Introducción
Wan 2.6 Imagen a video parte del fotograma que envías en image_url y devuelve exactamente 5, 10 o 15 segundos en 720p o 1080p, con sonido. El fotograma fija el sujeto, el vestuario, el set, la dirección de la luz y las proporciones del clip. El prompt es opcional y admite hasta 1500 caracteres: una acción para una toma única o planos numerados para una edición con varios planos.
Elige el modo según el material inicial
| Con qué empiezas | Modo |
|---|---|
| una escena o un guion escrito | Wan 2.6 Texto a video |
| una imagen inicial aprobada | Wan 2.6 Imagen a video |
| referencias separadas de aspecto, movimiento o sonido | Wan 2.6 Referencias a video |
Funciones y aspectos destacados
El fotograma decide formato y apariencia
No hay un campo de relación de aspecto: el clip conserva las proporciones de la imagen que envías, así que una entrega 9:16 empieza con un recorte 9:16. El fotograma puede ser JPEG, PNG sin transparencia, BMP o WEBP, de 240 a 8000 píxeles por lado y sin superar los 20 MB. Todo lo que se ve en él ya está decidido, lo que deja el prompt libre para describir el movimiento.
Cobertura cortada a partir de un fotograma
Con shot_type en multi, el modelo puede cortar entre ángulos y mantener el look del fotograma inicial, de modo que un clip de quince segundos puede llevar un plano general, un detalle y un remate en lugar de un solo movimiento de cámara que deriva. Una solicitud multi siempre se ejecuta con la expansión del prompt activada. Deja single para giros de producto, bustos parlantes y todo lo que deba mantenerse continuo, porque multi rompe la continuidad por diseño.
Sonido generado o aportado por ti
El clip vuelve con audio generado en la misma pasada que la imagen. Para que el habla o los acentos musicales caigan donde esperas, envía audio_url: WAV o MP3, de 3 a 30 segundos, hasta 15 MB. Una pista más larga se recorta a la duración del clip; con una más corta, el resto del clip queda en silencio.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
image_url | Sí | El fotograma inicial. Sujeto, vestuario, decorado, dirección de la luz y proporciones del clip salen de aquí, así que recórtalo primero. |
prompt | No | Opcional. Una acción para una toma continua o planos numerados para un montaje multiplano. mínimo 1 caracteres · máximo 1500 caracteres |
negative_prompt | No | Lo que no debe aparecer: una segunda persona, subtítulos, un objeto que la imagen vuelve a traer una y otra vez. Hasta 500 caracteres. máximo 500 caracteres |
resolution | No | 720p o 1080p; 720p por defecto. Marca la tarifa por segundo y el tiempo de proceso. |
duration_seconds | No | Exactamente 5, 10 o 15. El montaje multiplano necesita las duraciones largas para respirar. |
audio_url | No | Una frase o entrada musical que seguir, para que la voz y los golpes de ritmo caigan donde esperas. WAV o MP3, de 3 a 30 segundos y hasta 15 MB. |
shot_type | No | single mantiene una toma continua; multi deja que el modelo corte entre planos, ideal para historias cortas pero a costa de la continuidad. |
enable_prompt_expansion | No | Desactivada por defecto. Al activarla, una idea de una línea se convierte en una lista de planos para multi; déjala apagada si tu prompt ya es preciso. Valor predeterminado: |
seed | No | De 0 a 2147483647. Fíjala al comparar single y multi partiendo del mismo fotograma. |
Precios
| Especificación | Precio |
|---|---|
| $0.09 / segundo |
| $0.135 / segundo |
Casos de uso
Un macro de producto que no debe saltar
El ejemplo del sérum anima una foto fija de un frasco con gotero durante cinco segundos en 1080p con un seed fijo. Una sola gota cae desde la punta del gotero, se abren anillos en el líquido y la franja de luz del vidrio se aclara un poco, todo con encuadre macro fijo y un suave tintineo de cristal. Se mantiene como toma única porque un plano de producto no debe cortar entre ángulos.
Una historia breve de interiores a partir de una foto
El ejemplo del departamento al anochecer dura 15 segundos en 720p con shot_type en multi y la expansión del prompt activada. Un solo fotograma interior da tres planos: la lámpara parpadea mientras las luces de la ciudad se encienden afuera, una manta doblada se desliza del sillón y la puerta de entrada se abre y derrama la luz del pasillo sobre el piso de madera, con un ambiente tranquilo y tráfico lejano.
Un personaje que dice tu propia línea
Combina una imagen de un personaje con una línea de voz grabada en audio_url para que el habla caiga donde la esperas y no como un movimiento genérico. Los bustos parlantes van en single, y conviene revisar la duración completa: cuando la pista es más corta que el clip, lo que resta se reproduce en silencio.
Guía de prompts y consejos prácticos
Prepara el fotograma antes de escribir una palabra
Recorta al formato de entrega y asegúrate de que el fotograma ya muestre el vestuario, el set y la luz que quieres, porque ningún prompt rescata un primer fotograma equivocado. Quita textos sobreimpresos o un segundo sujeto que no quieras animar, y usa negative_prompt, de hasta 500 caracteres, para lo que el fotograma sigue trayendo de vuelta, como un objeto o texto en pantalla.
Describe el movimiento, no lo que ya se ve
Para una toma única, escribe una acción y un movimiento de cámara. El prompt del sérum nombra la gota, los anillos, el cambio en la franja de luz, el encuadre y un sonido, y no dice nada de la forma del frasco ni de su etiqueta, porque el fotograma ya los contiene.
A single drop falls from the dropper tip into the bottle and sends slow rings across the liquid surface; the light band on the glass brightens a little. Locked macro framing, soft chime of glass.
Planifica una edición con varios planos
Escribe planos numerados, cada uno con su propio encuadre, y elige 10 o 15 segundos para que los cortes tengan espacio. Elegir multi activa enable_prompt_expansion en esa solicitud. En una toma única viene desactivado por defecto, así que un prompt preciso se envía tal como lo escribiste.
Compara single y multi desde el mismo fotograma
Fija seed, que acepta de 0 a 2147483647, deja sin cambios el fotograma y el prompt, y ejecuta la solicitud una vez como single y otra como multi para ver cuál sirve mejor al plano. La resolución define la tarifa por segundo y cuánto tarda la tarea, así que ajusta la redacción en 720p antes de renderizar en 1080p. Un seed fijo estabiliza la comparación sin prometer una repetición idéntica fotograma a fotograma.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
