Introduction
Wan 2.6 Spicy Image vers vidéo est l’unique point de terminaison de la famille de modèles Wan 2.6 Spicy. Une image de départ autorisée devient exactement 5, 10 ou 15 secondes en 720p ou 1080p, renvoyées avec le son. L’image porte la tenue, le corps, le décor, la lumière et le format du cadre ; le prompt porte le mouvement. Rien dans la requête ne signale un clip, et aucune déclaration par requête n’est demandée.
Seul image_url est obligatoire. Le prompt, le prompt négatif, la piste audio, le type de plan, l’expansion du prompt et le seed sont tous facultatifs.
Fonctionnalités et points forts
Trois durées fixes
duration_seconds est une liste fermée de 5, 10 et 15, pas une plage. Envoyer 7 renvoie une erreur de validation plutôt qu’un clip arrondi : vous savez donc toujours combien de secondes vous payez, et le montage peut s’organiser autour de trois durées. L’eau, les cheveux et les mains tiennent bien à cinq secondes et dérivent davantage à quinze, ce qui mérite réflexion avant de choisir l’option la plus longue.
Votre propre piste via audio_url
Les clips reviennent toujours avec le son ; aucun interrupteur ne permet de le couper. Quand une réplique ou un morceau de musique doit tomber sur une image précise, envoyez-le via audio_url et le clip le suit pour la synchronisation labiale et le rythme. Le fichier doit être en WAV ou en MP3, durer de 3 à 30 secondes et ne pas dépasser 15 Mo.
Un champ à part pour les exclusions
negative_prompt sert à écarter, en 500 caractères au plus, une deuxième personne, un accessoire, du texte à l’écran ou un filigrane que l’image ne cesse de reproduire. Le prompt, jusqu’à 1 500 caractères, reste libre pour le mouvement. Redécrire la tenue ou le décor dans le prompt invite le modèle à redessiner ce que l’image a déjà fixé.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
image_url | Oui | L’image d’ouverture. Tenue, corps, décor, direction de la lumière et ratio du clip en viennent tous : recadrez-la donc d’abord à la forme de livraison. |
prompt | Non | Facultatif. Décrivez ce qui se passe après l’image — une action, un comportement de caméra, une note sur le son. 1500 caractères maximum |
negative_prompt | Non | Ce qui ne doit pas apparaître : une deuxième personne, un accessoire, du texte à l’écran, un filigrane que la plaque continue de reproduire. 500 caractères maximum |
duration_seconds | Non | Exactement 5, 10 ou 15. Toute autre valeur est rejetée plutôt qu’arrondie : la durée que vous payez n’est donc jamais une surprise. |
resolution | Non | 720p ou 1080p, 720p par défaut. Cela bouge à la fois le prix et le temps de retour de la tâche. |
audio_url | Non | Une piste audio que le clip doit suivre, pilotant la synchronisation labiale et le rythme. |
seed | Non | De 0 à 2147483647. Gardez-la fixe pendant que vous comparez des résolutions ou des durées depuis la même plaque. |
shot_type | Non | Plan unique garde tout le clip en une seule prise. Plans multiples laisse le modèle monter des coupes : pratique pour une courte scène, mais la continuité saute. |
enable_prompt_expansion | Non | Désactivée par défaut : le prompt part tel que vous l’écrivez. Activez-la pour étoffer un brief maigre. Valeur par défaut: |
Tarification
| Spécification | Prix |
|---|---|
| $0.095 / seconde |
| $0.1425 / seconde |
Cas d’utilisation
Eau et lumière
L'exemple de piscine publié part d'une image fixe d'une nageuse qui sort d'une piscine sur le toit à l'heure bleue. Comme le cadre contient la tenue, l'eau et la ville derrière elle, le prompt indique seulement qu'elle se redresse davantage, rejette ses cheveux en arrière et ouvre les yeux vers la caméra. Il dure cinq secondes en 720p.
Scènes à deux
Un cadre avec deux personnes est traité comme n'importe quelle suite : le clip poursuit ce que montre l'image d'ouverture, et rien n'est contrôlé ensuite. L'exemple de la loge garde le même cadrage pendant tout le clip pendant qu'une personne se déplace derrière l'autre, rendu en 1080p sur cinq secondes.
Personnages compagnons avec votre propre piste vocale
Réutilisez l’image d’un personnage comme image de départ et envoyez une réplique enregistrée via audio_url. Le mouvement des lèvres et le rythme suivent votre prise, si bien que le même visage peut dire un texte au lieu d’esquisser des mouvements génériques.
Des spots de quinze secondes en un seul appel
Quinze secondes couvrent un pré-roll complet ou une carte de story sans montage. Une image de départ, une ligne d’action, une requête, et comme la durée est l’une de trois valeurs fixes, elle est réglée avant l’envoi.
Guide de prompt et conseils pratiques
Recadrer l’image au format de livraison
La photo décide de la personne, du costume, du lieu, de la lumière et des proportions du clip. Il n’existe pas de champ de format : recadrez-la donc en 16:9, 9:16 ou carré avant de l’envoyer, car recadrer après coup coûte un nouveau rendu. Envoyez du JPEG, du PNG sans transparence, du BMP ou du WEBP, de 240 à 8 000 pixels de côté et 20 Mo au maximum.
Construire un clip à partir de petits mouvements
L'exemple de la lumière en lamelles repose sur deux minuscules mouvements, un pied qui se tend et un genou qui se redresse, pendant que la soie bouge dessous. La lumière fait le reste lorsque les bandes en lamelles rampent pendant que le store frémit ; la caméra est un balancement à l'épaule en vue subjective plutôt qu'un mouvement. De petites actions précises comme celles-ci donnent au cadre quelque chose à faire sans lui demander de changer.
Écrire une limite dans le prompt quand la caméra est fixe
Dans l'exemple de la loge de dix secondes, tout ce qui compte se trouve sur une même ligne horizontale, et le prompt précise nettement ce qui doit rester hors cadre. Quand la caméra ne bouge pas, énoncer la contrainte dans le prompt tient plus sûrement que de tenter de la résoudre par le cadrage, car elle doit tenir sur tout le clip.
Adapter l’exemple fourni
Partez de l’exemple publié avec duration_seconds : 5, image_url : a publicly accessible URL, resolution : 720p. Remplacez le sujet et le mouvement en conservant le contrat d’entrée de ce mode.
She rises further out of the water, sheets of it running off her shoulders and swimsuit, slicks her wet hair straight back with both hands and opens her eyes toward camera, droplets scattering. Blue-hour city towers glow behind, slow-motion water detail, ambient pool lap and distant traffic.
La requête exacte derrière le clip de ce point de terminaison, générée à partir de l’image de départ affichée à côté.
Mettre au point en 720p, puis rendre la version retenue en 1080p
La résolution modifie à la fois le prix et la durée de la tâche. Mettez le mouvement au point en 720p, puis relancez la version choisie en 1080p avec la même image et le même seed, qui accepte de 0 à 2147483647. Gardez aussi les deux fixes quand vous comparez cinq secondes et quinze ; sinon, vous comparez deux clips différents et non deux réglages. Le seed stabilise le tirage, mais un clip identique n’est pas garanti.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6-spicy/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
