als auch die gewünschte Stimmung bewahrt. Wan 2.7 Spicy klingt vielversprechend, weil es NSFW-Bild-zu-Video und eine Audioeingabe bietet.
Wan 2.7 Spicy ist auf SpicyAPI eine Bild-zu-Video-Option ohne Zensur. In unseren Tests im September 2026 wurden alle Anfragen für erwachsenenorientierte Inhalte umgesetzt, ohne Abschwächung oder Ablehnung.
Die aktuelle Aufgabe erzeugt 2–15 Sekunden bei 720p oder 1080p. Sie akzeptiert ein Startbild, einen erforderlichen Bewegungs-Prompt, optional erzeugten Ton und eine optionale Audiospur. Fünf Sekunden kosten $0.6175 bei 720p oder $0.95 bei 1080p. Es ist keine zusätzliche Audiopreisstufe aufgeführt.
Was „ohne Zensur“ in diesem Test bedeutet
SpicyAPI fügt Wan 2.7 Spicy keinen plattformeigenen Inhaltsfilter hinzu; die tatsächliche Ausgabe muss dennoch beurteilt werden.
Die intensiveren Anfragen wurden umgesetzt, statt als mildere Ersatzversionen abgeschlossen zu werden. Wählen Sie für eine andere Aufnahme einen neuen seed; behalten Sie beim Vergleich zweier Einstellungen denselben seed bei. Siehe den Testbericht zu Wan 2.7 Spicy.
Das ist die Videoversion, nicht der Bildgenerator Wan 2.7
Wan 2.7 Spicy hat eine veröffentlichte Aufgabe: Bild-zu-Video. Ein Startbild und ein nicht leerer Prompt sind beide erforderlich. Es erzeugt kein Standbild aus Text, akzeptiert weder ein separates Schlussbild noch mehrere Figurenreferenzbilder und verlängert kein hochgeladenes Video.
Wan 2.7 und Wan 2.7 Pro sind auf SpicyAPI separate Bildmodelle. Wenn Sie nur eine Figurenbeschreibung haben, erstellen Sie zuerst das Startbild. Ersetzen Sie die Tonspur eines fertigen Clips mit einem Videoeditor; diese Aufgabe erzeugt einen neuen Clip.
Drei verschiedene Möglichkeiten für den Ton
Bei einem Katalog erwachsener Figuren gehört der Ton zur Figur: eine ruhige Stimme, eine wiederkehrende Raumatmosphäre oder ein gleichbleibendes musikalisches Motiv. Wan 2.7 Spicy bietet die beiden Steuerelemente generate_audio und audio_url, die unterschiedliche Aufgaben erfüllen.
| Gewünschtes Ergebnis | So richten Sie Audio ein | Praktischer Einsatz |
|---|---|---|
| Stiller Clip für eine spätere Vertonung | Setzen Sie generate_audio auf false; lassen Sie audio_url leer | Fügen Sie die freigegebene Tonspur in Ihrem Editor hinzu. |
| Neuer Ton zusammen mit dem Bild | Lassen Sie generate_audio auf true; beschreiben Sie die gewünschte Atmosphäre im Prompt | Erzeugen Sie Stimme und Umgebungsgeräusche zusammen mit dem Bild. |
| Clip, der sich an Ihrer Aufnahme orientiert | Geben Sie audio_url an und lassen Sie generate_audio auf true | Steuern Sie Lippensynchronisation und Tempo mit der bereitgestellten Spur. |
Wenn generate_audio false ist, wird auch bereitgestelltes Audio nicht verwendet. Eine Aufnahme hochzuladen und danach Audio auszuschalten ist deshalb die falsche Einstellung für einen sprachgeführten Clip. Verwenden Sie WAV oder MP3 und halten Sie die Quelldatei als vorsichtig gewähltes Vorbereitungsziel unter 15 MB. Das erzeugte Video bleibt auf fünfzehn Sekunden begrenzt. Ein Upload von dreißig Sekunden ermöglicht kein Video von dreißig Sekunden.
Passen Sie Ihre Aufnahme vor dem Absenden an die gewünschte Einstellungslänge an. Wenn die Aufnahme exakt unverändert bleiben muss, bewahren Sie das Original auf, legen Sie es im Editor unter das ausgewählte Video und prüfen Sie nach Gehör, ob die Worte klar verständlich bleiben.
Lassen Sie Generate audio an, wenn Sie eine Aufnahme bereitstellen. In der gezeigten Einstellung bleibt Prompt expansion aus, damit die schriftliche Vorgabe erhalten bleibt.
Ein praktischer sprachgeführter Figurenclip
Für eine vollständige Ausgangskonfiguration verwenden Sie eine fiktive erwachsene Frau im Alter von 38 Jahren, die der Kamera zugewandt sitzt und eine blickdichte burgunderrote Bluse trägt. Wählen Sie einen Ausschnitt von knapp unterhalb der Taille bis über den Kopf. Der Mund bleibt sichtbar, beide Hände ruhen fern vom Gesicht. Verwenden Sie eine weiche Lichtquelle und einen schlichten Raum. Ein Profilbild, bei dem Haare den Mund verdecken, eignet sich schlecht zur Beurteilung von Sprache.
Nehmen Sie eine kurze eigene Zeile auf, etwa “Stay a little longer. I saved this moment for you.” Das ist ein Teaser mit einer erwachsenen Figur ohne detaillierte Erwachsenenszene. Verwenden Sie eine Stimme, zu deren Verarbeitung Sie berechtigt sind, und kürzen Sie die Aufnahme auf fünf Sekunden mit einem kurzen ruhigen Anfang und Ende. Verzichten Sie beim ersten Versuch auf Musik über der Sprache: Ist die Stimme schwer zu hören, wissen Sie nicht, ob die Generierung oder die Mischung das Problem ist.
- Laden Sie das freigegebene Startbild als Input image und die Aufnahme als Input audio hoch.
- Wählen Sie fünf Sekunden bei 720p, lassen Sie Generate audio an und schalten Sie Prompt expansion aus.
- Fügen Sie die Bewegungsvorgabe ein und erzeugen Sie die sprachgeführte Aufnahme.
Beispielvorgabe:
One continuous medium shot of the fictional adult woman in the opening image. She faces the viewer and speaks the supplied short line, then settles into a restrained smile. Keep the same burgundy blouse, face, chair and lighting. Both hands remain resting beside her waist and clear of her face. Stationary eye-level camera, unchanged framing. No cut, no other speaker and no music added over the voice. End with a quiet hold.
Die begrenzte Bewegung lässt die gesprochene Darstellung sichtbar bleiben. Sobald Stimme und Mund brauchbar sind, kann eine zweite Einstellung eine Geste hinzufügen. Eine Kopfdrehung, eine Hand vor dem Mund und eine bewegte Kamera im ersten Versuch erschweren die Beurteilung der audiogeführten Darstellung erheblich.
Spielen Sie die Ausgabe mit Ton ab. Ist die Zeile erkennbar? Taucht eine weitere Stimme auf? Beginnen und enden die Mundbewegungen mit den Worten? Verzerrt das abschließende Lächeln das Gesicht? Ein Clip kann als stiller Teaser geeignet sein und als sprachgeführter Clip scheitern; entscheiden Sie danach, was Ihr Publikum tatsächlich hört und sieht.
Wird die Aufnahme abgeschnitten, bereiten Sie eine kürzere Zeile vor, statt eine lange Darbietung in einen Fünf-Sekunden-Clip zu zwingen. Verändert sich das Gesicht beim Sprechen, kehren Sie zu einem frontalen Standbild zurück und entfernen Sie Kopfbewegungen. Scheitert die genaue Sprachausgabe weiterhin, behalten Sie eine brauchbare stille Aufnahme und fügen Sie die Aufnahme nur dann nachträglich hinzu, wenn keine sichtbare Lippensynchronisation nötig ist.
Halten Sie das Modell nah an der gewünschten Szene
Wan 2.7 Spicy kann mehr Handlung hinzufügen, als der Prompt verlangt. Geht es beim Auftrag um einen zurückhaltenden Teaser, können eine zusätzliche Figur, ein Kleidungswechsel oder eine ungeplante Erwachsenenszene ein technisch abgeschlossenes Video unbrauchbar machen. Legen Sie die gewünschte Darstellung fest, bevor Sie Geld für Varianten ausgeben.
Beschreiben Sie für eine kontrollierte Einstellung die eine gewünschte Handlung und ihren Endpunkt. Benennen Sie Startbild, Kleidung und Raum ausdrücklich, wenn sie gleich bleiben müssen. Schalten Sie bei einer vollständig ausformulierten Darstellungsvorgabe Prompt expansion aus; die Erweiterung ist standardmäßig an und schreibt den Prompt vor der Generierung um. Das Ausschalten bewahrt Ihre eingereichte Beschreibung vor diesem Erweiterungsschritt, sodass die Generierung Ihre eigenen Worte erhält.
Das Feld für den negativen Prompt akzeptiert bis zu 500 Zeichen. Verwenden Sie für das sitzende Beispiel:
additional person, outfit change, scene change, zoom, camera cut, hand across face, subtitles, watermark
Bleibt eine Kamerabewegung bestehen, überarbeiten Sie auch die positive Vorgabe: “stationary eye-level camera, same waist-up framing from beginning to end.” Wird die beabsichtigte Bewegung weiterhin zu einer anderen Szene, ändern Sie die Einstellung oder prüfen Sie ein anderes Modell. Es gibt keinen Grund, immer neue Kopien derselben unerwünschten Interpretation zu kaufen.
Welches Budget sollten Sie einplanen?
Die öffentlichen Preise betragen $0.1235 pro Ausgabesekunde bei 720p und $0.19 bei 1080p. Die aufgeführte Preismatrix sieht keinen gesonderten Aufpreis für erzeugtes oder bereitgestelltes Audio vor.
| Cliplänge | 720p | 1080p |
|---|---|---|
| 2 Sekunden | $0.247 | $0.38 |
| 5 Sekunden | $0.6175 | $0.95 |
| 10 Sekunden | $1.235 | $1.90 |
| 15 Sekunden | $1.8525 | $2.85 |
Zwei Sekunden reichen zur Prüfung, ob sich ein Startbild animieren lässt, sind aber für die oben genannte fünfsekündige Zeile zu kurz. Drei Aufnahmen von fünf Sekunden bei 720p kosten $1.8525. Ein zusätzlicher Durchlauf von fünf Sekunden bei 1080p erhöht die Gesamtkosten auf $2.8025, ohne Startbild und Aufnahme. Bei zehn Figuren mit diesem Workflow aus vier Versuchen kostet die Videogenerierung $28.025.
Der erneute 1080p-Durchlauf ist eine neue Aufnahme, keine Hochskalierung des ausgewählten 720p-Clips. Ausdruck, Timing und Artikulation können sich ändern. Für ausgeschaltetes Audio ist kein Preisnachlass aufgeführt.
Wan 2.7 Spicy nennt denselben Preis von $0.6175 für fünf Sekunden bei 720p in stillen Konfigurationen, mit erzeugtem Ton und mit bereitgestellter Spur. Eine bereitgestellte Spur erfordert eingeschaltetes Audio.
Wann eine andere Aufgabe besser passt
Verwenden Sie Wan 2.7 Spicy, wenn Sie ein fertiges Startbild haben und einen kurzen erwachsenenorientierten Clip mit optionaler aufgenommener Audioeingabe möchten. Der Bereich von 2–15 Sekunden lässt Sie eine bestimmte kurze Szene abdecken, ohne die maximale Länge zu kaufen.
- Günstigere Clips mit einer aufgenommenen Spur: Wan 2.6 Spicy akzeptiert
audio_urlund kostet $0.475 für fünf Sekunden bei 720p. Es bietet feste Längen von 5/10/15 Sekunden und keinen Schalter zum Ein- oder Ausschalten von Audio. - Ein Schlussbild oder mehr als 15 Sekunden: Wan 3.0 Spicy bietet eine Schlussbildeingabe und Clips von 2–30 Sekunden, ab $0.057/s bei 480p. Es erzeugt Audio, akzeptiert aber keine Audiodatei von Ihnen. Siehe den Leitfaden zur Laufzeit von Wan 3.0.
- Aufgenommenes Audio mit genauer kurzer Laufzeit: Wählen Sie Wan 2.7 Spicy für ganzzahlige Sekundenlängen von 2 bis 15 bei 720p oder 1080p.
Vergleichen Sie für das Verhalten bei Erwachseneninhalten innerhalb der Familie die Wan-Versionen ohne Zensur.
Öffnen Sie Wan 2.7 Spicy Bild-zu-Video, laden Sie ein freigegebenes Standbild einer erwachsenen Figur hoch und beginnen Sie mit dem kürzesten Clip, der die Darstellung enthält. Wählen Sie bewusst Stille, erzeugten Ton oder Ihre eigene Aufnahme. Beurteilen Sie das tatsächliche Video und die Tonspur, bevor Sie die Idee auf einen Stapel ausweiten.
Die sprachgeführte Konfiguration über die API nutzen
Setzen Sie SPICY_API_KEY in Ihrer Umgebung und SPICY_IMAGE_URI auf die erreichbare URL Ihres Startbilds oder eine hochgeladene spicy://-URI. Setzen Sie SPICY_AUDIO_URI auf die erreichbare URL oder hochgeladene URI der Aufnahme. Dieses Python-3-Beispiel übermittelt eine neue Einstellung, nachdem Sie deren Preis bestätigt haben.
import json
import os
import urllib.request
import uuid
base = "https://api.spicyapi.ai/api/v1"
headers = {"Authorization": "Bearer " + os.environ["SPICY_API_KEY"],
"Content-Type": "application/json", "User-Agent": "SpicyAPI-Blog/1.0"}
settings = {
"duration_seconds": 5,
"resolution": "720p",
"generate_audio": True,
"enable_prompt_expansion": False
}
settings["prompt"] = 'The adult speaker talks in one continuous stationary shot.'
settings["image_url"] = os.environ["SPICY_IMAGE_URI"]
settings["audio_url"] = os.environ["SPICY_AUDIO_URI"]
payload = {"model": "alibaba/wan-2.7-spicy/image-to-video", "input": settings}
def post(path, body):
request = urllib.request.Request(base + path, json.dumps(body).encode(), headers)
with urllib.request.urlopen(request, timeout=60) as response:
result = json.load(response)
if result.get("code") != 200:
raise RuntimeError(result)
return result["data"]
quote = post("/jobs/quote", payload)
if input(f"Maximum charge ${quote['maxCharge']}. Type yes to generate: ") != "yes":
raise SystemExit("Stopped before generation")
headers["Idempotency-Key"] = str(uuid.uuid4())
print("Request key:", headers["Idempotency-Key"], flush=True)
task = post("/jobs/createTask", {**payload, "quoteId": quote["quoteId"],
"expectedCost": quote["estimatedCost"]})
print("Task ID:", task["taskId"])Bewahren Sie den ausgegebenen Anfrageschlüssel zur Wiederherstellung derselben Anfrage auf; eine neue Einstellung erhält einen neuen Schlüssel. Die Task-API-Dokumentation erklärt Ergebnisauslieferung und Wiederherstellung.
Lassen Sie bei wiederholten Einstellungen einen Agent mit einer freigegebenen Eingabedatei arbeiten: CLI spicyapi tasks create --model alibaba/wan-2.7-spicy/image-to-video --input-file input.json --wait; MCP bitten Sie ihn, spicyapi_task_create mit diesem Modell und der Eingabe aufzurufen; Skill bitten Sie “Use the spicyapi Skill to generate this approved shot and return the result.” CLI und MCP zeigen den Preis vor der Erstellung. Siehe die Dokumentation zur Agent-Integration.
