Introduction
Wan 2.6 Références vers vidéo fait jouer des personnes, des animaux ou des objets tirés d’un à trois clips courts dans une nouvelle scène que vous décrivez. Les clips apportent qui ou quoi apparaît ; 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. L’appel s’écrit alibaba/wan-2.6/reference-to-video et il est asynchrone : créez la tâche, puis interrogez-la ou recevez le callback.
Jusqu’à deux images fixes peuvent compléter les clips, ou les remplacer, dans la même requête ; avec les clips, cela fait cinq références au plus. Les images sont numérotées à la suite des clips — avec deux clips, la première image est character3 — et ne sont pas facturées.
Choisir le mode selon le matériau de départ
| Ce dont vous disposez au départ | Mode |
|---|---|
| une scène ou un script écrit | Wan 2.6 Texte vers vidéo |
| une image de départ validée | Wan 2.6 Image vers vidéo |
| des références distinctes pour l’apparence, le mouvement ou le son | Wan 2.6 Références vers vidéo |
Fonctionnalités et points forts
Les sujets voyagent, le décor s’écrit
Les clips de référence décident qui ou quoi apparaît ; le prompt décide où ils se trouvent, ce qu’ils font et comment la caméra et la lumière les traitent. C’est la différence avec l’image vers vidéo, où l’image de départ fixe aussi le décor, la lumière et les proportions. Ici, une présentatrice filmée une seule fois peut se retrouver sur un toit au crépuscule, dans un autre format, sans second tournage.
Jusqu’à trois clips dans une scène
Envoyez un clip quand un seul sujet doit rester reconnaissable, ou jusqu’à trois quand une scène en réclame plusieurs à la fois. Désignez les clips dans le prompt par leur ordre d’envoi et dites ce que chacun apporte, pour que le modèle sache lequel est la présentatrice et lequel est le chien. Des clips chargés avec plusieurs personnes rendent plus difficile de savoir qui doit être repris.
Format et taille sont des paramètres, pas un héritage
aspect_ratio se choisit à chaque requête : 16:9, 9:16, 1:1, 4:3 ou 3:4, tous disponibles 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 rushes de référence : une livraison verticale n’exige pas de sources verticales, et un même jeu de références peut être livré en plusieurs formats.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Oui | La nouvelle scène : dites ce qu’apporte chaque clip de référence, puis décor, action, caméra et lumière. Restez sous 1 500 caractères. 1 caractères minimum · 1500 caractères maximum |
negative_prompt | Non | Ce qui ne doit pas apparaître : personnes en trop, incrustations, accessoires du clip de référence que vous ne voulez pas voir repris. 1500 caractères maximum |
reference_video_urls | Non | Jusqu’à trois clips des personnages ou objets à faire jouer. 1 éléments minimum · 3 éléments maximum |
reference_image_urls | Non | Jusqu’à deux images fixes de personnages ou d’objets, en plus des clips ou à leur place ; avec les clips, une requête accepte au plus cinq références. 1 éléments minimum · 2 éléments maximum |
aspect_ratio | Non | 16:9, 9:16, 1:1, 4:3 ou 3:4, 16:9 par défaut, disponible aux deux résolutions ; les dimensions en pixels de chaque combinaison figurent dans les caractéristiques. |
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 monter plusieurs plans à l’intérieur de la même scène. |
seed | Non | De 0 à 2147483647. Gardez-la en changeant un seul clip de 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. Comme nous ne pouvons pas mesurer vos clips avant l’exécution, nous bloquons d’abord le montant correspondant au maximum de 5 secondes, puis libérons la part inutilisée dès la facturation — vous ne payez que les secondes réellement utilisées.
| Spécification | Prix |
|---|---|
| $0.065 / seconde |
| $0.0975 / seconde |
Cas d’utilisation
Déplacer une présentatrice dans un nouveau lieu
Un clip de la personne, puis un prompt pour la pièce, la lumière et le mouvement de caméra. L’apparence de la présentatrice vient de la référence tandis que le décor est écrit : un seul tournage fournit des images pour des lieux qui n’étaient pas disponibles ce jour-là.
Mettre un produit en scène selon la saison
Envoyez la rotation de packshot dont vous disposez déjà et décrivez une nouvelle surface, une nouvelle saison, une nouvelle lumière. L’objet garde sa forme et sa finition pendant que la scène autour de lui est reconstruite, si bien qu’un seul clip produit sert plusieurs univers de campagne sans refaire la prise de vue.
Réunir deux sujets
Un clip d’une présentatrice et un clip de l’animal ou de l’objet qui doit partager le cadre, puis un prompt qui dit ce que fait chacun. Cela résout des scènes qui demanderaient sinon la présence des deux sujets sur le plateau le même jour.
Réutiliser des images impossibles à retourner
Un clip d’archive d’une présentatrice qui n’est plus disponible, ou un échantillon de produit déjà rendu au client, porte encore le sujet. Envoyez-le comme référence et écrivez le nouveau décor : les anciennes images fournissent le sujet, le prompt fournit la scène.
Guide de prompt et conseils pratiques
Choisir des clips que le modèle peut lire
Des rushes courts où le sujet occupe une grande partie du cadre, bien éclairé et vu sous plus d’un angle, se transfèrent le mieux. Un sujet qui reste petit ou à contre-jour ne revient souvent qu’approximativement. Coupez avant d’envoyer plutôt qu’après : les secondes envoyées sont facturables, et les quelques secondes où le sujet est le plus lisible se transfèrent généralement mieux qu’une longue prise qui s’égare.
Écrire la scène, pas la référence
Nommez d’abord ce qu’apporte chaque clip, par exemple la femme du clip 1 et le chien du clip 2, puis décrivez le décor, l’action, la caméra et la lumière comme pour du texte vers vidéo, en moins de 1 500 caractères. Redécrire ce que les images montrent déjà consomme ce budget et entre parfois en concurrence avec les clips. Utilisez negative_prompt pour ce qui revient sans cesse et ne devrait pas : personnes en trop, sous-titres à l’écran, ou un accessoire du clip de référence qui suit le sujet dans la nouvelle scène.
Calculer les secondes avant d’envoyer
Les secondes facturables correspondent à la durée de sortie plus la durée cumulée des clips de référence, chacune arrondie à la seconde supérieure, la part de référence comptant pour cinq secondes au maximum. Un rendu de 5 secondes avec une référence de 3 secondes est facturé 8 secondes au tarif de la résolution choisie ; le même rendu avec trois clips totalisant neuf secondes est facturé 10, car seules cinq secondes de référence comptent. L’estimation en direct avant l’envoi affiche le montant, et si la durée d’un clip ne peut pas être lue à l’avance, l’estimation suppose cinq secondes et la facturation finale utilise la durée mesurée.
Adapter l’exemple fourni
Partez de l’exemple publié avec aspect_ratio : 16:9, duration_seconds : 5, resolution : 720p et un clip dans reference_video_urls. Remplacez le sujet et la mise en scène en conservant ce contrat d’entrée.
Keep character1, the amber glass bottle, exactly - its shape, colour and the marble block it stands on. Move it to a sunlit kitchen windowsill in the morning, lemons and a linen cloth beside it. The camera circles it slowly the way the reference clip does. Soft birdsong outside.
Un clip produit comme référence, remis en scène dans une nouvelle pièce pendant que la caméra reprend son lent mouvement circulaire.
Vérifier la ressemblance avant d’itérer
Regardez le clip entier plutôt que la première seconde : la ressemblance a tendance à dériver vers la fin des durées longues, alors vérifiez la dernière seconde avant de vous engager sur cette durée. Entre 2 et 3 secondes, il y a rarement la place pour une coupe, et multi se justifie surtout à partir de 6 secondes environ. Gardez le seed fixe et changez un seul clip de référence à la fois pendant la comparaison : le tirage aléatoire reste constant et seul ce que vous avez modifié bouge, sans promesse de rendu identique image par image. Les clips générés sont supprimés au bout de 14 jours, copiez donc tout ce que vous voulez garder.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"shot_type": "single",
"reference_video_urls": [
"https://example.com/reference.mp4"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
