Introducción
Wan 2.6 Texto a video convierte un plano escrito, o una lista numerada de planos, en un clip de exactamente 5, 10 o 15 segundos en 720p o 1080p. Solo prompt es obligatorio. Todo lo demás tiene un valor predeterminado: 16:9, 720p, cinco segundos, una toma continua y la expansión del prompt desactivada. El clip vuelve con sonido generado junto con la imagen, y con audio_url puedes darle en su lugar una línea grabada o una pista musical para que la siga.
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
Cinco formatos en ambas resoluciones
aspect_ratio acepta 16:9, 9:16, 1:1, 4:3 y 3:4, y cada formato está disponible en 720p y en 1080p. Como nada se hereda de una imagen de entrada, el mismo brief puede renderizarse como máster horizontal y como versión vertical cambiando un solo campo. La resolución define la tarifa por segundo y cuánto tarda la tarea, así que el 720p predeterminado es el lugar natural para ajustar un prompt.
Una toma o una secuencia planificada
shot_type alterna entre single, una toma continua, y multi, en la que el modelo puede cortar entre varios planos dentro del mismo clip. Una solicitud multi siempre se ejecuta con la expansión del prompt activada, diga lo que diga enable_prompt_expansion, porque los cortes se planifican mientras se amplía el brief. Multi sirve para una historia corta con un remate; single es la opción cuando la continuidad importa más que la cobertura.
Sonido en la misma pasada
El audio se genera con la imagen, así que una frase sobre el sonido al final del prompt define lo que escuchas. Cuando el sonido ya existe, audio_url acepta un WAV o MP3 de 3 a 30 segundos y hasta 15 MB, y los movimientos de la boca y el ritmo de la acción se ajustan a ese archivo. 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 |
|---|---|---|
prompt | Sí | La toma en sí: quién, una acción, un movimiento de cámara, luego luz y sonido; o planos numerados para multi. Mantenlo por debajo de 1500 caracteres. mínimo 1 caracteres · máximo 1500 caracteres |
negative_prompt | No | Lo que debe quedar fuera: subtítulos, logos, personas de más, un color que se repite. Hasta 500 caracteres. máximo 500 caracteres |
aspect_ratio | No | 16:9, 9:16, 1:1, 4:3 o 3:4; 16:9 por defecto. Las cinco formas están disponibles en las dos resoluciones. |
resolution | No | 720p o 1080p; 720p por defecto. Define la tarifa por segundo y cuánto tarda la tarea. |
duration_seconds | No | Exactamente 5, 10 o 15. Cualquier otro valor se rechaza en lugar de redondearse. |
audio_url | No | Una frase grabada o una entrada musical que el clip debe seguir. La forma de la boca y el ritmo del movimiento se ajustan a este archivo. |
shot_type | No | single mantiene un plano continuo; multi deja que el modelo corte entre planos y activa |
enable_prompt_expansion | No | Desactivada por defecto. Valor predeterminado: |
seed | No | De 0 a 2147483647. Mantenla fija mientras comparas un cambio a la vez; omítela si buscas variedad. |
Precios
| Especificación | Precio |
|---|---|
| $0.09 / segundo |
| $0.135 / segundo |
Casos de uso
Un plano atmosférico con el sonido escrito
El ejemplo publicado del puerto muestra el patrón de toma única. Un pescador con impermeable amarillo enrolla una cuerda mojada, levanta la vista hacia un ferry que pasa y alza la mano, visto en un solo travelling lento desde detrás de una pila de cajas. El prompt termina con una línea de audio, de modo que la lluvia constante, una larga sirena del ferry y el crujido de la cuerda suenan bajo la imagen sin una pista aparte. Se ejecuta en 16:9, cinco segundos, 720p.
Una microhistoria vertical para redes sociales
El ejemplo de la panadería pide tres planos numerados en un clip 9:16 de diez segundos en 1080p: la cortina metálica que sube al amanecer, unas manos enharinadas que dan forma a un pan y la puerta del horno que se enciende en naranja al entrar una bandeja. shot_type está en multi, así que cada línea numerada recibe su propio corte, y un seed fijo mantiene estable el resultado mientras afinas la redacción.
Desarrollo de look antes de rodar
Un brief escrito basta para probar ambientación, luz y ritmo de una escena que todavía no existe. Lo que no hace es mantener un rostro o un producto concreto entre ejecuciones. Cuando una persona o un empaque tiene que seguir siendo reconocible, crea primero el fotograma y pasa el trabajo a imagen a video, donde la imagen inicial fija la apariencia.
Guía de prompts y consejos prácticos
Escribe una toma única en cuatro partes
Para single, nombra el sujeto, da una acción, da un movimiento de cámara y luego añade la luz y una línea sobre el sonido. El prompt del puerto sigue ese orden, y por eso su resultado es fácil de evaluar: o la cuerda, la mirada y la mano alzada ocurren mientras el travelling se mantiene detrás de las cajas, o no ocurren.
Late evening on a rain-soaked harbour quay. A fisherman in a yellow oilskin coils a wet rope, looks up at a passing ferry and raises a hand. Slow dolly from behind a stack of crates, sodium lights reflecting in the puddles. Audio: steady rain, a long ferry horn, the rope creaking.
Numera los planos para multi
Para multi, empieza cada línea con "Shot 1:", "Shot 2:" y así sucesivamente, y da a cada línea su propio encuadre y su propio sujeto. Un evento por línea: en cuanto una línea describe dos eventos, el límite entre cortes deja de depender de ti. Las ediciones con varios planos necesitan las duraciones largas para respirar, así que elige 10 o 15 segundos.
Deja las exclusiones fuera del brief principal
Subtítulos, logotipos, personas de más o un color que se repite van en negative_prompt, que admite hasta 500 caracteres, mientras el prompt se mantiene por debajo de 1500. En una toma única, deja enable_prompt_expansion desactivado cuando el prompt ya sea una descripción precisa del plano; actívalo cuando una idea de una línea necesite desarrollarse.
Compara un cambio a la vez
seed acepta de 0 a 2147483647. Mantenlo fijo mientras cambias una sola cosa, como el movimiento de cámara, la relación de aspecto o single frente a multi, y omítelo cuando busques variedad. Estabiliza la comparación, pero no promete una repetición idéntica fotograma a fotograma. Las duraciones distintas de 5, 10 o 15 segundos se rechazan en lugar de redondearse.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6/text-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
