Aller au contenu principal

Prolongez un clip avec Wan 3.0 : la dernière image de votre vidéo ouvre un nouveau segment de 2 à 30 secondes, et vous récupérez un seul fichier où l’original et la suite sont raccordés, en 480p, 720p ou 1080p.

À partir de $0.045/s

Atelier

Entrée

Prolongation vidéo
  1. 1

    Choisir le clip à prolonger

    Choisissez une vidéo : nous la prolongeons à partir de sa dernière image.

  2. 2

    La suite

    Choisissez un clip à l’étape 1 pour ouvrir cette étape.

    Facultatif. Laissez-le vide et le modèle poursuit la scène seul à partir de votre dernière image. Pour le guider, décrivez la suite : l’action qui suit, le mouvement de caméra et le son. L’image d’ouverture fixe déjà le sujet et le décor, consacrez donc les mots au mouvement. 1 caractères minimum
    influe sur le prix
    Résolution à laquelle le nouveau segment est généré : 480p, 720p ou 1080p, 720p par défaut. Alignez-la sur celle de votre source pour éviter un saut de netteté au raccord. Le MP4 raccordé garde la cadence et le cadrage de votre clip, sans bandes noires. Pour aligner le raccord, l’image peut être rognée ou ajustée de quelques pour cent sur les bords. Si le modèle renvoie un format nettement différent, le nouveau segment est mis à l’échelle pour remplir votre cadre, centré, et ce qui dépasse est rogné. Elle fixe le prix.
    Duréeinflue sur le prix
    Durée du nouveau segment : un nombre entier de 2 à 30, ou -1 pour laisser le modèle choisir ; 30 secondes sont alors réservées d’avance et la facture s’ajuste sur la durée livrée. Valeur par défaut : 5. Votre source s’ajoute devant et n’est pas facturée. pas inférieur à 2 · pas supérieur à 30
    Générer l’audio
    Actif par défaut : le nouveau segment reçoit un son généré. Votre source garde son propre son dans tous les cas ; si un côté est muet, le fichier raccordé est complété par du silence.
Filtre de sécuritéDésactivé

SpicyAPI n’applique aucun filtre de sécurité à ce modèle. Votre prompt et vos médias sont transmis tels quels, et c’est le modèle lui-même qui décide du résultat.

Nous vérifions votre compte avant d’activer l’envoi et le calcul du prix.

1 champ obligatoire manquant : Vidéo d’entrée

Sortie

Prêt pour une nouvelle exécution

Le résultat apparaîtra ici.

Configurez les entrées, vérifiez l’estimation, puis lancez le modèle.

Modèles liés et tâches suivantes

Le modèle que vous cherchez n’est pas là ?

Dites-nous lequel ajouter et à quoi il vous servira. Les demandes vont directement à l’équipe qui décide des prochains modèles.

API VIDÉO SANS CENSURE

Transformez texte, image ou dix références en 2 à 30 s sonorisées.

Chiffres clés

Points d’accès
4
Text-to-video, image-to-video, video-extend et reference-to-video, chacun avec son propre contrat.
Durée du clip
2–30S
N’importe quel nombre entier de secondes en une requête ; 5 par défaut.
Résolution max
1080P
480p, 720p ou 1080p, au choix pour chaque requête.
Son
AUDIO
Généré avec l’image dans la même passe, actif par défaut.
Références
10+5+5
Jusqu’à 10 images, 5 vidéos et 5 fichiers audio dans un seul appel référencé.
Formats
5
16:9, 9:16, 1:1, 4:3 et 3:4 ; l’image-to-video peut hériter du format de la source.

Avant de dépenser

text-to-video

C’est là que l’amplitude sans censure se voit : un baiser entre deux femmes dans une ruelle au néon est sorti du texte seul, et la même formulation se fait refuser au filtre de contenu sur les modèles de certains éditeurs. Ce que le texte seul ne donne pas, c’est un visage ou un vêtement précis — sans référence, le modèle invente les deux et les relances dérivent.

image-to-video

Le chemin le plus littéral. Votre image d’ouverture fixe la garde-robe, la silhouette et le décor : le prompt n’a donc plus qu’à porter le mouvement. Ajoutez last_image_url quand la fin compte. Omettez aspect_ratio et le clip hérite du format de l’image source ; envoyer un format contradictoire la recadre.

reference-to-video

Au moins un tableau de références, un fichier de référence ou un lien web doit être présent ; le prompt est facultatif. Dix images, cinq vidéos, cinq fichiers audio ; vidéos et audios de référence sont plafonnés chacun à quinze secondes au total. Les secondes des vidéos de référence sont facturées avec la sortie, et l’ensemble ne peut pas dépasser trente secondes. Dites ce que chaque référence contrôle — identité, garde-robe, lieu, voix — sinon le modèle les moyenne en un sujet générique.

all

De deux à trente secondes, de 480p à 1080p. Trente secondes en 1080p est ce que cette famille fait de plus lent : trouvez d’abord le rendu à cinq secondes en 720p, puis montez. Vous êtes responsable du consentement, des droits, de l’âge et du droit local pour toute personne représentée et pour chaque fichier que vous envoyez. La plateforme n’examine pas les contenus. Les pages publiques et les exemples restent adaptés à tous les publics.

Ce que fait le modèle

Des scènes à deux

Des baisers que d’autres modèles refusent

Le clip de cette page est un unique text-to-video de cinq secondes : deux femmes sous un même parapluie dans une ruelle au néon, qui finit sur un baiser. La même formulation se fait refuser au filtre de contenu chez certains éditeurs. Wan 3.0 l’a acceptée, a tenu les deux visages pendant le travelling avant et a rendu la pluie sur la bande-son dans la même passe.

Le son avec l’image

Le son tombe juste avec l’image

La génération audio est active par défaut : une requête rend donc un seul fichier, où les pas tombent sur l’image qui leur revient et où la pluie monte à mesure que la caméra avance. Il n’y a pas de second travail à lancer ni de passe de synchronisation ensuite. Coupez-la seulement si vous comptez composer la musique vous-même.

Le contrôle par références

Dix images, cinq clips, cinq voix

Le reference-to-video prend jusqu’à dix images, cinq vidéos et cinq fichiers audio en une requête : un visage, une garde-robe, un plan de décor et une voix peuvent donc entrer dans le même plan. Dites dans le prompt à quoi sert chaque référence — une pile sans étiquette se fait moyenner en quelque chose qui ne ressemble à aucune.

Créé avec Wan 3.0

  • 5 s
  • 5 s
  • text-to-video · 5 s · 720p · 16:9 · audio généré dans la même passe
    5 s
  • text-to-video · 5 s · 720p · 16:9 · audio généré dans la même passe
    5 s
  • 5 s
  • 5 s
  • 5 s
  • 5 s
  • 10 s
  • 8 s
  • 5 s

Cas d’usage

  • Des scènes sans censure, refusées ailleurs

    Des couples de tout genre, un baiser sous la pluie, deux personnes dans le même cadre. Des prompts écrits aussi franchement sont rejetés au filtre de contenu par plusieurs modèles vidéo concurrents. Wan 3.0 les exécute, et votre propre image d’ouverture est le moyen le plus rapide d’obtenir un résultat fidèle à votre formulation.

  • Des versions verticales en série

    Mettez aspect_ratio en 9:16, gardez la durée à cinq ou six secondes et balayez la même liste de plans sur plusieurs seeds. Comme le lit sonore revient à l’intérieur du fichier, un clip est publiable à la sortie de l’API sans passe musicale — c’est ce qui rend crédible une semaine à quarante clips.

  • Des films produit issus d’un seul packshot

    L’image-to-video prend le packshot comme image d’ouverture et last_image_url comme image de fin : une bouteille peut donc tourner, accrocher un reflet et revenir à son angle héros en cinq secondes. Le texte de l’étiquette et la silhouette survivent parce que les deux extrémités du mouvement sont fixées.

  • Des séries où le personnage ne change pas

    Envoyez le même plan de visage et les mêmes photos de garde-robe au reference-to-video pour chaque plan d’un épisode, réutilisez une seed et un squelette de prompt, et ne changez que la ligne d’action. Le casting reste reconnaissable sur une douzaine de clips rendus séparément.

Référence du modèle

Référence de l’API Wan 3.0

Spécifications de l’API Wan 3.0

Producteur
Alibaba
Points de terminaison publiés
text-to-video, image-to-video, video-extend, reference-to-video
Durée du clip
2 à 30 secondes, 5 par défaut
Résolution
480p, 720p, 1080p — 720p par défaut
Formats d’image
16:9, 9:16, 1:1, 4:3, 3:4
Audio
Généré avec l’image, actif par défaut
Limites de références
10 images, 5 vidéos, 5 fichiers audio ; vidéos et audios de référence plafonnés chacun à 15 secondes au total
Contenu
Sans censure ; aucune déclaration par requête

Comment appeler l’API Wan 3.0

  1. 1. Choisissez le point de terminaison selon ce que vous avez déjà

    Rien qu’une idée écrite → text-to-video. Une image que vous voulez mettre en mouvement → image-to-video. Un visage, une garde-robe, un lieu ou une voix qui doit survivre d’un plan à l’autre → reference-to-video. Chacun est un contrat séparé, et le nom de famille ne fusionne pas leurs champs.

  2. 2. Écrivez sujet → action → caméra → lumière et son

    Un sujet, une action, un mouvement de caméra, puis une note pour la lumière et une pour le son. Voici le texte exact derrière le clip de cette page, lancé à duration_seconds 5, resolution 720p, aspect_ratio 16:9 avec l’audio actif, laissé en anglais tel qu’il a été envoyé : « Two adult women in a rain-soaked neon alley at night share one umbrella, shoulders pressed together. One tucks a wet strand of hair behind the other’s ear, they look at each other and kiss, the umbrella tilting to half-hide them. Slow dolly-in, pink and green neon bleeding across wet ground, anamorphic flare, 35mm grain, rain on the umbrella. »

  3. 3. Soumettez en asynchrone, puis interrogez ou prenez le callback

    Envoyez l’appel de création avec un Idempotency-Key, gardez l’identifiant de tâche, puis interrogez-le ou enregistrez une URL de callback. Ne changez qu’un champ par relance et gardez la seed — c’est le seul moyen de savoir si c’est la résolution ou la formulation qui a bougé le résultat.

En résumé

Wan 3.0 est la famille vidéo phare d’Alibaba sur cette plateforme, publiée comme des API indépendantes : text-to-video, image-to-video, video-extend et reference-to-video. Chaque point de terminaison accepte 2 à 30 secondes en 480p, 720p ou 1080p, cinq formats d’image, une seed facultative et un son généré synchronisé ; le reference-to-video ajoute jusqu’à 10 images, 5 vidéos et 5 fichiers audio de référence, et l’image-to-video fixe les deux extrémités avec image_url et last_image_url. Le travail est créé en asynchrone et facturé à la seconde de vidéo livrée (en reference-to-video, les secondes des vidéos de référence s’y ajoutent), chiffrée en dollars américains avant l’envoi. Wan 3.0 est sans censure : les prompts romantiques à deux que les modèles d’autres éditeurs refusent au filtre passent ici, et les limites que nous avons mesurées sont listées plus haut.

Questions sur l’API Wan 3.0

Tous les modèles Wan22

Modèles vidéo18