Introducción
Wan 2.6 Flash Imagen a video es el nivel más rápido y de menor costo de Wan 2.6 imagen a video, publicado como una API propia. Recibe un fotograma inicial en image_url y devuelve exactamente 5, 10 o 15 segundos en 720p o 1080p, como toma continua o como edición con varios planos. Cambia algo de detalle fino por una entrega más rápida. Los clips salen sin sonido por defecto; activa generate_audio cuando una toma necesite su propia banda sonora.
Funciones y aspectos destacados
La misma solicitud que Wan 2.6, con el sonido como interruptor
Flash lee los mismos campos que Wan 2.6 Imagen a video, audio_url incluido: fotograma inicial, prompt, prompt negativo, duración, resolución, tipo de plano, expansión del prompt, seed y una pista de audio guía. Además, generate_audio decide si el clip llega con una banda sonora generada: desactivado, el valor por defecto, devuelve solo imagen a la tarifa más baja; activado devuelve voces, efectos y ambiente al doble de la tarifa por segundo. Con él desactivado, audio_url solo marca la boca y el ritmo. Un prompt que funciona aquí puede enviarse a Wan 2.6 sin cambios cuando una toma tiene que llevar texturas más finas, así que bocetar en Flash nunca obliga a escribir la solicitud dos veces.
Dónde se nota la velocidad
Flash prioriza velocidad y costo por encima del detalle fino. Las texturas densas y el movimiento rápido y complejo pueden sostenerse peor que en Wan 2.6, así que revisa una toma antes de darla por final. La resolución sigue importando: define la tarifa por segundo y cuánto tarda la tarea, con 720p como valor predeterminado y 1080p disponible para las tomas que conserves.
El formato sale del fotograma, los cortes de shot_type
No hay un campo de relación de aspecto. El clip conserva las proporciones del fotograma, así que recorta a 16:9, 9:16 o cuadrado antes de la llamada. shot_type elige entre single, una toma continua, y multi, que corta entre ángulos dentro del clip y activa la expansión del prompt en esa solicitud.
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 |
audio_url | No | Una línea de voz o una entrada musical que el clip debe seguir: la forma de la boca y el ritmo del movimiento se ajustan a este archivo. WAV o MP3, de 3 a 30 segundos, hasta 15 MB. |
generate_audio | No | Desactivado por defecto, así que el clip llega solo con imagen. Valor predeterminado: |
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. |
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
| Resolución | Generar audio: No | Generar audio: Sí |
|---|---|---|
| $0.0225 / segundo | $0.045 / segundo |
| $0.03375 / segundo | $0.0675 / segundo |
Casos de uso
Borradores de prompts y listas de planos
Ejecuta varias formulaciones del mismo movimiento a partir de un fotograma en 720p y compáralas lado a lado. Los renders rápidos y de bajo costo hacen práctico explorar a fondo, probando single frente a multi o un movimiento de cámara frente a otro, antes de comprometerte con una toma final en cualquiera de los dos niveles.
Variantes para feeds y anuncios
Loops verticales cortos para fichas de producto, publicaciones en redes y pruebas de anuncios, donde muchas tomas importan más que el último grado de textura. Recorta primero el fotograma a 9:16, porque el clip conserva sus proporciones, y luego varía la línea de acción mientras el fotograma se mantiene fijo.
Imagen para tu propia mezcla de sonido
Con generate_audio desactivado, Flash devuelve solo imagen, lo que encaja con ediciones en las que la música, la locución y los efectos se añaden después de todos modos. La versión Flash del ejemplo del departamento al anochecer usa el mismo prompt de tres planos que la versión de Wan 2.6, sin su línea final de sonido, y sigue durando 15 segundos en 720p con shot_type en multi. Activa generate_audio cuando un borrador ya deba llevar ambiente o una frase hablada.
Guía de prompts y consejos prácticos
Escribe el sonido en el prompt solo cuando el sonido está activado
Con generate_audio desactivado, una frase sobre el ambiente o un tintineo no tiene nada que moldear, así que dedica los 1500 caracteres a la acción, la cámara y la luz. El ejemplo del sérum en Flash es el prompt de Wan 2.6 sin su nota de sonido:
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.
Con generate_audio activado, describe con palabras sencillas los sonidos que quieres, después de la acción.
Una acción para single, planos numerados para multi
Una toma única pide una acción y un movimiento de cámara. Una edición con varios planos pide planos numerados, cada uno con su encuadre, y las duraciones largas de 10 o 15 segundos para que los cortes tengan espacio. Deja enable_prompt_expansion desactivado cuando tu prompt ya sea preciso; se activa solo cada vez que eliges multi.
Mantén fijas las variables al comparar
seed acepta de 0 a 2147483647. Fíjalo junto con el fotograma al comparar single con multi, para que la diferencia que ves venga del ajuste que cambiaste. Cuando una toma pase a Wan 2.6, envía el mismo fotograma y el mismo prompt para que la comparación muestre lo que aporta el nivel más fino.
Revisa el fotograma y el resultado
Envía JPEG, PNG sin transparencia, BMP o WEBP, de 240 a 8000 píxeles por lado y hasta 20 MB. Usa negative_prompt, de hasta 500 caracteres, para una segunda persona, subtítulos o un objeto que el fotograma sigue trayendo de vuelta. Mira el clip completo antes de entregarlo y presta especial atención a las texturas y al movimiento rápido.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6-flash/image-to-video",
"input": {
"duration_seconds": 5,
"generate_audio": false,
"image_url": "https://example.com/reference.png",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
