Introduction
Wan 2.6 Texte vers vidéo transforme un plan écrit, ou une liste de plans numérotés, en un clip d’exactement 5, 10 ou 15 secondes en 720p ou 1080p. Seul prompt est obligatoire. Tout le reste a une valeur par défaut : 16:9, 720p, cinq secondes, une prise continue et l’expansion du prompt désactivée. Le clip revient avec un son généré en même temps que l’image, et audio_url permet de lui fournir à la place une réplique enregistrée ou un morceau de musique à suivre.
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
Cinq formats dans les deux résolutions
aspect_ratio accepte 16:9, 9:16, 1:1, 4:3 et 3:4, et chaque format est disponible en 720p comme en 1080p. Rien n’étant hérité d’une image d’entrée, le même brief peut être rendu en master paysage et en déclinaison verticale en changeant un seul champ. La résolution fixe le tarif à la seconde et la durée de la tâche ; le 720p par défaut est donc l’endroit naturel pour mettre au point un prompt.
Une prise ou une séquence planifiée
shot_type bascule entre single, une prise continue, et multi, où le modèle peut couper entre plusieurs plans dans le même clip. Une requête multi s’exécute toujours avec l’expansion du prompt activée, quelle que soit la valeur de enable_prompt_expansion, car les coupes sont planifiées pendant l’expansion du brief. Multi convient à une courte histoire avec une chute ; single est le bon choix quand la continuité compte plus que la couverture.
Le son dans le même passage
L’audio est généré avec l’image : une phrase sur le son à la fin du prompt façonne donc ce que vous entendez. Quand le son existe déjà, audio_url accepte un WAV ou un MP3 de 3 à 30 secondes et jusqu’à 15 Mo, et les mouvements de bouche comme le rythme de l’action se calent sur ce fichier. Une piste plus longue est coupée à la durée du clip ; avec une piste plus courte, le reste du clip est muet.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Oui | Le plan lui-même : qui, une action, un mouvement de caméra, puis lumière et son — ou des plans numérotés pour multi. Restez sous 1 500 caractères. 1 caractères minimum · 1500 caractères maximum |
negative_prompt | Non | Ce qui doit rester hors champ : sous-titres, logos, personnes en trop, une couleur qui revient sans cesse. 500 caractères au maximum. 500 caractères maximum |
aspect_ratio | Non | 16:9, 9:16, 1:1, 4:3 ou 3:4, 16:9 par défaut. Les cinq formats sont disponibles dans les deux résolutions. |
resolution | Non | 720p ou 1080p, 720p par défaut. Elle fixe le tarif à la seconde et la durée de la tâche. |
duration_seconds | Non | Exactement 5, 10 ou 15. Toute autre valeur est refusée, pas arrondie. |
audio_url | Non | Une réplique ou un repère musical que le clip doit suivre. Les mouvements de bouche et le rythme se calent sur ce fichier. |
shot_type | Non | single garde un plan continu ; multi laisse le modèle couper entre plusieurs plans et active |
enable_prompt_expansion | Non | Désactivée par défaut. Valeur par défaut: |
seed | Non | De 0 à 2147483647. Gardez-la fixe pour comparer un changement à la fois ; omettez-la pour varier. |
Tarification
| Spécification | Prix |
|---|---|
| $0.09 / seconde |
| $0.135 / seconde |
Cas d’utilisation
Un plan d’ambiance avec le son écrit
L’exemple publié du port illustre la prise unique. Un pêcheur en ciré jaune enroule une corde mouillée, lève les yeux vers un ferry qui passe et lève la main, filmé en un seul travelling lent depuis l’arrière d’une pile de caisses. Le prompt se termine par une ligne audio, si bien que la pluie régulière, une longue corne de ferry et le grincement de la corde s’installent sous l’image sans piste séparée. Il tourne en 16:9, cinq secondes, 720p.
Une micro-histoire verticale pour les réseaux sociaux
L’exemple de la boulangerie demande trois plans numérotés dans un clip 9:16 de dix secondes en 1080p : le rideau métallique qui se lève à l’aube, des mains farinées qui façonnent un pain, puis la porte du four qui rougeoie quand une plaque y entre. shot_type vaut multi, chaque ligne numérotée obtient donc sa propre coupe, et un seed fixe stabilise le tirage pendant que vous affinez la formulation.
Du développement de look avant tout tournage
Un brief écrit suffit pour tester le décor, la lumière et le rythme d’une scène qui n’existe pas encore. Il ne conserve pas un visage ou un produit précis d’un rendu à l’autre. Dès qu’une personne ou un emballage doit rester reconnaissable, créez d’abord l’image puis passez le travail en image vers vidéo, où l’image de départ fixe l’apparence.
Guide de prompt et conseils pratiques
Écrire une prise unique en quatre temps
Pour single, nommez le sujet, donnez une action, donnez un mouvement de caméra, puis ajoutez la lumière et une ligne sur le son. Le prompt du port suit cet ordre, ce qui rend son résultat facile à juger : soit la corde, le regard et la main levée se produisent pendant que le travelling reste derrière les caisses, soit ils ne se produisent pas.
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.
Numéroter les plans pour multi
Pour multi, commencez chaque ligne par « Shot 1: », « Shot 2: » et ainsi de suite, et donnez à chaque ligne son propre cadrage et son propre sujet. Un événement par ligne : dès qu’une ligne décrit deux événements, la frontière entre les coupes ne vous appartient plus. Les montages à plusieurs plans ont besoin des durées longues pour respirer, choisissez donc 10 ou 15 secondes.
Sortir les exclusions du brief principal
Sous-titres, logos, personnes en trop ou une couleur qui revient sans cesse ont leur place dans negative_prompt, qui accepte jusqu’à 500 caractères, tandis que le prompt reste sous 1 500 caractères. Pour une prise unique, laissez enable_prompt_expansion désactivé dès que le prompt décrit précisément le plan ; activez-le quand une idée d’une ligne doit être étoffée.
Comparer un changement à la fois
seed accepte de 0 à 2147483647. Gardez-le fixe pendant que vous changez une seule chose, comme le mouvement de caméra, le format ou single contre multi, et omettez-le quand vous cherchez de la variété. Il stabilise une comparaison sans promettre un rendu identique image par image. Les durées autres que 5, 10 ou 15 secondes sont refusées plutôt qu’arrondies.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6/text-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
