Introduction
Wan 3.0 Pro Prime Références vers vidéo verrouille un visage, un vêtement, un décor, un mouvement ou une voix grâce à des références image, vidéo et audio, et rend le plan en 1080p, 2K ou 4K, de 2 à 30 secondes, avec le rendu Prime. Au moins un des champs reference_image_urls (1 à 10 images ordonnées), reference_video_urls, reference_audio_urls (jusqu’à 5 clips chacun), reference_file_url (un document) ou reference_link_url (une page web) est requis. Nommez chaque référence dans le prompt, sinon le modèle en fait la moyenne et produit un sujet qui ne correspond à aucune.
Choisir le mode selon le matériau de départ
| Matériau de départ | Mode |
|---|---|
| Un brief écrit définit la scène, l’action, la caméra et, si nécessaire, le son. | Wan 3.0 Pro Prime Texte vers vidéo |
| Une image de départ validée fixe le sujet et la composition ; la consigne dirige le mouvement qui suit. | Wan 3.0 Pro Prime Image vers vidéo |
| Des références distinctes peuvent guider l’identité, le lieu, le mouvement ou le son, avec un rôle explicite pour chacune. | Wan 3.0 Pro Prime Références vers vidéo |
Fonctionnalités et points forts
Deux personnages dans un même plan
L’exemple des deux personnages envoie deux planches et les nomme : « The first image is the woman, the second is the man — keep both faces and both haircuts. » Ils se tiennent de part et d’autre d’un établi dans un garage sombre, sous une ampoule suspendue, 6 secondes en 1080p avec la graine 220913 et seulement l’ambiance de la pièce. C’est le schéma pour garder un couple cohérent tout au long d’un épisode.
Une planche de décor sans personne
Les références ne sont pas forcément des personnes. L’exemple de continuité du décor envoie une planche d’une salle de boxe — cordes, casiers, une seule lampe suspendue — et demande un cadre vide où la poussière flotte dans le faisceau et où l’ampoule oscille lentement, caméra fixe, 5 secondes en 4k sans son. Tous les plans d’une séquence peuvent alors partager la même pièce.
Le mouvement en référence plutôt qu’en texte
Les références image, vidéo et audio peuvent être envoyées ensemble : le mouvement peut donc venir d’un clip plutôt que d’un paragraphe. Les vidéos de référence sont en MP4 ou MOV, à 16 i/s au moins, de 1 à 15 secondes chacune et 15 secondes au total ; leurs secondes sont facturées avec la sortie, et vidéo de référence plus sortie restent dans 30 secondes.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Non | Facultatif, mais c’est là que les références se distinguent les unes des autres — quelle plaque est quel personnage, à quoi servent la vidéo et l’audio — et que l’action est éno… 1 caractères minimum · 20000 caractères maximum |
reference_image_urls | Non | De 1 à 10 images comme plaques d’identité, de garde-robe et de décor. Nommez chacune dans le prompt — personnage, vêtement, décor —, sinon elles sont moyennées. 1 éléments minimum · 10 éléments maximum |
reference_video_urls | Non | Jusqu’à 5 clips, chacun de 1 à 15 secondes et 15 secondes au total. Servez-vous-en pour le mouvement et le style de caméra plutôt que pour un visage. 1 éléments minimum · 5 éléments maximum |
reference_audio_urls | Non | Jusqu’à 5 clips, chacun de 1 à 15 secondes et 15 secondes au total — une voix, une réplique dite ou une ambiance de pièce que le plan doit reprendre. 1 éléments minimum · 5 éléments maximum |
reference_file_url | Non | Un document que le modèle lit avant de mettre en scène le plan : une fiche personnage, un script, une liste de plans ou un brief produit. |
reference_link_url | Non | Une page web publique que le modèle lit comme référence, par exemple un article, une fiche produit ou un profil de personnage. Elle doit s’ouvrir sans connexion. |
resolution | Non | 1080p, 2k ou 4k, 1080p par défaut. |
aspect_ratio | Non | 16:9, 4:3, 1:1, 3:4, 9:16 ou adaptive. Vaut adaptive par défaut, ce qui laisse le modèle choisir ; nommez un format quand la livraison est imposée. |
duration_seconds | Non | N’importe quel nombre entier de 2 à 30, 5 par défaut, ou -1 pour la durée intelligente, qui réserve le maximum puis facture la durée réellement livrée. |
generate_audio | Non | Actif par défaut. Le son est généré avec l’image et arrive dans le même fichier. Valeur par défaut: |
enable_prompt_expansion | Non | Active par défaut dans cette famille. Elle étoffe les briefs maigres et réécrit les briefs détaillés : coupez-la dès que votre prompt est une description de plan précise. Valeur par défaut: |
seed | Non | De 0 à 2147483647. Fixez-la pendant que vous réglez la résolution ou la durée, sinon chaque relance change deux choses à la fois. |
Tarification
Les vidéos de référence s’ajoutent aux secondes facturées ; les images et l’audio de référence, non. Comme nous ne pouvons pas mesurer vos clips avant l’exécution, nous bloquons d’abord le montant correspondant au maximum de 15 secondes, puis libérons la part inutilisée dès la facturation — vous ne payez que les secondes réellement utilisées.
| Spécification | Prix |
|---|---|
| $0.234 / seconde |
| $0.252 / seconde |
| $0.279 / seconde |
Cas d’utilisation
Un costume sur plusieurs scènes
L’exemple de la danseuse emmène une interprète et un costume en mousseline superposée sur une troisième scène, avec cette fois la poursuite placée derrière elle, si bien que le tissu devient translucide quand elle tourne. Les références portent la danseuse et le costume ; le prompt ne décrit que le nouveau dispositif lumineux, et un tissu translucide à contre-jour ne laisse presque rien de caché à une grande taille de livraison.
Des masters destinés à être remontés
Rendez un plan principal verrouillé par références en 4K et en 16:9, puis recadrez dans ce même master une version 9:16 et une bannière carrée. Les planches de référence et une graine fixe gardent la distribution identique sur toutes les déclinaisons.
Guide de prompt et conseils pratiques
Nommez par position
reference_image_urls est une liste ordonnée : désignez « the first image » et « the second image » et fournissez-les dans cet ordre. Pour chacune, dites s’il s’agit d’un personnage, d’un vêtement ou d’un décor ; utilisez la vidéo pour le mouvement et le style de caméra, l’audio pour une voix, une diction ou une ambiance de pièce. Les images et l’audio de référence ne sont pas facturés.
Figez tout sauf le changement
Pour une séquence, gardez identiques les planches, la graine et l’ossature du prompt, et ne changez que la ligne d’action ou d’éclairage. Désactivez enable_prompt_expansion — il vaut true par défaut dans cette famille — pour que vos libellés ne soient pas réécrits.
Vérifiez la durée des références avant l’envoi
Les limites des références vidéo et audio s’appliquent pendant la génération et non à l’acceptation de la tâche : un clip trop long est donc repéré plus tard, pas à l’envoi. Mesurez d’abord les clips, gardez la vidéo de référence plus duration_seconds à 30 secondes au maximum, et explorez en 1080p avant de rendre en 4K.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0-pro-prime/reference-to-video",
"input": {
"aspect_ratio": "adaptive",
"duration_seconds": 5,
"reference_image_urls": [
"https://example.com/reference.png"
],
"resolution": "1080p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
