Wan 2.6 Spicy API

Wan 2.6 Spicy Imagen a video es el único endpoint de la familia de modelos Wan 2.6 Spicy. Un fotograma inicial autorizado se convierte en exactamente 5, 10 o 15 segundos en 720p o 1080p, que vuelven con sonido. El fotograma aporta vestuario, cuerpo, set, luz y formato del cuadro; el prompt aporta el movimiento. Nada en la solicitud marca un clip, y no hace falta ninguna declaración por solicitud.

Solo image_url es obligatorio. El prompt, el prompt negativo, la pista de audio, el tipo de plano, la expansión del prompt y el seed son opcionales.

Tres duraciones fijas

duration_seconds es una lista cerrada de 5, 10 y 15, no un rango. Enviar 7 devuelve un error de validación en lugar de un clip redondeado, así que siempre sabes cuántos segundos pagas y puedes planificar la edición en torno a tres duraciones. El agua, el cabello y las manos se sostienen bien a los cinco segundos y se desvían más a los quince, algo que conviene sopesar antes de elegir la opción más larga.

Tu propia pista con audio_url

Los clips siempre vuelven con sonido; no hay un interruptor para quitarlo. Cuando una línea hablada o una pista musical tiene que caer en un fotograma concreto, envíala con audio_url y el clip la sigue en sincronía labial y ritmo. El archivo debe ser WAV o MP3, de 3 a 30 segundos y de no más de 15 MB.

Un campo aparte para las exclusiones

negative_prompt es donde se deja fuera, en hasta 500 caracteres, a una segunda persona, un objeto, texto en pantalla o una marca de agua que el fotograma sigue reproduciendo. El prompt, de hasta 1500 caracteres, queda libre para el movimiento. Volver a describir la ropa o el set en el prompt invita al modelo a redibujar lo que el fotograma ya fijó.

Agua y luz

El ejemplo de piscina publicado parte de una imagen fija de una nadadora que sale de una piscina en la azotea a la hora azul. Como el encuadre contiene el atuendo, el agua y la ciudad detrás de ella, el prompt solo dice que se incorpora más, se peina el pelo hacia atrás y abre los ojos hacia la cámara. Dura cinco segundos a 720p.

Escenas para dos

Un encuadre con dos personas se trata como cualquier otra continuación: el clip continúa lo que muestre el fotograma inicial, y después no se revisa nada. El ejemplo del camerino mantiene el mismo encuadre durante todo el clip mientras una persona se mueve detrás de la otra, renderizado a 1080p durante cinco segundos.

Personajes de compañía con tu propia pista de voz

Reutiliza la imagen de un personaje como fotograma inicial y sube una línea grabada con audio_url. El movimiento de los labios y el ritmo siguen tu toma, así que la misma cara puede decir un guion en lugar de hacer movimientos genéricos.

Spots de quince segundos en una sola llamada

Quince segundos cubren un pre-roll completo o una tarjeta de historia sin edición. Un fotograma inicial, una línea de acción, una solicitud, y como la duración es uno de tres valores fijos, queda definida antes de enviar.

# 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-spicy/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.