Introduction
Wan 2.6 Flash Références vers vidéo fait jouer des personnes, des animaux ou des objets tirés de vos références dans une nouvelle scène que vous décrivez, sur la déclinaison Flash de Wan 2.6, plus rapide et moins coûteuse. Envoyez jusqu’à cinq références, dont trois courts clips au plus et le reste en images fixes, ou des images fixes seules ; le lieu, l’action, la caméra et la lumière viennent entièrement du prompt. Le résultat dure un nombre entier de secondes de 2 à 10, en 720p ou 1080p, dans l’un des cinq formats, en prise continue ou en montage à plusieurs plans. Les clips sont muets par défaut ; activez generate_audio quand la scène a besoin de sa propre bande son.
Choisir un mode Wan 2.6 Flash selon le matériau de départ
| Ce dont vous disposez au départ | Mode |
|---|---|
| une image de départ validée | Wan 2.6 Flash Image vers vidéo |
| des photos ou de courts clips des personnes et objets à faire jouer | Wan 2.6 Flash Références vers vidéo |
Fonctionnalités et points forts
Des images fixes, des clips, ou les deux
reference_image_urls accepte jusqu’à cinq images fixes et reference_video_urls jusqu’à trois courts clips, soit cinq références au total. Les images fixes seules suffisent : deux portraits suffisent à mettre deux personnes dans la même scène, et les images fixes ne sont pas facturées. Un clip apporte ce qu’une photographie ne peut pas porter, comme la façon dont quelqu’un se déplace ou dont un lieu se comporte, au prix de la facturation de ses secondes avec la sortie.
Le prompt désigne la distribution
Wan n’identifie chaque référence que par les noms character1, character2, etc., dans l’ordre : d’abord les clips, puis les images fixes. Désignez chacune avant de décrire ce qu’elle fait, par exemple character1 dansant avec character2, et le modèle sait qui est qui. Tout le reste — le décor, l’action, la caméra et la lumière — s’écrit : une personne photographiée une seule fois peut être placée sur un toit la nuit ou sur un quai détrempé sans second tournage.
Le son en interrupteur, le format en paramètre
generate_audio est désactivé par défaut et ne renvoie que l’image ; activé, le clip revient avec des voix, des effets et une ambiance générés, au double du tarif à la seconde. aspect_ratio se choisit à chaque requête : 16:9, 9:16, 1:1, 4:3 ou 3:4 dans les deux résolutions. Le 720p renvoie 1280×720, 720×1280, 960×960, 1088×832 ou 832×1088 ; le 1080p renvoie 1920×1080, 1080×1920, 1440×1440, 1632×1248 ou 1248×1632. Rien n’est repris des références : une livraison verticale n’exige pas de sources verticales.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Oui | La nouvelle scène : désignez chaque référence par character1, character2, etc., clips d’abord puis images fixes, et dites ce que fait chacune, puis le décor, la caméra et la lum… 1 caractères minimum · 1500 caractères maximum |
negative_prompt | Non | Ce qui ne doit pas apparaître : des personnes en trop, des sous-titres, un accessoire d’une référence que vous ne voulez pas voir repris. 500 caractères au maximum. 500 caractères maximum |
reference_video_urls | Non | Jusqu’à trois courts clips des sujets ou des lieux à faire jouer, totalisant cinq secondes au plus. 1 éléments minimum · 3 éléments maximum |
reference_image_urls | Non | Jusqu’à cinq images fixes des personnes, animaux ou objets à faire jouer, en plus des clips ou à leur place ; avec les clips, une requête accepte cinq références au plus. 1 éléments minimum · 5 éléments maximum |
aspect_ratio | Non | 16:9, 9:16, 1:1, 4:3 ou 3:4, 16:9 par défaut, disponible aux deux résolutions. |
generate_audio | Non | Désactivé par défaut : le clip revient alors avec l’image seule. Valeur par défaut: |
resolution | Non | 720p ou 1080p, 720p par défaut. Elle fixe le tarif à la seconde et la durée de la tâche, et les deux résolutions acceptent les cinq formats. |
duration_seconds | Non | Un nombre entier de 2 à 10, 5 par défaut. |
shot_type | Non | single garde une prise continue ; multi laisse le modèle couper entre plusieurs plans à l’intérieur de la même scène, ce qui convient à une scène qui a un rythme. |
enable_prompt_expansion | Non | Désactivée par défaut. Valeur par défaut: |
seed | Non | De 0 à 2147483647. Gardez-la en changeant une seule référence à la fois, pour que le tirage aléatoire reste constant et que seule la chose modifiée bouge. |
Tarification
Les clips de référence s’ajoutent aux secondes facturées, comptés jusqu’à cinq secondes au total ; les images fixes sont gratuites. Quand la durée d’un clip ne peut pas être lue avant le lancement de la tâche, nous bloquons les fonds pour le maximum de 5 secondes et libérons la part inutilisée dès que la tâche est réglée : vous ne payez que les secondes réellement utilisées.
| Résolution | Générer l’audio: Non | Générer l’audio: Oui |
|---|---|---|
| $0.0225 / seconde | $0.045 / seconde |
| $0.03375 / seconde | $0.0675 / seconde |
Cas d’utilisation
Réunir deux personnes dans une même scène
Un portrait de chaque personne, puis un prompt pour le lieu et ce qui se passe entre elles. L’exemple du toit sur cette page part de deux images fixes et de rien d’autre, avec le son activé pour que la scène porte son propre vent et ses bruits de ville.
Déplacer un sujet dans un nouveau lieu
Un court clip ou une image fixe de la personne, puis le nouveau décor, la lumière et le mouvement de caméra. L’apparence vient de la référence tandis que le lieu s’écrit : un seul tournage fournit des images pour des endroits qui n’étaient pas disponibles ce jour-là.
Associer un lieu et une personne
Un clip d’un lieu et une image fixe d’une personne les font jouer ensemble : l’exemple du quai sur cette page utilise un clip de port de cinq secondes comme character1 et un portrait comme character2, et la femme traverse un lieu où elle n’a jamais été filmée.
Esquisser vite des idées de distribution
Flash privilégie le délai et le coût plutôt que le dernier degré de texture, ce qui convient pour tester plusieurs distributions, décors et mouvements de caméra en 720p avant de vous engager sur une prise finale.
Guide de prompt et conseils pratiques
Désigner chaque référence avant l’action
Commencez par la distribution — character1, une femme adulte en robe nuisette verte ; character2, un homme adulte en chemise blanche — puis le décor, l’action, la caméra et la lumière, dans la limite de 1 500 caractères. Redécrire ce que les références montrent déjà consomme ce budget et peut entrer en concurrence avec elles. Utilisez negative_prompt pour ce qui revient sans cesse et ne devrait pas : des personnes en trop, des sous-titres, ou un accessoire qui suit un sujet dans la nouvelle scène.
Choisir des références que le modèle sait lire
Les images fixes et les clips où le sujet est grand dans le cadre et bien éclairé se transposent le mieux ; un sujet resté petit ou à contre-jour ne revient souvent qu’approximativement. Les images fixes portent bien la couleur et le style, tandis que la forme et le mouvement passent plus fidèlement par un clip. Envoyez les images en JPEG, PNG sans transparence, BMP ou WEBP, de 240 à 8 000 pixels de côté et 20 Mo au maximum, et les clips en MP4 ou MOV.
Budgéter les secondes avant l’envoi
Les secondes facturables sont la durée de sortie plus les clips de référence, chacun arrondi à la seconde supérieure et une seconde au minimum par clip, les clips étant comptés jusqu’à cinq secondes au total ; les images fixes n’ajoutent rien. Un rendu de 5 secondes à partir de deux images fixes est facturé 5 secondes ; avec un clip de 3 secondes, 8. Le tarif suit la résolution et double quand generate_audio est activé. Les clips téléversés peuvent ajouter jusqu’à cinq secondes, et l’estimation en direct avant l’envoi affiche le montant ; quand la durée d’un clip ne peut pas être lue à l’avance, l’estimation suppose cinq secondes et le prix final utilise la durée mesurée.
Adapter l’exemple fourni
Partez de l’exemple du toit : deux images fixes dans reference_image_urls, aspect_ratio 16:9, duration_seconds 5, resolution 720p et generate_audio activé. Remplacez la distribution et la mise en scène en gardant intact ce contrat d’entrée.
character1, an adult woman in a dark green silk slip dress, and character2, an adult man in an open-collar white linen shirt, slow-dance on a city rooftop at night, foreheads almost touching. Her hand slides up the back of his neck as he pulls her closer by the waist; she laughs quietly against his cheek. String lights sway in the wind, the city glows behind them. Slow handheld orbit around the pair, warm practical light, shallow depth of field, film grain. Sound: soft wind, distant traffic, her low laugh, a saxophone drifting up from a bar below.
Vérifier le résultat avant d’itérer
Regardez le clip en entier plutôt que la première seconde : la ressemblance tend à dériver vers la fin des durées longues. multi ne rapporte vraiment qu’à partir de 6 secondes environ, et le choisir active aussi enable_prompt_expansion pour cette requête. Gardez le seed et changez une seule référence à la fois pour comparer ; il garde le tirage aléatoire constant sans promettre une relance identique image par image. Les clips générés sont supprimés au bout de 14 jours : copiez ce que vous voulez conserver.
Démarrage rapide de l’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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6-flash/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"generate_audio": false,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"shot_type": "single",
"reference_video_urls": [
"https://example.com/reference.mp4"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
