Introducción
Wan 3.0 Texto a video genera un clip de 2 a 30 segundos con sonido a partir de un prompt escrito y nada más. prompt es el único campo obligatorio; duration_seconds, resolution (480p, 720p o 1080p, 720p por defecto), aspect_ratio (16:9 por defecto), generate_audio, enable_prompt_expansion y seed son controles explícitos que puedes dejar en su valor predeterminado. Como ninguna imagen fija el plano, el modelo inventa cada rostro, cada prenda y cada escenario a partir del texto. Es el modo de Wan 3.0 con más libertad creativa y con menos control sobre una persona concreta.
Elige el modo según el material inicial
| Material inicial | Modo |
|---|---|
| Un brief escrito define escena, acción, cámara y, cuando corresponde, sonido. | Wan 3.0 Texto a video |
| Una imagen inicial aprobada fija sujeto y composición; la instrucción dirige el movimiento posterior. | Wan 3.0 Imagen a video |
| Referencias separadas pueden guiar identidad, lugar, movimiento o sonido con una función clara para cada una. | Wan 3.0 Referencias a video |
Funciones y aspectos destacados
El sonido se escribe en la misma solicitud
generate_audio viene activado por defecto, así que el archivo que recibes ya trae sonido sincronizado con la imagen. El ejemplo de la armería lo aprovecha a propósito: su prompt termina con una línea "Audio:" —un guante de cuero que golpea la madera, el cordón que cruje, una antorcha que chisporrotea— y esos sonidos vuelven junto con las acciones que los provocan. Cambia el campo a false solo si el plano se musicalizará por separado.
Cualquier duración entera de 2 a 30 segundos
duration_seconds acepta cualquier número entero de 2 a 30, con 5 por defecto, o -1 para la duración inteligente, en la que el modelo elige la longitud según el prompt. El ejemplo de la duna dura los 5 segundos por defecto en 720p y 16:9, suficiente para un descenso aéreo desde el muro de la tormenta hasta su rostro. Los clips largos se desvían más en identidad y geometría, así que define el aspecto a 5 segundos antes de alargar.
Escenas sin censura solo con texto
La familia no tiene censura, y ninguna escena necesita marca ni declaración por solicitud. El ejemplo del autocine —dos mujeres adultas recostadas en la compuerta trasera de una camioneta, iluminadas solo por el haz del proyector, hasta un beso lento— salió del prompt sin nada más, a 5 segundos y 720p. Tú eres responsable del consentimiento, los derechos, la edad y la ley local de todas las personas que aparecen.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | El plano en sí: sujeto, una acción, un movimiento de cámara y después la luz y el sonido. Una lista larga de adjetivos mueve menos el resultado que una acción clara. mínimo 1 caracteres |
aspect_ratio | No | 16:9, 9:16, 1:1, 4:3, 3:4 o adaptive, que deja elegir al modelo. El valor por defecto es 16:9. |
enable_thinking | No | Hace que el modelo analice el pedido y el material de referencia antes de generar. Valor predeterminado: |
resolution | No | 480p, 720p o 1080p. Por defecto, 720p. |
duration_seconds | No | Cualquier número entero de 2 a 30, o -1 para la duración inteligente, en la que el modelo elige la longitud: se reservan de entrada los 30 segundos máximos y se cobra la duració… |
generate_audio | No | Activo por defecto. El clip vuelve con el sonido ya pegado a la imagen. Valor predeterminado: |
enable_prompt_expansion | No | Desactivado por defecto. Al activarlo, el prompt se reescribe antes de generar: ayuda con briefs flojos y te pelea los que ya están detallados. Valor predeterminado: |
seed | No | De 0 a 2147483647. Mantenla fija para comparar un campo cambiado cada vez; quítala cuando busques variedad. |
Precios
| Especificación | Precio |
|---|---|
| $0.045 / segundo |
| $0.09 / segundo |
| $0.18 / segundo |
Casos de uso
Escenas de ambiente sin imagen de partida
Cuando no existe una foto del lugar, el prompt tiene que construirlo. El ejemplo de la duna describe la cresta de una duna al atardecer, una tormenta de arena colosal que avanza, un vestido de seda esmeralda ondeando al viento y una cámara que desciende desde una vista aérea hasta su rostro, todo a partir de la frase. Este tipo de solicitud sirve para películas de ambiente y reels de presentación en los que el entorno importa más que un rostro concreto.
Encuadre en primera persona
El ejemplo en primera persona está escrito como una sola toma continua: la cámara son los ojos de quien mira, una única lámpara de tungsteno es toda la luz, y el brief indica que el vestuario se mantiene tal como está escrito de principio a fin. Decir qué no cambia es tan útil como decir qué se mueve, porque evita que el modelo resuelva un prompt ambiguo a su manera.
Guía de prompts y consejos prácticos
Ordena el prompt: sujeto, acción, cámara, luz, sonido
Escribe un sujeto, una acción, un movimiento de cámara y después una nota para la luz y otra para el sonido. Una lista larga de adjetivos mueve menos el resultado que una acción clara. El clip de referencia de la familia sigue exactamente ese orden: dos mujeres bajo un paraguas, un mechón detrás de la oreja y un beso, un dolly-in lento, el neón corriéndose sobre el suelo mojado, la lluvia sobre el paraguas.
Indica el encuadre cuando un detalle sostiene la escena
El prompt de la armería nombra su encuadre —plano medio corto desde la cadera, ángulo bajo de tres cuartos, 85 mm— porque un plano abierto perdería el guante, el cordón y la luz de la antorcha sobre sus hombros. Cuando un detalle importa, di qué tamaño debe tener en el cuadro en lugar de esperar que el modelo elija un plano cerrado.
Deja la expansión del prompt apagada en briefs precisos
Aquí enable_prompt_expansion es false por defecto. Si la activas, el prompt se reescribe antes de generar: ayuda con una idea de dos líneas y estorba en un brief detallado como los de arriba. Para repeticiones controladas, fija seed y cambia un solo campo cada vez; una semilla fija hace justa la comparación, pero no garantiza fotogramas idénticos. El texto por sí solo no mantiene el mismo rostro entre ejecuciones, así que usa reference-to-video para personajes recurrentes.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
