Tienes una imagen de un personaje adulto y una frase grabada, y quieres un vídeo corto que conserve tanto el personaje como el ambiente previsto. Wan 2.7 Spicy resulta prometedor porque ofrece generación NSFW de imagen a vídeo y una entrada de audio.
Wan 2.7 Spicy es una opción de imagen a vídeo sin censura en SpicyAPI. En nuestras pruebas de septiembre de 2026, se entregaron todas las solicitudes de contenido para adultos, sin suavizarlas ni rechazarlas.
La tarea actual genera 2–15 segundos a 720p o 1080p. Acepta una imagen inicial, un prompt de movimiento obligatorio, sonido generado opcional y una pista de audio opcional. Cinco segundos cuestan $0.6175 a 720p o $0.95 a 1080p. No se indica una tarifa adicional para el audio.
Qué significa «sin censura» en esta prueba
SpicyAPI no añade ningún filtro de contenido de la plataforma a Wan 2.7 Spicy; aun así, hay que evaluar el resultado real.
Las solicitudes de mayor intensidad se entregaron en vez de completarse con alternativas más suaves. Para otra toma, selecciona un nuevo seed; conserva el mismo seed al comparar dos ajustes. Consulta el informe de pruebas de Wan 2.7 Spicy.
Esta es la versión de vídeo, no el generador de imágenes Wan 2.7
Wan 2.7 Spicy tiene una tarea publicada: imagen a vídeo. Requiere tanto una imagen inicial como un prompt no vacío. No crea una imagen fija a partir de texto, no admite un fotograma final separado ni un conjunto de imágenes de referencia del personaje, y no amplía un vídeo subido.
Wan 2.7 y Wan 2.7 Pro son modelos de imagen independientes en SpicyAPI. Si solo tienes una descripción del personaje, crea primero la imagen fija inicial. Utiliza un editor de vídeo para sustituir la banda sonora de un clip terminado; esta tarea genera un clip nuevo.
Tres formas diferentes de gestionar el sonido
En un catálogo de personajes adultos, el sonido forma parte del personaje: una voz tranquila, un ambiente recurrente de la habitación o una entrada musical constante. Wan 2.7 Spicy ofrece dos controles, generate_audio y audio_url, pero cumplen funciones diferentes.
| Resultado deseado | Configura el audio así | Uso práctico |
|---|---|---|
| Un clip sin sonido para musicalizar después | Pon generate_audio en false; deja audio_url vacío | Añade la banda sonora aprobada en tu editor. |
| Sonido nuevo creado junto con la imagen | Mantén generate_audio en true; describe el ambiente deseado en el prompt | Genera voz y ambiente junto con la imagen. |
| Un clip guiado por tu pista grabada | Proporciona audio_url y mantén generate_audio en true | Guía la sincronización labial y el ritmo con la pista suministrada. |
Cuando generate_audio está en false, tampoco se utiliza el audio suministrado. Subir una grabación y luego desactivar el audio es, por tanto, una configuración incorrecta para un clip guiado por voz. Utiliza WAV o MP3 y mantén el archivo de origen por debajo de 15 MB como objetivo de preparación prudente. El vídeo generado sigue teniendo un máximo de quince segundos. Subir treinta segundos no permite obtener un vídeo de treinta segundos.
Ajusta la grabación a la duración prevista de la toma antes de enviarla. Si la grabación exacta debe permanecer intacta, conserva el máster, colócalo debajo del vídeo elegido en tu editor y comprueba de oído que las palabras sigan claras.
Mantén Generate audio activado al suministrar una pista grabada. La configuración mostrada deja Prompt expansion desactivado para conservar las indicaciones escritas.
Un clip práctico de personaje guiado por voz
Para una configuración inicial completa, utiliza una mujer adulta ficticia de 38 años, sentada frente a la cámara con una blusa burdeos opaca. Encuadra desde justo debajo de la cintura hasta por encima de la cabeza. Mantén la boca visible y ambas manos apoyadas lejos del rostro. Utiliza una luz suave y una habitación sencilla. Una imagen de perfil con el pelo tapando la boca es un mal punto de partida para evaluar el habla.
Graba una frase corta y original, como “Stay a little longer. I saved this moment for you.” Es un avance con un personaje adulto, sin una escena adulta detallada. Utiliza una voz que tengas autorización para procesar y recorta la grabación a cinco segundos, con un breve inicio y final tranquilos. Evita la música sobre las palabras en el primer intento: si cuesta oír la voz, no sabrás si el problema es la generación o la mezcla.
En el Playground de Wan 2.7 Spicy:
- Sube la imagen inicial aprobada como Input image y la pista grabada como Input audio.
- Elige cinco segundos a 720p, mantén Generate audio activado y desactiva Prompt expansion.
- Pega las indicaciones de movimiento y genera la toma guiada por voz.
Ejemplo de indicaciones:
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.
El movimiento limitado permite ver la interpretación hablada. Cuando la voz y la boca sean utilizables, una segunda toma puede añadir un gesto. Combinar un giro de cabeza, una mano sobre la boca y una cámara en movimiento en el primer intento dificulta mucho evaluar si funciona la interpretación guiada por audio.
Reproduce el resultado con sonido. ¿Se reconoce la frase? ¿Aparece otra voz? ¿Los movimientos de la boca empiezan y terminan con las palabras? ¿La sonrisa final distorsiona el rostro? Un clip puede servir como avance sin sonido y fallar como clip guiado por voz; decide según lo que tu público realmente oirá y verá.
Si la grabación se corta, prepara una frase más breve en vez de pedir a un clip de cinco segundos que encaje una interpretación larga. Si el rostro cambia al hablar, vuelve a una imagen fija frontal y elimina el movimiento de cabeza. Si el habla precisa sigue fallando, conserva una toma útil sin sonido y añade la grabación en posproducción solo cuando no se necesite una sincronización labial visible.
Mantén el modelo cerca de la escena prevista
Wan 2.7 Spicy puede añadir más acción de la solicitada en el prompt. Si el encargo es un avance contenido, un personaje adicional, un cambio de ropa o una escena adulta no prevista pueden volver inutilizable un vídeo técnicamente completado. Especifica la interpretación que quieres antes de gastar en variaciones.
Para una toma controlada, describe la única acción que quieres y dónde debe terminar. Especifica la imagen inicial, la ropa y la habitación cuando deban mantenerse iguales. Deja Prompt expansion desactivado para unas indicaciones de interpretación completamente redactadas; la expansión está activada por defecto y reescribe el prompt antes de generar. Desactivarla conserva tu descripción enviada frente a ese paso de expansión, de modo que la generación recibe tus propias palabras.
El campo de prompt negativo admite hasta 500 caracteres. Para el ejemplo sentado, utiliza:
additional person, outfit change, scene change, zoom, camera cut, hand across face, subtitles, watermark
Si persiste un movimiento de cámara, revisa también las indicaciones positivas: “stationary eye-level camera, same waist-up framing from beginning to end.” Si el movimiento previsto sigue convirtiéndose en otra escena, cambia el diseño de la toma o evalúa otro modelo. No hay motivo para seguir comprando copias de la misma interpretación no deseada.
¿Cuánto presupuesto deberías reservar?
Las tarifas públicas son $0.1235 por segundo de salida a 720p y $0.19 a 1080p. La matriz de precios indicada no añade un cargo independiente por audio generado o suministrado.
| Duración del clip | 720p | 1080p |
|---|---|---|
| 2 segundos | $0.247 | $0.38 |
| 5 segundos | $0.6175 | $0.95 |
| 10 segundos | $1.235 | $1.90 |
| 15 segundos | $1.8525 | $2.85 |
Dos segundos permiten comprobar si un fotograma inicial se anima, pero son demasiado pocos para la frase hablada de cinco segundos anterior. Tres tomas de cinco segundos a 720p cuestan $1.8525. Una repetición adicional de cinco segundos a 1080p eleva el total a $2.8025, sin contar la imagen inicial ni la grabación. Diez personajes con ese flujo de cuatro intentos cuestan $28.025 en generación de vídeo.
La repetición a 1080p es una toma nueva, no un aumento de resolución del clip de 720p elegido. Puede cambiar la expresión, el ritmo y la articulación. Desactivar el audio no ofrece ningún descuento indicado.
Wan 2.7 Spicy indica la misma tarifa de $0.6175 por cinco segundos a 720p para configuraciones sin sonido, con sonido generado y con una pista suministrada. Una pista suministrada requiere tener el audio activado.
Cuándo encaja mejor otra tarea
Utiliza Wan 2.7 Spicy cuando tengas una imagen inicial terminada y quieras un clip corto para adultos con una entrada de audio grabado opcional. Su rango de 2–15 segundos permite ajustar un momento corto concreto sin comprar la duración máxima.
- Clips más económicos con una pista grabada: Wan 2.6 Spicy acepta
audio_urly cuesta $0.475 por cinco segundos a 720p. Ofrece duraciones fijas de 5/10/15 segundos y no tiene interruptor de audio. - Un fotograma final o más de 15 segundos: Wan 3.0 Spicy ofrece una entrada de imagen final y clips de 2–30 segundos, desde $0.057/s a 480p. Genera audio, pero no acepta tu archivo de audio. Consulta la guía de duración de Wan 3.0.
- Audio grabado y duración corta precisa: elige Wan 2.7 Spicy para duraciones en segundos enteros de 2 a 15 a 720p o 1080p.
Para comparar el comportamiento con contenido adulto dentro de la familia, consulta las versiones de Wan sin censura.
Abre Wan 2.7 Spicy de imagen a vídeo, sube una imagen fija aprobada de un personaje adulto y empieza con el clip más corto que contenga la interpretación. Elige deliberadamente entre silencio, sonido generado o tu propia grabación. Evalúa el vídeo y la banda sonora reales antes de ampliar la idea a un lote.
Utiliza la configuración guiada por voz mediante la API
Configura SPICY_API_KEY en tu entorno y SPICY_IMAGE_URI con la URL accesible de tu imagen inicial o una URI spicy:// subida. Configura SPICY_AUDIO_URI con la URL accesible de la pista grabada o su URI subida. Este ejemplo en Python 3 envía una toma nueva después de que confirmes su precio.
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"])Conserva la clave de solicitud impresa para recuperar esa misma solicitud; una toma nueva recibe una clave nueva. La documentación de la API de tareas explica la entrega y recuperación de resultados.
Para tomas repetidas, deja que un Agent utilice un archivo de entrada aprobado: CLI spicyapi tasks create --model alibaba/wan-2.7-spicy/image-to-video --input-file input.json --wait; MCP pídele que llame a spicyapi_task_create con ese modelo y esa entrada; Skill pídele “Use the spicyapi Skill to generate this approved shot and return the result.” CLI y MCP muestran el precio antes de crear. Consulta la documentación de integración con Agent.
