Wan 3.0 Prime API

Wan 3.0 Prime Image vers vidéo anime une image d’ouverture de 2 à 30 secondes avec le rendu Prime, avec les mêmes champs que Wan 3.0 Image vers vidéo. image_url est obligatoire et devient exactement la première image ; le prompt est facultatif et n’a besoin de décrire que le mouvement ; last_image_url fixe si besoin la dernière image. La résolution est de 480p, 720p ou 1080p, 720p par défaut, et le son est généré avec l’image sauf si vous passez generate_audio à false.

Choisir le mode selon le matériau de départ

Décor et tenue dans l’image, action dans le prompt

Comme l’image apporte déjà le look, toute la requête peut porter sur l’action et le son. L’exemple du sauna part d’une image fixe qui contient déjà le décor et la tenue ; son prompt décrit une louche d’eau sur des pierres brûlantes, un jet de vapeur, le dos d’un poignet passé sur la clavicule, et une ligne audio nommant le sifflement, le cèdre qui craque et une respiration lente.

Une fin fixée rend les longues transformations sûres

last_image_url fait se terminer le clip exactement sur une image fournie. L’exemple de la piste de danse commence sur une piste vide et finit sur une image fournie d’une salle pleine, 10 secondes en 1080p et 3:4 sans son : le modèle invente comment la salle se remplit, pas ce qui la remplit à la fin.

La forme de l’image par défaut

Sans aspect_ratio, le clip garde la forme de l’image d’ouverture ; une valeur contradictoire recadre. Les sources acceptées sont JPEG, PNG sans transparence, BMP ou WEBP, de 240 à 8000 pixels par côté, jusqu’à 20 Mo et pas plus large que 8:1. L’image de fin suit les mêmes limites.

De l’action rapide à partir d’une image fixe

L’exemple de la plage part d’une cavalière et demande que le petit galop devienne un galop, que le sable et l’eau peu profonde jaillissent derrière les sabots, et qu’un travelling rapide l’accompagne pendant qu’elle file vers un soleil bas. À cette vitesse, l’image d’ouverture n’aide plus : c’est le prompt qui porte la physique — ce qui est projeté, dans quelle direction, et comment la caméra suit.

Un seul geste avec une fin fixée

L’exemple du bal masqué fixe les deux extrémités — une première et une dernière image fournies de la même femme sur le même escalier de marbre — et décrit l’entrée entre les deux : elle ôte son masque doré, rassemble sa robe et descend quelques marches vers la caméra tandis que les invités masqués lèvent leur verre. Comme l’image de fin a été tirée de l’image d’ouverture, la robe, le lustre et les invités restent à leur place. Le clip dure 5 secondes en 720p, avec le son.

# 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-prime/image-to-video",
  "input": {
    "duration_seconds": 5,
    "image_url": "https://example.com/reference.png",
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "720p"
  }
}'

# 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.