Einführung
Wan 2.7 Spicy Bild-zu-Video ist einer von zwei Endpunkten der unzensierten Modellfamilie Wan 2.7 Spicy. Ein Startbild in image_url und ein verpflichtender prompt ergeben 2 bis 15 Sekunden Video in 720p oder 1080p mit Ton. Das Standbild liefert Person, Garderobe, Körper, Set, Lichtrichtung und die Form des Clips; der Prompt liefert Bewegung, Kamera und Ton.
Im Request-Body gibt es kein Inhaltsflag, keine Erklärung pro Anfrage und keinen Prüfschritt: Der Clip setzt fort, was das autorisierte Bild zeigt. Text-zu-Video- oder Referenz-Tasks gibt es in dieser Familie nicht, jeder neue Clip beginnt also mit einem Standbild; um einen vorhandenen Clip fortzusetzen, nutzen Sie Videoverlängerung.
Wichtige Funktionen und Highlights
Das gesendete Bild ist das Bild, das sich bewegt
image_url nimmt JPEG, PNG ohne Transparenz, BMP oder WEBP entgegen, 240 bis 8.000 Pixel pro Seite, zwischen 1:8 und 8:1 im Format und höchstens 20 MB groß. Es gibt kein Seitenverhältnisfeld, daher erhältst du den Ausschnitt zurück, den du sendest. Was das Ausgangsbild zeigt, geht unverändert in den Clip über.
Jede ganze Länge von 2 bis 15 Sekunden
duration_seconds nimmt jede ganze Zahl von 2 bis 15 an, Standard 5; resolution ist 720p (Standard) oder 1080p. Beides wirkt sich auf Preis und Bearbeitungsdauer aus. Ab zehn Sekunden wird Drift bei Händen und Stoff sichtbar – lange Einstellungen gelingen daher am besten mit einer Vorlage, die die gewünschte Pose bereits hält.
Generierter Ton oder Ihre eigene Spur
generate_audio ist standardmäßig an und liefert Raumton und Effekte passend zum Bild. Um Lippensynchronität und Tempo über eine aufgenommene Zeile oder einen Musik-Cue zu steuern, übergeben Sie audio_url – WAV oder MP3, 2 bis 30 Sekunden, höchstens 15 MB – und lassen generate_audio eingeschaltet: Steht es auf false, wird auch eine mitgelieferte Spur nicht verwendet.
Prompt-Erweiterung ist von Anfang an aktiv
enable_prompt_expansion steht an diesem Endpunkt standardmäßig auf true, ohne Aufpreis, und schreibt den Prompt vor der Generierung um. Das hilft bei einem Einzeiler. Ist Ihre Bewegungsbeschreibung präzise, setzen Sie es auf false, damit Ihr eigener Wortlaut beim Modell ankommt.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
image_url | Ja | Das Startbild und hier der größte einzelne Hebel. Garderobe, Körper, Set, Lichtrichtung und das Seitenverhältnis des Clips werden alle davon geerbt. |
prompt | Ja | Pflicht. Nutzen Sie ihn nur für Bewegung und Kamera – eine Handlung, ein Kameraverhalten, eine Notiz zum Ton. mindestens 1 Zeichen |
negative_prompt | Nein | Was nicht erscheinen darf: eine zweite Person, eine Requisite, Schrift an einer Wand, ein Wasserzeichen, das die Platte immer wieder reproduziert. Der einzige Ort zum Ausschließen. höchstens 500 Zeichen |
duration_seconds | Nein | Jede ganze Zahl von 2 bis 15, Vorgabe 5. Drift bei Händen und Stoff wird jenseits von zehn Sekunden sichtbar. |
resolution | Nein | 720p oder 1080p, Vorgabe 720p. Wirkt sich auf den Preis und die Dauer bis zur Rückgabe des Tasks aus. |
audio_url | Nein | Eine Tonspur, der der Clip folgt und die Lippensynchronität und Tempo führt. |
seed | Nein | 0 bis 2147483647. Festhalten, während Sie 720p gegen 1080p oder fünf gegen zehn Sekunden vergleichen. |
generate_audio | Nein | Standardmäßig an; der Clip kommt mit am Bild ausgerichtetem Ton zurück. Auf false wird auch eine über |
enable_prompt_expansion | Nein | Standardmäßig an, ohne Aufpreis. Der Prompt wird vor der Generierung umgeschrieben – hilfreich für ein Briefing in einem Satz. Standardwert: |
Preis
| Spezifikation | Preis |
|---|---|
| $0.1235 / Sekunde |
| $0.19 / Sekunde |
Anwendungsfälle
Unzensierte Szenen aus einer autorisierten Vorlage
Szenen, die andere Video-APIs ablehnen: Schick das Standbild, beschreibe die Bewegung, erhalte den Clip. Im Request wird der Inhalt an keiner Stelle erklärt. Verwendet werden dürfen nur einwilligende Erwachsene und ordnungsgemäß lizenziertes Material; für alle abgebildeten Personen bist du für Rechte, Alter und lokales Recht verantwortlich.
Eine wiederkehrende Figur über viele Clips
Verwenden Sie eine Figurenvorlage als Startbild für jeden Clip und ändern Sie nur die Handlungszeile. Gesicht und Garderobe trägt die Vorlage, nicht der Prompt – so bleibt sie von Einstellung zu Einstellung dieselbe Person. Halten Sie beim Vergleichen von Takes auch seed fest.
Stoff, Wind und Nebenbewegung
Im Dünen-Beispiel werden nachts mehrere Meter indigoblaue Seide über den Kopf geworfen, während Sand vom Kamm weht, eine Laternenflamme flackert und ein langer Schatten über die Rippeln fällt. Große, weiche Stoffe sind ein anspruchsvolles Motiv; prüfen Sie über die vollen fünf Sekunden, ob die Seide reißt oder einfriert.
Sprechende Clips mit Ihrem eigenen Audio
Laden Sie eine aufgenommene Zeile über audio_url hoch, und der Clip wird darauf generiert – Lippenbewegung und Tempo folgen der Aufnahme, die Sie bereits haben. So entsteht eine Figur, die Ihr Skript spricht, statt nur irgendetwas mit den Lippen zu formen.
Prompt-Leitfaden und Praxistipps
Zuerst das Startbild bauen
Schneiden Sie das Standbild auf das Auslieferungsformat zu und prüfen Sie, ob Person, Kostüm, Raum und Lichtrichtung schon so im Bild sind, wie Sie sie wollen. Nutzen Sie dann negative_prompt (bis zu 500 Zeichen) für das, was die Vorlage immer wieder nahelegt: eine zweite Person, ein Requisit, Schrift an der Wand, ein Wasserzeichen. Nur dort lässt sich etwas ausschließen, denn der Prompt ist für Bewegung da.
Das enthaltene Beispiel anpassen
Das Backstage-Beispiel läuft mit duration_seconds 5 und resolution 720p und geht von einem Showgirl vor einem Glühbirnenspiegel aus. Kostüm, Federn und Licht bringt die Vorlage schon mit, also sagt der Prompt nur, was sie tut und wie der Raum klingt.
She finishes adjusting the sequin strap, checks herself in the bulb-lit mirror, then turns her head to camera and raises one eyebrow before stepping out of frame toward the stage. Bulbs flicker, feathers stir in the draft, smoke drifts, muffled orchestra and applause building behind the wall.
Die exakte Anfrage hinter dem Clip dieses Endpunkts, generiert aus dem daneben gezeigten Startbild.
Pro Durchlauf ein Feld ändern
Legen Sie die Einstellung bei fünf Sekunden und 720p fest und halten Sie dann seed, während Sie 1080p oder eine längere Dauer testen; ändern Sie zwei Dinge gleichzeitig, sagt Ihnen das Paar nichts. Prüfen Sie jenseits von zehn Sekunden Hände und Stoff genau auf Drift und spielen Sie den Clip vor der Auslieferung mit Ton ab.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.7-spicy/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
