El text-to-video de Wan 2.5 de Alibaba convierte un plano escrito en un clip de 5 o 10 segundos con sonido generado, en 480p, 720p o 1080p. Elige 16:9, 9:16, 1:1, 4:3 o 3:4 y, si quieres, aporta una pista de audio a seguir.
Playground
Estos ejemplos se escribieron para este endpoint. Cambia el prompt y las URL de ejemplo por archivos tuyos accesibles y, antes de enviar, revisa la estimación al día y la disponibilidad del modelo.
- Salida5 s
bar-slow-dance Dos personas en un solo movimiento, solo a partir de palabras: tras el cierre, ella lo atrae por la corbata hasta que sus rostros casi se tocan, luego se inclina hacia atrás en sus brazos y se ríe mientras la cámara los rodea en órbita. La bruma en los haces de luz ámbar le da algo que revelar a esa órbita.
- 720p
- 16:9
- 5s
- Salida10 s
sax-solo-ten-seconds `duration_seconds` es `10`, la más larga de las dos duraciones que acepta este endpoint, en `1080p` y `16:9`. El encargo le pide algo concreto a la pasada de audio: que el sonido del instrumento coincida con la digitación, que es una afirmación de sincronía y no de ambiente. Si va a poner a prueba el sonido generado, pruébelo contra un mecanismo visible; así usted mismo puede ver si coincide.
- 1080p
- 16:9
- 10s
- Salida5 s
harbour-dawn-swim Una acción, una posición de cámara y el sonido escrito, para que el chapuzón y la risa caigan en los fotogramas correctos.
- 720p
- 16:9
- 5s
- Salida10 s
record-shop-vertical Una toma vertical de diez segundos en 1080p: inclinación de las manos a la cara, con el prompt negativo dejando fuera subtítulos y extras.
- 250924
- 1080p
- 9:16
Este ejemplo parte de $0.045 por segundo de salida. El Playground actualiza la estimación cada vez que cambias los ajustes.