Einführung
Wan 2.6 Text-zu-Video macht aus einer geschriebenen Einstellung oder einer nummerierten Shotliste einen Clip von genau 5, 10 oder 15 Sekunden in 720p oder 1080p. Pflicht ist nur prompt. Alles andere hat einen Standardwert: 16:9, 720p, fünf Sekunden, eine durchgehende Einstellung und ausgeschaltete Prompt-Erweiterung. Der Clip kommt mit Ton zurück, der zusammen mit dem Bild erzeugt wird; über audio_url können Sie stattdessen eine aufgenommene Sprechzeile oder einen Musik-Cue vorgeben, dem das Bild folgt.
Modus nach dem Ausgangsmaterial wählen
| Womit Sie beginnen | Modus |
|---|---|
| eine geschriebene Szene oder ein Skript | Wan 2.6 Text-zu-Video |
| ein freigegebenes Startbild | Wan 2.6 Bild-zu-Video |
| getrennte Referenzen für Aussehen, Bewegung oder Ton | Wan 2.6 Referenz-zu-Video |
Wichtige Funktionen und Highlights
Fünf Formate in beiden Auflösungen
aspect_ratio akzeptiert 16:9, 9:16, 1:1, 4:3 und 3:4, und jedes Format steht in 720p wie in 1080p bereit. Da nichts von einem Eingangsbild übernommen wird, lässt sich dasselbe Briefing als Querformat-Master und als vertikale Kurzfassung rendern, indem Sie ein einziges Feld ändern. Die Auflösung bestimmt den Sekundenpreis und die Laufzeit der Aufgabe; das voreingestellte 720p ist deshalb der richtige Ort, um einen Prompt auszufeilen.
Eine Einstellung oder eine geplante Sequenz
shot_type wechselt zwischen single, einer durchgehenden Einstellung, und multi, bei dem das Modell innerhalb desselben Clips zwischen mehreren Einstellungen schneiden darf. Eine Multi-Anfrage läuft immer mit eingeschalteter Prompt-Erweiterung, unabhängig davon, was in enable_prompt_expansion steht, weil die Schnitte beim Erweitern des Briefings geplant werden. Multi eignet sich für eine kurze Geschichte mit Pointe; single ist die Wahl, wenn Kontinuität wichtiger ist als Abdeckung.
Ton im selben Durchgang
Der Ton entsteht zusammen mit dem Bild, daher prägt ein Satz über Geräusche am Ende des Prompts, was Sie hören. Liegt der Ton schon vor, nimmt audio_url eine WAV- oder MP3-Datei von 3 bis 30 Sekunden und bis zu 15 MB an; Mundbewegungen und das Tempo der Bewegung richten sich nach dieser Datei. Eine längere Spur wird auf die Cliplänge gekürzt, bei einer kürzeren bleibt der Rest des Clips stumm.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Ja | Die Einstellung selbst: wer, eine Handlung, eine Kamerabewegung, dann Licht und Ton – oder nummerierte Shots für multi. Bleiben Sie unter 1.500 Zeichen. mindestens 1 Zeichen · höchstens 1500 Zeichen |
negative_prompt | Nein | Was draußen bleiben muss: Untertitel, Logos, zusätzliche Personen, eine Farbe, die immer wieder auftaucht. Höchstens 500 Zeichen. höchstens 500 Zeichen |
aspect_ratio | Nein | 16:9, 9:16, 1:1, 4:3 oder 3:4, Standard 16:9. Alle fünf Formate stehen in beiden Auflösungen zur Verfügung. |
resolution | Nein | 720p oder 1080p, Standard 720p. Bestimmt den Sekundenpreis und die Bearbeitungsdauer. |
duration_seconds | Nein | Exakt 5, 10 oder 15. Andere Werte werden abgelehnt, nicht gerundet. |
audio_url | Nein | Eine Sprechzeile oder ein Musik-Cue, dem der Clip folgt. Mundbewegungen und Tempo richten sich nach dieser Datei. |
shot_type | Nein | single hält eine durchgehende Einstellung; multi lässt das Modell zwischen Shots schneiden und schaltet für diese Anfrage |
enable_prompt_expansion | Nein | Standardmäßig aus. Standardwert: |
seed | Nein | 0 bis 2147483647. Halten Sie ihn fest, wenn Sie jeweils eine Änderung vergleichen; lassen Sie ihn weg, wenn Sie Varianten wollen. |
Preis
| Spezifikation | Preis |
|---|---|
| $0.09 / Sekunde |
| $0.135 / Sekunde |
Anwendungsfälle
Eine atmosphärische Einzeleinstellung mit geschriebenem Ton
Das veröffentlichte Hafenbeispiel zeigt das Muster für eine einzelne Einstellung. Ein Fischer in gelbem Ölzeug rollt ein nasses Tau auf, blickt zu einer vorbeifahrenden Fähre und hebt die Hand, gefilmt mit einer einzigen langsamen Dolly-Fahrt hinter einem Kistenstapel hervor. Der Prompt endet mit einer Tonzeile, sodass gleichmäßiger Regen, ein langes Nebelhorn und das Knarren des Taus ohne eigene Spur unter dem Bild liegen. Er läuft in 16:9, fünf Sekunden, 720p.
Eine vertikale Mikrogeschichte für Social Feeds
Das Bäckereibeispiel verlangt drei nummerierte Einstellungen in einem 9:16-Clip von zehn Sekunden in 1080p: der Rollladen geht im Morgengrauen hoch, bemehlte Hände formen einen Laib, dann glüht die Ofentür, während ein Blech hineingeschoben wird. shot_type steht auf multi, also bekommt jede nummerierte Zeile ihren eigenen Schnitt, und ein fester seed hält die Ziehung stabil, während Sie an der Formulierung feilen.
Look-Entwicklung, bevor gedreht wird
Ein geschriebenes Briefing reicht, um Schauplatz, Licht und Tempo für eine Szene zu testen, die es noch nicht gibt. Ein bestimmtes Gesicht oder Produkt hält es über mehrere Durchläufe hinweg nicht. Sobald eine Person oder eine Verpackung wiedererkennbar bleiben muss, erstellen Sie zuerst das Bild und verlegen die Aufgabe zu Bild-zu-Video, wo das Startbild das Aussehen festlegt.
Prompt-Leitfaden und Praxistipps
Eine Einzeleinstellung in vier Teilen schreiben
Für single nennen Sie das Motiv, geben eine Handlung und eine Kamerabewegung vor und ergänzen dann Licht und eine Zeile zum Ton. Der Hafen-Prompt hält genau diese Reihenfolge ein, deshalb ist sein Ergebnis leicht zu beurteilen: Entweder passieren das Tau, der Blick und die gehobene Hand, während die Dolly-Fahrt hinter den Kisten bleibt, oder eben nicht.
Late evening on a rain-soaked harbour quay. A fisherman in a yellow oilskin coils a wet rope, looks up at a passing ferry and raises a hand. Slow dolly from behind a stack of crates, sodium lights reflecting in the puddles. Audio: steady rain, a long ferry horn, the rope creaking.
Für multi die Einstellungen nummerieren
Für multi beginnen Sie jede Zeile mit „Shot 1:“, „Shot 2:“ und so weiter und geben jeder Zeile eine eigene Bildgröße und ein eigenes Motiv. Pro Zeile ein Ereignis: Sobald eine Zeile zwei Ereignisse beschreibt, legen nicht mehr Sie die Grenze zwischen den Schnitten fest. Multi-Shot-Schnitte brauchen die längeren Laufzeiten, wählen Sie also 10 oder 15 Sekunden.
Ausschlüsse aus dem Hauptbriefing heraushalten
Untertitel, Logos, zusätzliche Personen oder eine Farbe, die immer wieder auftaucht, gehören in negative_prompt mit bis zu 500 Zeichen, während der Prompt selbst unter 1.500 Zeichen bleibt. Lassen Sie enable_prompt_expansion bei einer Einzeleinstellung aus, sobald der Prompt eine präzise Einstellungsbeschreibung ist; schalten Sie es ein, wenn eine Idee aus einer Zeile ausgebaut werden soll.
Immer nur eine Änderung vergleichen
seed akzeptiert 0 bis 2147483647. Halten Sie ihn fest, während Sie genau eine Sache ändern – die Kamerabewegung, das Seitenverhältnis oder single gegen multi –, und lassen Sie ihn weg, wenn Sie Abwechslung wollen. Er stabilisiert einen Vergleich, verspricht aber keine bildgleiche Wiederholung. Andere Laufzeiten als 5, 10 oder 15 Sekunden werden abgelehnt statt gerundet.
API-Schnellstart
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6/text-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
