Wan 2.2 Image-to-Video: ritmo, inquadratura e identità

Wan 2.2 Image-to-Video segue l'immagine che invii e muove solo ciò che il prompt le chiede di muovere. Un buon prompt è quindi breve: un'azione visibile, un comportamento della camera e una riga su ciò che deve restare fermo. La maggior parte dei fallimenti (movimento dall'aspetto lento, zoom a sorpresa, un volto o un prodotto che cambia) arriva dall'inquadratura iniziale o da istruzioni impilate, non da parole di troppo poche. Questa guida mostra la struttura, un clip scomposto e come correggere ogni fallimento.

Cosa controlli su ogni endpoint

Nessuno ha un campo per il rapporto d'aspetto: il clip prende la forma della tua immagine, quindi ritaglia a 16:9 o 9:16 prima del caricamento. Attenuato significa che il modello base può addolcire o rifiutare richieste esplicite; gli endpoint Spicy sono etichettati come senza restrizioni, ma questo non garantisce che ogni richiesta venga consegnata invariata. Usa l'endpoint base per materiale sicuro per il lavoro e gli endpoint Spicy quando il contenuto richiede un modello senza censura; il metodo di prompting qui sotto è lo stesso.

Prepara l'inquadratura prima del prompt

L'immagine fornisce soggetto, abbigliamento, ambientazione e direzione della luce, quindi il prompt non deve riscriverli. Deve rendere possibile il movimento:

• Mostra tutto ciò che si muove. Un'azione di camminata richiede le gambe inquadrate; un allungo richiede la mano e l'oggetto visibili, non una mano nascosta dietro una tazza.
• Lascia spazio nella direzione del movimento. Un soggetto contro il bordo destro non può fare un passo a destra senza uscire dall'inquadratura o forzare un movimento di camera.
• Togli ciò che non vuoi animare: persone estranee, sovrapposizioni, testo incorporato e filigrane finiscono dritti nel clip.
• Correggi prima i difetti della sorgente. Un dito in più o una tazza sospesa nell'immagine fissa saranno anche nel video.

La struttura del prompt

Scrivi, in questo ordine: chi o cosa si muove e come, poi la camera, poi ciò che resta fermo o cosa fa la luce. L'aspetto lascialo all'immagine.

Ecco un esempio reale dalla pagina del modello Wan 2.2. La sorgente è un ritratto di studio a figura intera con sfondo grigio uniforme, 720p:

She shifts her weight, turns her shoulders toward the lens and takes two slow steps forward, the satin of the dress catching the light as it moves. She tucks her hair behind one ear and holds the look. Locked camera, clean grey studio.

Funziona perché ogni battuta è un cambiamento visibile rispetto alla posizione iniziale, la camera è dichiarata bloccata e la fine è una posizione trattenuta su cui puoi tagliare. La figura ha spazio per camminare verso la camera perché la sorgente è un'inquadratura a figura intera con il pavimento davanti a lei.

Una ripresa di prodotto segue lo stesso schema, con la camera o la luce che fa il movimento e una riga esplicita per ciò che non deve muoversi:

The camera arcs a slow quarter turn around the dropper bottle while a soft band of window light slides across the glass and the liquid inside catches it. The bottle itself does not move.

Qui il lavoro visibile lo fa solo la luce: l'etichetta e la sagoma restano stabili mentre la fascia attraversa il vetro, e l'arco di camera richiesto si percepisce a malapena. Se ti serve una svolta chiaramente visibile, chiedi un movimento di camera più ampio da solo, senza alcun cambiamento di luce nella stessa frase.

Provalo nel Playground

1. Apri Wan 2.2 image to video, resta nella scheda Playground in vista Form e accedi per eseguire.
2. Aggiungi la tua inquadratura iniziale sotto Input image (JPG, PNG o WEBP, fino a 10 MB), ritagliata nella forma che vuoi.
3. Incolla un prompt in Prompt oppure apri il Playground con l'esempio a figura intera già compilato.
4. Tieni Resolution su 480p mentre fai le bozze, imposta un Seed e aggiungi zoom, sudden reframing, cuts, second person sotto Negative prompt se la camera si muove. Lascia Prompt expansion disattivata per un'azione precisa; attivala solo per un'idea su una riga.
5. Esegui, poi riesegui il clip che tieni a 720p con lo stesso seed.

Poi l'API

Quando un prompt funziona, invia la stessa richiesta dal codice. Campi e risultati sono nel riferimento API.

{
  "model": "alibaba/wan-2.2/image-to-video",
  "input": {
    "image_url": "https://example.com/your-full-body-portrait.png",
    "prompt": "She shifts her weight, turns her shoulders toward the lens and takes two slow steps forward. She tucks her hair behind one ear and holds the look. Locked camera, clean grey studio.",
    "negative_prompt": "zoom, sudden reframing, cuts, second person",
    "resolution": "480p",
    "seed": 14327
  }
}

Fai le bozze a 480p, poi reinvia il clip che tieni con "resolution": "720p" e lo stesso seed.

Lascia fare a un Agent. Un assistente può effettuare la stessa chiamata tramite la CLI (npx @spicyapi/cli tasks create --model alibaba/wan-2.2/image-to-video --input-file input.json --wait, con l'oggetto input di questa richiesta in input.json), il server MCP (npx --yes --package=@spicyapi/mcp spicyapi-mcp) o l'Agent Skill (npx skills add spicyapi-ai/spicy-skill). CLI e MCP mostrano il prezzo e chiedono conferma prima che venga creato un task.

Correggi il movimento dall'aspetto lento

I clip lenti derivano di solito da una di quattro cause, e ognuna ha una correzione diversa:

• Parole di atmosfera. «Calm», «dreamy» e «cinematic» implicano un rallentatore. Rimuovile e descrivi un gesto a velocità normale con uno stato finale completato.
• Troppa azione per il clip. Alzarsi, attraversare una stanza e versare una bevanda non ci stanno in cinque secondi. Riduci a un gesto o dividi in più clip, ognuno che parte dalla propria inquadratura.
• Azione troppo piccola. Un movimento minimo si legge come statico. Indica la parte che si muove e dove arriva.
• Nessuna fine. Se la mano è ancora in viaggio nell'ultimo fotogramma, accorcia il tragitto o aggiungi una posizione finale trattenuta.

Sugli endpoint Spicy, l'opzione da 8 secondi aiuta un'azione che ha davvero bisogno di più tempo.

Correggi zoom e tagli indesiderati

Indica il movimento di camera che vuoi, perché «dynamic camera» permette tutti: uno zoom cambia la scala, un dolly cambia la posizione della camera, un pan ruota la vista, un'orbita circola attorno al soggetto. Per tenere ferma la camera, dillo in positivo («locked camera, fixed medium distance») e aggiungi un breve prompt negativo come zoom, reframing, cuts sull'endpoint base. Spicy e Spicy LoRA non hanno campo negativo, quindi affidati all'istruzione positiva.

Prima di dare la colpa alla camera, controlla lo sfondo. Se i punti di riferimento restano fermi mentre il soggetto si ingrandisce, è il soggetto che si è inclinato verso l'obiettivo; chiedi meno movimento in avanti. Se cambia la scala dell'intera inquadratura, è la camera, quindi modifica solo la frase sulla camera e lascia tutto il resto invariato. Un ritratto con poca profondità di campo e sfondo sfocato rende questo difficile da giudicare, quindi parti da una sorgente con elementi di sfondo riconoscibili.

Correggi la deriva di identità

Confronta il primo, quello centrale e l'ultimo fotogramma, e guarda le svolte e le occlusioni in cui il modello deve inventare dettagli nascosti. Tre correzioni coprono la maggior parte dei casi:

• Riduci il movimento simultaneo. Un piccolo gesto con la testa ferma e la camera fissa preserva meglio l'identità di un giro completo con orbita. Aggiungi il movimento un pezzo alla volta.
• Allinea il prompt all'immagine. Se l'inquadratura mostra una giacca scura e il prompt dice camicia blu, stai chiedendo un cambiamento.
• Scegli una sorgente migliore. Se il lato o il retro conta, come il lato nascosto di un'etichetta di prodotto, manda un'inquadratura che lo mostri; il modello non può leggere ciò che non vede.

Le ombre dense possono sembrare un cambio di identità, quindi confronta anche forma e motivo, non solo il colore.

Correggi una cosa alla volta

Esegui con la stessa immagine, la stessa risoluzione e lo stesso seed, e cambia una frase per tentativo: prima l'azione, poi il ritmo, poi la camera. Guarda l'intero clip a velocità normale, perché le immagini fisse non possono mostrare se un gesto è stato rapido o se l'oggetto è rimasto intatto. Guarda l'inizio, il movimento più ampio e l'ultimo secondo. Se tre cambiamenti di formulazione non sistemano nulla, cambia invece l'inquadratura; una nuova inquadratura significa anche riscrivere l'azione per adattarla al suo nuovo stato iniziale.

Quando cambiare endpoint

• Fotogramma finale o 8 secondi: usa Wan 2.2 Spicy. Punta last_image_url alla tua immagine fissa iniziale per un loop senza giunture, oppure a una composizione diversa per far approdare la ripresa in un punto preciso; inviala con "duration_seconds": 8 con la stessa forma di richiesta vista sopra.
• Il tuo adattatore di stile o movimento: usa Wan 2.2 LoRA o Wan 2.2 Spicy LoRA quando il contenuto richiede un modello senza censura, con fino a tre LoRA in ogni elenco. Metti gli stili di camera o di movimento in high_noise_loras e la texture o la grana in low_noise_loras. Non nominare anche lo stile nel prompt, perché tende a raddoppiare l'effetto. Sonda l'intensità a 480p con un seed fisso. Per una scena più lunga, la famiglia LoRA ha anche un task di estensione video.
• Una semplice azione di cinque secondi: l'endpoint base basta.

Prevedi il budget delle prove

Il prezzo base è per richiesta, quindi non moltiplicarlo per la durata. Rieseguire a 720p il clip che tieni raddoppia sia il prezzo base sia le tariffe al secondo. Controlla ritmo e camera a 480p, ma usa 720p quando il difetto che stai giudicando è un dettaglio piccolo come un'etichetta o un dito.

Dove andare dopo

Quando la ripresa richiede un fotogramma finale, una presa più lunga o adattatori, cambia endpoint invece di aggiungere parole. Per le differenze di policy tra le versioni, vedi l'articolo sulle versioni di Wan e per gli slot degli adattatori la guida alle LoRA high noise e low noise.