Introducción
Extensión de video con Wan 2.5. 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 2.5 imagen a video, y el original y el nuevo segmento vuelven unidos en un solo MP4. El campo opcional audio_url define solo el sonido del nuevo segmento. Solo se cobran los segundos nuevos.
| Campo | Valor |
|---|---|
| Entrada | Video |
| Salida | Video |
| Desarrollador | Alibaba |
| Endpoints publicados | text-to-video, image-to-video, video-extend |
| Duración | 5 o 10 segundos; 5 por defecto |
| Resolución | 480p, 720p, 1080p; 720p por defecto |
| Relaciones de aspecto | 16:9, 9:16, 1:1, 4:3, 3:4 en texto a video; imagen a video sigue al fotograma |
| Audio | Se genera con la imagen; |
| Facturación | Por segundo de video, tarifa según resolución |
Funciones y aspectos destacados
Dale la frase y la boca la sigue
Todos los endpoints aceptan audio_url. Envía una frase grabada o una entrada musical y el clip generado ajusta el movimiento y la forma de los labios a ese archivo en lugar de inventar su propio ritmo. Es la forma más sencilla de que un plano hablado caiga sobre el texto que ya está aprobado.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | No | Opcional. Qué pasa después: la acción que sigue, el movimiento de cámara y una línea sobre el sonido. máximo 1500 caracteres |
negative_prompt | No | Lo que no debe aparecer en el nuevo segmento: una segunda persona, subtítulos, un objeto que el último fotograma insiste en traer. Hasta 500 caracteres. máximo 500 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, 720p o 1080p, 720p 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 o 10 segundos, 5 por defecto. Tu original se suma delante y no se cobra. |
audio_url | No | Sonido del nuevo segmento: una frase hablada o una señal musical que debe seguir, para que el habla y los golpes de ritmo caigan donde esperas. mínimo 1 caracteres |
enable_prompt_expansion | No | Desactivado por defecto. Actívalo para una idea de una sola línea; déjalo apagado cuando el prompt ya describe una acción precisa. Valor predeterminado: |
seed | No | De 0 a 2147483647. Fíjala para comparar resolución o duración sobre el mismo clip; para un resultado aleatorio, omite el campo en lugar de enviar 0. |
Precios
Se cobra por segundo del nuevo segmento según la resolución que elijas; el clip original que envías no se cobra.
| Especificación | Precio |
|---|---|
| $0.045 / segundo |
| $0.09 / segundo |
| $0.135 / segundo |
Casos de uso
Clips cortos para redes, con sonido
Elige 9:16 en texto a video, deja el clip en cinco segundos y recibe la banda sonora dentro del archivo. No hace falta una pasada de audio aparte antes de publicar, así que sacar una tanda diaria de borradores es viable.
Planos hablados con guion aprobado
Empieza con un retrato en imagen a video y pasa la frase grabada como audio_url. La cara sale del fotograma y el ritmo del archivo, de modo que la revisión se centra en la interpretación y no en la sincronía.
Momentos de producto con una sola foto
Usa la foto de producto como fotograma inicial y describe un único movimiento de cámara. La etiqueta y la silueta ya las fija la imagen; el prompt solo lleva luz y movimiento, y un render en 1080p deja margen para recortar.
Guía de prompts y consejos prácticos
Elige según lo que tengas
Solo una idea → texto a video, donde
aspect_ratiodefine la forma. Una imagen que quieres mover → imagen a video, donde el clip hereda sus proporciones. Un clip que ya tienes se continúa con extensión de video. Duraciones, resoluciones y controles de audio son iguales en todos.Cierra el plano a 5 segundos y 720p
Sujeto, una acción, un movimiento de cámara y una frase sobre el sonido. Fija la semilla mientras iteras y luego vuelve a generar la toma elegida a 10 segundos o en 1080p.
Envía de forma asíncrona
Crea la tarea con una Idempotency-Key, guarda el id de la tarea y consulta su estado o registra un callback. El video final se sirve desde el almacenamiento de la plataforma.
Introducción
Wan 2.5 Extensión de video continúa un clip que ya tienes. Envíalo en video_url y, si quieres, 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 2.5 imagen a video de 5 o 10 segundos, y ambas partes se unen en un solo MP4: primero tu original y luego la continuación, sin el fotograma repetido en la unión. El nuevo segmento también vuelve como archivo propio, para seguir extendiendo o editar las piezas por separado.
Funciones y aspectos destacados
La continuidad sale del último fotograma. El vestuario, el set, 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 completo, 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 con sonido AAC. El sonido de tu original se conserva, el del nuevo segmento lo sigue, y un lado sin sonido se rellena con silencio para que imagen y audio sigan sincronizados en la unión. El segundo recurso de la salida es solo el nuevo segmento, listo para otra extensión o para un editor.
Trae tu propio sonido para la parte nueva. Pasa audio_url y el nuevo segmento se construye sobre esa pista, de modo que una frase hablada o un golpe de ritmo caigan donde esperas. Solo da forma al nuevo segmento: tu original conserva el sonido que tenía y ambos se unen tal cual.
Todo lo demás es Wan 2.5 imagen a video. El nuevo segmento usa las mismas rutas, 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 sale bien pero no se puede construir 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 vuelve a extender el resultado unido; cada paso cobra solo los segundos que añade. Como cada paso parte de un solo 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 y dónde; dedica el prompt a la acción que sigue, al movimiento de cámara y al sonido. Repite el lenguaje de cámara con el que terminó tu clip, como un empuje lento hacia adelante o un plano fijo, para que la unión se lea como una sola toma. El prompt es opcional, pero una línea de acción clara da un movimiento más estable que ninguna.
Recorta antes de extender. El último fotograma es la única imagen 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.
Iguala la resolución a la de tu original. resolution solo define la nitidez con que se genera el nuevo segmento. Elige la resolución de tu original y ajusta duration_seconds a la duración que de verdad necesitas: el cobro depende solo del nuevo segmento.
Usa solo material sobre el que tengas derechos. No crees contenido sexual con menores, imágenes íntimas sin consentimiento ni suplantaciones engañosas de personas reales.
Los derechos, el consentimiento, la privacidad y el uso permitido de cada prompt y cada archivo subido son responsabilidad tuya.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.5/video-extend",
"input": {
"duration_seconds": 5,
"resolution": "720p",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
