Introducción
Extensión de video con Wan 2.2 LoRA. Envía el clip que quieres continuar y describe lo que pasa después: el último fotograma de tu clip se convierte en el fotograma inicial de una nueva toma de Wan 2.2 LoRA imagen a video de 5 u 8 segundos, y el original y el nuevo segmento vuelven unidos en un solo MP4. Solo se cobran los segundos nuevos. Añade las mismas LoRA que usaste en el clip para mantener su estilo.
| Campo | Valor |
|---|---|
| Entrada | Video |
| Salida | Video |
| Desarrollador | Alibaba |
| Endpoints publicados | texto a video, imagen a video, extensión de video |
| Entradas obligatorias | prompt; imagen a video necesita además un cuadro de apertura ( |
| Ranuras de LoRA | loras, |
| Scale del LoRA | De 0 a 4 por entrada, 1 por defecto |
| Archivos de pesos | Se descargan de una URL directa que tú alojas; no se almacena nada |
| Duración del clip | 5 u 8 segundos — valores fijos, 5 por defecto |
| Resolución | 480p o 720p — 480p por defecto |
| Forma | Texto a video 16:9 o 9:16; imagen a video sigue el cuadro de apertura |
Funciones y aspectos destacados
Adjunta un LoRA a la pasada de ruido alto, a la de ruido bajo, o a ambas
Wan 2.2 elimina el ruido en dos pasadas, a cargo de dos expertos. high_noise_loras se adjunta al experto de ruido alto, donde se deciden la composición y el movimiento; low_noise_loras se adjunta al experto de ruido bajo, donde se resuelven el detalle y la textura; loras se aplica a ambos. La mayoría de los LoRA de Wan 2.2 se publican como un archivo de ruido alto y otro de ruido bajo: pon cada uno en su propia ranura. Un LoRA de un solo archivo va en loras.
Escribe la escena y elige horizontal o vertical
El endpoint de texto a video no necesita más que un prompt. Describe quién aparece en la toma, qué hace y cómo se mueve la cámara, elige 16:9 o 9:16, 480p o 720p, cinco u ocho segundos, y agrega un prompt negativo con lo que debe quedar fuera. El clip junto a la chimenea de esta página salió de un párrafo, un seed y un LoRA de estilo en loras.
Un cel shading que resiste un travelling
En el endpoint de imagen a video, la imagen fija que envías es el cuadro de apertura: el sujeto, el vestuario, el escenario y la forma salen todos de ella. Mantener estable un estilo dibujado mientras la cámara se desplaza es lo difícil del video estilizado, y para controlar eso existen las tres ranuras de LoRA.
Aquí no se sube ni se almacena nada
Cada entrada de LoRA es una URL de descarga directa más una fuerza. Los pesos se descargan para la ejecución y no se almacena nada, así que los archivos que no puedas publicar deben quedarse detrás de tus propios enlaces firmados. Si dejas vacíos los tres arreglos de LoRA, obtienes el modelo base tal cual, aunque esta familia tiene un precio distinto al de Wan 2.2 a secas.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | Obligatorio. Lo que pasa después: la acción que sigue y el movimiento de cámara. mínimo 1 caracteres |
video_url | Sí | El clip que quieres continuar: MP4, MOV o WebM, de hasta 60 segundos. mínimo 1 caracteres |
resolution | No | Resolución con la que se genera el nuevo segmento: 480p o 720p, 480p por defecto. Usa la resolución de tu original para que no se note un salto de nitidez en la unión. |
duration_seconds | No | Duración del nuevo segmento: exactamente 5 u 8 segundos, 5 por defecto. Cualquier otro valor se rechaza en lugar de redondearse. |
loras | No | Hasta tres LoRA aplicados a los dos expertos de ruido. Valor predeterminado: |
high_noise_loras | No | Hasta tres LoRA en el experto de alto ruido, la pasada donde se deciden la composición y el movimiento. El slot correcto para un estilo de cámara o de desplazamiento. Valor predeterminado: |
low_noise_loras | No | Hasta tres LoRA en el experto de bajo ruido, la pasada donde se resuelven el detalle y la textura. El slot correcto para línea, grano o un tratamiento de render. Valor predeterminado: |
seed | No | De 0 a 2147483647. Mantenla fija mientras barres la fuerza de un LoRA, o no podrás distinguir la fuerza del ruido. |
Precios
Se cobra por segundo del nuevo segmento según la resolución que elijas; el clip original que envías no se cobra. Cargar LoRA no tiene costo adicional.
| Especificación | Precio |
|---|---|
| $0.024 / segundo |
| $0.048 / segundo |
Casos de uso
Un estilo propio, aplicado al movimiento
Entrena un LoRA con tu look y cárgalo con una fuerza cercana a 1, y todos los clips de una serie heredan el mismo render. Escribe escenas nuevas en texto a video, o anima tu propio arte clave en imagen a video; en ambos casos, el LoRA aporta el look.
LoRA de estilo sin censura, sin revisión
Los pesos entrenados para estilos sin censura se ejecutan aquí igual que cualquier otro archivo. Nada en la solicitud declara el contenido y no se inspecciona ningún LoRA; lo que pone límites al trabajo son tus derechos sobre los pesos, sobre los datos de entrenamiento y sobre cualquier cuadro que envíes.
Separar el estilo de cámara del estilo de render
Pon un LoRA de movimiento o de cámara en high_noise_loras y un LoRA de textura en low_noise_loras dentro de la misma solicitud. Como se adjuntan a pasadas distintas, puedes subir uno y bajar el otro en lugar de pelear con un único peso mezclado.
Clips verticales para los feeds
Texto a video renderiza 9:16 de forma nativa en 480p o 720p, así que los clips verticales para los feeds de video corto salen encuadrados para el teléfono y no recortados de un render horizontal.
Guía de prompts y consejos prácticos
Aloja los pesos y consigue un enlace directo
Cada entrada de LoRA necesita una URL descargable al archivo .safetensors y una fuerza de 0 a 4. Un enlace detrás de un inicio de sesión hace fallar la descarga, así que usa un archivo público o un enlace firmado. En texto a video, enlaza el archivo en sí, no la página del repositorio.
Elige el endpoint y la ranura, y luego escribe el movimiento
Texto a video parte solo de un prompt; imagen a video necesita además un cuadro de apertura. El estilo de render va en
low_noise_loras, el estilo de movimiento o de cámara enhigh_noise_loras, y en loras cuando quieras ambos. Este es el texto exacto detrás del clip de la chimenea de esta página, ejecutado en texto a video a 720p, 16:9, cinco segundos con el LoRA Vintage Cinematic en loras a escala 1: “Vintage Cinematic Color. Night in a mountain log cabin during a thunderstorm. An adult woman in her early thirties with dark tousled hair sits on a sheepskin rug in front of a roaring stone fireplace, in an oversized flannel shirt worn open over a cream silk camisole, knees drawn up, a glass of red wine in her hand. Lightning flashes blue-white through the dark doorway behind her while the firelight paints her face amber; she pulls the slipping shirt back onto her shoulder, turns her head and gives the camera a slow, smouldering look. Warm brown tones, deep shadows, slow push-in, 35mm, film grain, shallow depth of field.”Barre una fuerza a la vez con el seed fijo
Envía con un Idempotency-Key y guarda el id de la tarea. Deja fijos el prompt, el seed y (en imagen a video) el cuadro, y cambia solo el scale de un LoRA entre ejecuciones. Empieza en 480p; vuelve a renderizar la combinación ganadora en 720p.
Introducción
Wan 2.2 LoRA Extensión de video continúa un clip que ya tienes. Envíalo en video_url con un prompt sobre lo que pasa después. El último fotograma de tu clip se convierte en el fotograma inicial de una nueva toma de Wan 2.2 LoRA imagen a video de exactamente 5 u 8 segundos, y las dos partes se unen en un solo MP4: primero tu original, luego la continuación, sin el fotograma repetido en la unión. El nuevo segmento también vuelve como archivo aparte, para que puedas seguir extendiendo o editar las piezas por separado.
Funciones principales y puntos fuertes
La continuidad viene del último fotograma. El vestuario, el escenario, la luz y la posición de cada persona se mantienen porque el nuevo segmento empieza literalmente en tu último fotograma. El movimiento no se transmite igual: el modelo ve una sola imagen fija, no el clip entero, así que describe el movimiento que quieres continuar en lugar de suponer que conservará su velocidad o dirección.
Recibes un archivo y, aparte, la pieza nueva. El MP4 unido conserva la tasa de fotogramas y el encuadre de tu clip, sin barras negras. Para que la unión encaje, la imagen puede recortarse o ajustarse unos pocos puntos porcentuales en los bordes. Si el modelo devuelve una proporción claramente distinta, el nuevo segmento se escala hasta llenar tu encuadre, se centra y se recorta lo que sobresale. Se codifica como MP4 H.264. Wan 2.2 LoRA genera video sin sonido: el audio de tu original suena hasta la unión y se desvanece, y el nuevo segmento es mudo. El segundo asset de la salida es solo el nuevo segmento, listo para otra extensión o para un editor.
Tus LoRA se mantienen. Los tres espacios de LoRA funcionan igual que en el endpoint de imagen a video: cada entrada es la URL directa de un archivo de pesos más una intensidad de 0 a 4. Añade los mismos archivos que usaste en el clip y el nuevo segmento conserva su estilo; cargar LoRA no tiene costo adicional.
Todo lo demás es Wan 2.2 LoRA imagen a video. El nuevo segmento corre en el mismo motor, con el mismo margen de contenido y el mismo precio por segundo que el endpoint de imagen a video, y una generación fallida se reembolsa igual. Si la generación se completa pero no se puede armar la unión, la tarea falla y el cobro se reembolsa.
Casos de uso
Alarga una toma que terminó demasiado pronto: una plataforma giratoria de producto que se detiene antes de que la etiqueta mire a cámara, o una caminata cortada antes de que la persona llegue a la puerta. Extiéndela unos segundos y describe solo el movimiento que falta.
Construye una secuencia más larga paso a paso. Genera una primera toma, extiéndela y luego extiende de nuevo el resultado unido; cada paso cobra solo los segundos que añade. Como cada paso parte de un único fotograma, revisa cada unión antes de apilar la siguiente.
Guía de prompts y consejos
Describe el siguiente momento, no toda la escena. El fotograma ya fija quién está dónde; usa el prompt para la acción que sigue y el movimiento de cámara. Repite el lenguaje de cámara con el que terminó tu clip, como un travelling lento hacia adelante o un plano fijo, para que la unión se lea como una sola toma.
Recorta antes de extender. El último fotograma es lo único que ve el modelo, así que un final borroso, cortado a mitad de movimiento o muy comprimido pasa directo a la continuación. Corta primero tu original en un fotograma limpio y nítido. Se aceptan originales de hasta 60 segundos en MP4, MOV o WebM.
Mantén la resolución coherente. Extender un clip de 720p en 480p se ve más suave junto al original. Iguala la resolución de tu original y elige 5 u 8 segundos según lo que necesites: el cobro sigue solo al nuevo segmento.
Mantén el estilo estable: añade las mismas LoRA con las mismas intensidades que en el clip. Una LoRA que solo existe en el nuevo segmento se nota como un cambio visible en la unión.
Inicio rápido de la API
# 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.2-lora/video-extend",
"input": {
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "480p",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
