Einführung
Wan 3.0 Bild-zu-Video animiert ein Standbild, das Sie liefern. image_url wird exakt als erster Frame verwendet – Garderobe, Körper, Set und Lichtrichtung kommen also aus dem Bild, und der Prompt muss nur die Bewegung beschreiben. Der Prompt ist optional; ohne ihn animiert das Modell den Frame selbstständig. Ein optionales last_image_url legt den letzten Frame exakt fest. Clips laufen 2 bis 30 Sekunden in 480p, 720p oder 1080p, generierter Ton ist standardmäßig aktiv. Es ist der wörtlichste der Modi: Wenn die Ausgabe Ihrer Formulierung entsprechen muss, legen Sie den Look ins Bild und verwenden den Prompt für die Bewegung.
Modus nach dem Ausgangsmaterial wählen
| Ausgangsmaterial | Modus |
|---|---|
| Aus einem schriftlichen Briefing entstehen Szene, Handlung, Kamerabewegung und gegebenenfalls Ton. | Wan 3.0 Text-zu-Video |
| Ein freigegebenes Startbild bestimmt Motiv und Komposition; die Beschreibung steuert die anschließende Bewegung. | Wan 3.0 Bild-zu-Video |
| Getrennte Referenzen können Identität, Ort, Bewegung oder Klang mit jeweils einer klaren Rolle leiten. | Wan 3.0 Referenz-zu-Video |
Wichtige Funktionen und Highlights
Der Startframe bestimmt die Qualitätsobergrenze
Da der erste Frame Ihr Bild ist, sind seine Schärfe, Beleuchtung und Komposition die Obergrenze des Clips. Zulässig sind JPEG, PNG ohne Transparenz, BMP oder WEBP mit 240 bis 8000 Pixeln pro Seite, einem Seitenverhältnis bis 8:1 und höchstens 20 MB. Lassen Sie aspect_ratio weg, übernimmt der Clip das Format des Bildes; ein abweichendes Verhältnis beschneidet es.
Ein Endframe, der festgelegt statt nur angedeutet ist
last_image_url ist keine lose Vorgabe: Der Clip endet exakt auf diesem Bild, und das Feld funktioniert nur zusammen mit image_url. Das Flaschen-Beispiel übergibt dasselbe Packshot als beide Frames, sodass sich die Flasche um eine Vierteldrehung dreht, ein Glanzlicht über das Glas wandert und sie mit lesbarem Etikett wieder in der Ausgangsposition landet.
Lange Strecken zwischen zwei festen Momenten
Sind beide Enden vorgegeben, wird nur der Übergang dazwischen erzeugt. Das Dachterrassen-Beispiel legt eine offene Tanzhaltung als ersten Frame und den tiefsten Punkt einer Tanzfigur als letzten fest, und das Modell füllt die fünf Sekunden dazwischen in 720p; dieselben zwei Standbilder können auch eine deutlich längere Bewegung einrahmen, denn duration_seconds reicht auf diesem Endpunkt bis 30.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Nein | Optional: Ohne Prompt animiert das Modell das Startbild von sich aus. mindestens 1 Zeichen |
image_url | Ja | Das Startbild – es wird exakt als erster Frame verwendet und ist die eigentliche Qualitätsgrenze der Einstellung. |
last_image_url | Nein | Optional und nur zusammen mit |
aspect_ratio | Nein | 16:9, 9:16, 1:1, 4:3, 3:4 oder adaptive, womit das Modell wählt. Weglassen, dann erbt der Clip die Form des Startbilds; ein widersprechender Wert beschneidet. |
enable_thinking | Nein | Lässt das Modell den Auftrag und das Referenzmaterial vor der Generierung durchdenken. Standardwert: |
resolution | Nein | 480p, 720p oder 1080p. Vorgabe 720p. |
duration_seconds | Nein | Jede ganze Zahl von 2 bis 30 oder -1 für die automatische Dauer, bei der das Modell die Länge wählt: Das Maximum von 30 Sekunden wird vorab reserviert, abgerechnet wird die tats… |
generate_audio | Nein | Standardmäßig an. Der Clip kommt mit bereits am Bild verankertem Ton zurück. Standardwert: |
enable_prompt_expansion | Nein | Standardmäßig aus. Eingeschaltet wird der Prompt vor der Generierung umgeschrieben, was dünnen Briefings hilft und bei ausführlichen gegen Sie arbeitet. Standardwert: |
seed | Nein | 0 bis 2147483647. Festhalten, um ein geändertes Feld nach dem anderen zu vergleichen; weglassen für Vielfalt. |
Preis
| Spezifikation | Preis |
|---|---|
| $0.045 / Sekunde |
| $0.09 / Sekunde |
| $0.18 / Sekunde |
Anwendungsfälle
Produktdrehungen zurück in die Hero-Position
Übergeben Sie bei Packshots das freigegebene Bild als ersten und letzten Frame, fixieren Sie die Kamera und beschreiben Sie eine einzige Bewegung. Das Flaschen-Beispiel nutzt ein weiches Führungslicht von links, keine Musik (generate_audio auf false) und den festen Seed 20260907. So lässt sich dieselbe Bewegung nach einer kleinen Textänderung erneut rendern und mit der vorigen Datei vergleichen.
Gestylte Einstellungen, die dem Text folgen
Wenn Kleidung, Körper oder Set genau wie freigegeben erscheinen sollen, gehören sie in den Startframe. Das Fenster-Beispiel beginnt mit einem Standbild einer Frau im Seidenhemdchen; der Prompt beschreibt nur ihre Drehung zur Linse, einen transparenten Vorhang, der durchs Licht treibt, und eine langsame Ranfahrt, während das Morgenlicht stärker wird. Der Clip läuft 5 Sekunden in 1080p mit Ton.
Prompt-Leitfaden und Praxistipps
Beschreiben Sie, was sich ändert, nicht was sichtbar ist
Alles im Frame wird übernommen; wer es erneut beschreibt, verbraucht Worte, die der Bewegung fehlen. Schreiben Sie, wer oder was sich bewegt, in welche Richtung und wie schnell, und dann, was die Kamera tut: „The bottle rotates a quarter turn so the highlight travels across the glass, then returns to its starting angle. Locked camera, single soft key from the left, no music.“
Beide Frames als Paar vorbereiten
Wenn Sie last_image_url hinzufügen, erstellen Sie beide Bilder im selben Ausschnitt und am selben Set und erklären im Prompt, wie das eine zum anderen wird. Das Dachterrassen-Beispiel kombiniert einen Startframe eines Paares in offener Tanzhaltung mit einem Schlussframe desselben Paares – auf derselben Dachterrasse, aus derselben Kameraposition – am tiefsten Punkt einer Tanzfigur, und der Prompt beschreibt nur die Bewegung dazwischen: Er zieht sie an der Hand zu sich und lässt sie nach hinten sinken, während die Kamera fest steht.
Die Mitte prüfen, nicht nur die Enden
Ein passender Schlussframe beweist noch keinen glaubwürdigen Übergang. Prüfen Sie Anfang, Mitte und Ende auf Identität und Geometrie; driften sie, reduzieren Sie die Zahl gleichzeitiger Bewegungen, bevor Sie die Dauer verlängern. Legen Sie die Bewegung bei 5 Sekunden fest, verlängern Sie danach und lassen Sie enable_prompt_expansion auf dem Standardwert false, damit ein detailliertes Bewegungsbriefing unverändert ausgeführt wird.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
