Wan 2.2 immagine-in-video filtra i contenuti?

L'endpoint immagine-in-video di Wan 2.2 non ha alcun filtro di contenuto proprio della piattaforma oltre a quello che il modello fa internamente. Il comportamento del modello stesso stabilisce cosa viene generato e cosa no. Chi chiama è responsabile dei diritti, del consenso e dell'uso legale di ogni fotogramma e prompt inviato.

Wan 2.2 immagine-in-video è lo stesso modello di testo-in-video?

No. Il rilascio Wan 2.2 di Alibaba porta un modello immagine-in-video separato accanto a quello testo-in-video, e descrive entrambi come architetture mixture-of-experts con un totale di circa 27 miliardi di parametri e 14 miliardi attivi per passo. Ciascuno è pubblicato qui come endpoint proprio, con propri input richiesti e proprio stile di prompt.

Wan 2.2 immagine-in-video può accettare più di un fotogramma?

No. Wan 2.2 immagine-in-video prende esattamente un image_url, e lo schema non ha campo per un secondo fotogramma, un ultimo fotogramma o un'immagine di riferimento. Un'inquadratura che deve passare attraverso più immagini fisse va renderizzata come clip separate e poi unita in un editor.

Wan 2.2 immagine-in-video può estendere un video che ho già?

No. L'input di Wan 2.2 immagine-in-video è un'immagine fissa, non un file video, e questa famiglia non pubblica alcun endpoint di estensione o continuazione. Portare avanti il movimento significa esportare un fotogramma dalla fine di una clip e avviare una nuova richiesta da quel fotogramma.

Quanto costa l'API immagine-in-video di Wan 2.2?

Wan 2.2 immagine-in-video è fatturato per clip, e il livello di risoluzione, 480p o 720p, è l'unico campo della richiesta che cambia l'importo. Dimensione del file, lunghezza del prompt e seed non hanno effetto. Il pannello prezzi in tempo reale su questa pagina mostra la tariffa attuale di ogni livello.

Qual è la differenza tra immagine-in-video e testo-in-video su Wan 2.2?

Wan 2.2 immagine-in-video richiede un fotogramma iniziale più un prompt e non ha campo ratio, quindi il formato dell'output si gestisce ritagliando il fotogramma prima di caricarlo, idealmente in 16:9 o 9:16. Testo-in-video parte solo dalle parole e sceglie tra 16:9 e 9:16. Entrambi restituiscono una clip muta di cinque secondi, tariffata secondo gli stessi due livelli di risoluzione.

Il prompt deve descrivere l'intera scena o solo il cambiamento?

Su Wan 2.2 immagine-in-video, solo il cambiamento. Il fotogramma caricato fissa già soggetto, abbigliamento, set e luce, quindi il compito del prompt è l'azione, il movimento di camera e l'atmosfera. Descrivere ciò che il fotogramma mostra già dà al modello un secondo resoconto della scena da conciliare, ed è generalmente lì che inizia la deriva.

Il fotogramma caricato appare come il primo fotogramma della clip?

Sì. Wan 2.2 immagine-in-video tratta image_url come il fotogramma iniziale da cui parte la clip, quindi l'immagine fissa è il punto in cui inizia il movimento, non un riferimento di stile da cui il modello attinge liberamente. Soggetto, abbigliamento, ambientazione e direzione della luce si trasferiscono tutti da quel file, motivo per cui vale la pena rifinire il fotogramma prima di caricarlo.

API Wan 2.2: video da immagine in 5 secondi

alibaba/wan-2.2/image-to-video

L’image-to-video Wan 2.2 di Alibaba anima un fotogramma iniziale in una clip muta di cinque secondi a 480p o 720p. Il fotogramma fissa soggetto, abiti, set e luce, mentre un prompt obbligatorio descrive il movimento.

Il filtraggio cambia da un endpoint all’altro: Da immagine a video — Attenuato, Da testo a video — Filtrato.

Da $0.24/richiesta

Esegui il modello Vedi l’API

Input

Da immagine a video

Testo del prompt271/5000

Immagine di input1/1

Trascina file o link ai media, incolla oppure sfoglia · 1 file · Max 10 MB · JPG · PNG · WEBP · GIF

Prompt negativo0/500

Risoluzioneincide sul prezzo

Espansione del prompt

Seed

Controllo di sicurezzaDisattivato

SpicyAPI non applica nessun controllo di sicurezza a questo modello. Il tuo prompt e i tuoi media arrivano al modello così come li hai scritti, ed è il modello stesso a decidere che cosa torna indietro.

Controllo del tuo account prima di abilitare invio e prezzi.

Output

Pronto per una nuova esecuzione

Risultato di esempio

Estendi

Upscaling video

Editing video

{
  "model": "alibaba/wan-2.2/image-to-video",
  "input": {
    "resolution": "720p",
    "enable_prompt_expansion": false,
    "prompt": "She turns from the window toward the camera, lets go of the sheer curtain and walks two slow steps closer, the champagne satin catching the lamp light, holding the lens with a half smile. The curtain drifts in the draught. Slow push in, cinematic, shallow depth of field.",
    "image_url": "https://cdn.spicyapi.ai/models/examples/inputs/f0cf5f5b39a79080.webp"
  }
}

Introduzione

Wan 2.2 immagine in video parte da un'immagine che fornisci tu e anima ciò che succede dopo. Due input sono obbligatori: un fotogramma iniziale in JPEG, PNG o WebP fino a 10 MB e un prompt fino a 5.000 caratteri che descrive il movimento. Ogni richiesta restituisce un unico clip muto di cinque secondi, a 480p (il valore predefinito) o a 720p.

Scegli la modalità Wan 2.2 in base al materiale di partenza

Cosa hai all'inizio	Modalità	Cosa serve alla richiesta
una scena scritta o una sceneggiatura	Wan 2.2 testo in video	un prompt; 16:9 o 9:16
un'immagine fissa da mantenere	Wan 2.2 immagine in video	un'immagine e un prompt; il formato lo decide l'immagine

Caratteristiche principali

L'aspetto lo decide l'immagine

Soggetto, costumi, scenografia e direzione della luce arrivano tutti dall'immagine iniziale, quindi il prompt non deve descriverli di nuovo. È questo che rende la modalità adatta al materiale che deve combaciare con un riferimento: nell'esempio del flacone di siero l'immagine fissa etichetta e silhouette, e il prompt chiede solo un arco di camera e una luce in movimento.

Il formato arriva dall'immagine

Questo endpoint non ha un'impostazione del formato. Le proporzioni più sicure sono 16:9 e 9:16, perché un'immagine con proporzioni diverse può tornare ridimensionata e ritagliata al centro. Ritaglia l'immagine nel formato di consegna prima di caricarla.

Durata fissa, solo immagine

Ogni ripresa è di cinque secondi di video senza suono, e né la durata né l'audio si possono cambiare. Con questi due elementi fissi, il movimento è l'unica variabile: per questo ogni esempio pubblicato chiede un solo movimento o un solo rapporto di causa ed effetto.

L'espansione del prompt cambia più della formulazione

L'espansione del prompt è disattivata per impostazione predefinita. Se la attivi può cambiare l'aspetto del render, non solo il testo dell'indicazione, quindi confrontala con un'esecuzione senza espansione prima di tenerla. L'esempio del campanello a vento e della figura la lascia disattivata perché la frase venga eseguita esattamente come è scritta.

Parametri della richiesta

Parametri della richiesta di Wan 2.2 · Image to Video
Parametro	Obbligatorio	Nota
`image_url`	Sì	Il fotogramma iniziale: JPEG, PNG o WebP, fino a 10 MB. Soggetto, abbigliamento, ambiente e direzione della luce vengono tutti da lì, quindi ritaglialo prima. almeno 1 caratteri
`prompt`	Sì	Obbligatorio, fino a 5.000 caratteri. Che cosa succede dopo il fotogramma: un'azione e un comportamento di camera. almeno 1 caratteri · al massimo 5000 caratteri
`negative_prompt`	No	Ciò che non deve comparire: una seconda persona, sottotitoli, un oggetto di scena che il modello continua a riportare dentro. Scrivi un semplice elenco invece di frasi negative. al massimo 500 caratteri
`resolution`	No	480p o 720p, predefinito 480p. È l'unica impostazione che cambia il prezzo. `480p` · `720p` · Predefinito: `480p`
`enable_prompt_expansion`	No	Disattivo per impostazione predefinita. Attivalo per un'idea di una riga; lascialo spento quando il prompt è già un'azione precisa. Predefinito: `false`
`seed`	No	Da 0 a 2147483647. Fissalo quando confronti 480p e 720p a partire dallo stesso fotogramma; per un valore casuale ometti il campo invece di inviare 0. `≥ 0` · `≤ 2147483647`

Prezzi

Ogni richiesta restituisce una clip di cinque secondi.

Prezzi
Specifiche	Prezzo
`480p`	$0.24 / richiesta
`720p`	$0.48 / richiesta

Casi d’uso

Dare movimento a una foto di prodotto

Invia un packshot approvato e chiedi un movimento di camera o un cambio di luce, lasciando il prodotto al suo posto. L'esempio del flacone di siero mostra lo schema: la camera compie lentamente un quarto di giro attorno a un flacone contagocce, una morbida striscia di luce da finestra scorre sul vetro, e il prompt specifica che il flacone in sé non si muove.

Un solo momento di recitazione da un ritratto

L'esempio dello slip dress parte da un ritratto in studio e chiede una sola azione: lei sposta il peso, gira le spalle verso l'obiettivo, fa due passi lenti e mantiene lo sguardo. La camera è fissa, lo sfondo grigio dello studio resta intatto e la ripresa è renderizzata a 720p.

Un movimento con una causa visibile

Nell'esempio del campanello a vento e della figura, un campanello a vento gira e una forma dietro una tenda di garza si muove con lui, mentre l'ombra della tenda attraversa la scena. Scrivere causa ed effetto in un clip breve e muto dà una ragione al movimento e gli evita di sembrare un loop.

Esplora i tutorial sui casi d’uso principali

Consigli avanzati

Prepara l'immagine prima del prompt

Ritaglia l'immagine in 16:9 o 9:16 e verifica che mostri già i costumi, la scenografia e la luce che vuoi, perché il prompt non è il posto per cambiarli. Togli sovrapposizioni o soggetti di troppo che non vuoi animare e tieni il file sotto i 10 MB.

Descrivi solo ciò che succede dopo il fotogramma iniziale

Indica chi o che cosa si muove, in quale direzione e con quale ritmo, e poi il comportamento della camera. Descrivere di nuovo oggetti già visibili consuma caratteri senza aggiungere movimento. Vale invece la pena una frase su ciò che deve restare fermo, come il flacone che non si muove.

Bozza a 480p, consegna a 720p

La risoluzione è l'unica impostazione che cambia il prezzo. Fissa un seed tra 0 e 2147483647 quando confronti una bozza a 480p con la sua nuova versione a 720p dalla stessa immagine. Per un risultato casuale ometti il seed invece di inviare 0.

Rivedi tutto il clip prima di ampliare l'azione

Guarda l'inizio, il movimento più ampio e l'ultimo secondo. Se un volto, un'etichetta o un contorno si deforma, riduci il numero di movimenti simultanei prima di riscrivere il prompt. Quando l'inquadratura successiva richiede un'altra composizione, riparti da un'immagine nuova invece di chiedere al movimento di arrivarci.

Avvio rapido dell’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-2.2/image-to-video",
  "input": {
    "image_url": "https://example.com/reference.png",
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "480p"
  }
}'

# 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"

Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.

Modelli correlati e attività successive

Manca il modello che ti serve?

Dicci cosa aggiungere e dove lo useresti. Le richieste arrivano a chi decide quali modelli integrare per primi.

Un fotogramma iniziale, cinque secondi di movimento senza censura

L'API immagine-in-video di Wan 2.2 prende un fotogramma iniziale più un prompt e restituisce cinque secondi di movimento costruiti da quel fotogramma, in 480p o 720p e senza traccia audio. Questo endpoint non ha alcun filtro di contenuto proprio della piattaforma. Inviate un fotogramma JPEG, PNG o WebP fino a 10 MB, idealmente ritagliato in 16:9 o 9:16: non c'è campo aspect-ratio, e un fotogramma in un altro formato può tornare ritagliato al centro.

Apri il Playground

Un fotogramma iniziale, cinque secondi di movimento senza censura

Input richiesto: image_url (fotogramma iniziale) e prompt
Formati immagine: JPEG, PNG o WebP, tetto di 10 MB
Durata della clip: 5 secondi fissi, nessun campo duration
Risoluzione: 480p o 720p (default 480p), determina il prezzo
Policy sui contenuti: Nessuno strato di filtro della piattaforma, il limite lo fissa il modello
Formato immagine: Nessun campo ratio; i fotogrammi 16:9 o 9:16 sono i più sicuri, altri formati possono essere ritagliati al centro

Senza censura: Nessuno strato di filtro aggiunto sopra il modelloQuesto endpoint non esegue alcun controllo di contenuto aggiuntivo proprio della piattaforma oltre a quello che fa il modello stesso. Ciò che viene generato e ciò che non lo è viene stabilito dal modello, e chi chiama resta responsabile dei diritti, del consenso e dell'uso legale di ogni fotogramma e prompt inviato.
Nessun campo ratio: Ritagliate prima di inviare, non dopoQuesto endpoint non ha il parametro aspect_ratio, quindi il fotogramma fisso è l'unico punto in cui controllare il formato. Ritagliarlo in 16:9 o 9:16 è la scelta sicura: un fotogramma con altre proporzioni può essere ridimensionato e ritagliato al centro, perdendo tutto ciò che si trovava vicino ai bordi.
Lo stesso contratto fisso di testo-in-video: Cinque secondi, due livelli di risoluzione, una regola di prezzoDurata e tariffazione qui si comportano in modo identico all'endpoint gemello testo-in-video della stessa famiglia: cinque secondi, 480p o 720p, un addebito per clip. Cambia solo l'input richiesto, un'immagine più un prompt invece di un prompt da solo.

Cosa fa Wan 2.2 con un fotogramma

Il fotogramma ancora ciò che il prompt non dice

Soggetto, abbigliamento e ambientazione esistono già nell'immagine caricata, quindi il prompt deve solo descrivere cosa cambia dopo quel primo fotogramma. Un prompt che ridescrive anche l'immagine consegna al modello una seconda versione della scena da conciliare con quella ricevuta.

La linea immagine-in-video open-weight di Alibaba

Alibaba ha pubblicato Wan 2.2 il 28 luglio 2025 sotto licenza Apache 2.0, con un modello immagine-in-video dedicato accanto a quello testo-in-video, e indica 480P e 720P per entrambi. L'endpoint ospitato qui offre gli stessi due livelli e vi aggiunge il contratto proprio di attività e fatturazione della piattaforma.

Tre formati di caricamento accettati
Il campo image_url accetta file JPEG, PNG e WebP fino a 10 MB. Un fotogramma fuori da questi formati, o più pesante del tetto, conviene convertirlo o ricomprimerlo localmente prima di inviare una richiesta, non dopo aver ricevuto una richiesta fallita.
Il ritaglio caricato è l'unico controllo del formato
Senza campo aspect_ratio qui, il formato della clip si gestisce tramite il fotogramma caricato. Un fotogramma già ritagliato in 16:9 o 9:16 è l'input più sicuro; una sorgente con altre proporzioni può essere ridimensionata e ritagliata al centro, il che taglia via qualsiasi elemento posizionato vicino ai bordi dell'immagine inviata.
Due livelli di risoluzione, una regola di prezzo
480p o 720p è l'unica scelta su questo endpoint che cambia il prezzo di una richiesta. Iterate prima il movimento a basso costo sul livello inferiore, poi reinviate il fotogramma e il prompt scelti in 720p una volta che il movimento è quello giusto.
Seed per confronti controllati
Tenere fissi immagine, prompt e seed mentre si testa un solo cambiamento di formulazione alla volta mantiene corretto il confronto tra due chiamate, anche se una ripetizione identica con lo stesso seed e gli stessi input non garantisce comunque una corrispondenza fotogramma per fotogramma. Per una nuova ripresa casuale, omettete seed dal payload invece di inviare 0.

Per chi è Wan 2.2

Team prodotto ed editoriali
Muovere un'immagine fissa approvata senza ridisegnarla
Inviate un packshot approvato e descrivete un unico arco di camera o una luce che scorre sulla superficie. Il fotogramma caricato mantiene etichetta, silhouette e ambientazione al loro posto mentre solo il prompt fornisce il movimento aggiunto, nient'altro.
Lavoro di ritratto e personaggio
Animare un aspetto già definito
Quando volto, abbigliamento e posa sono già fissati in un'immagine fissa approvata, questo endpoint aggiunge movimento intorno a quel fotogramma invece di rigenerare il soggetto da una descrizione testuale ogni volta.
Team orientati all'iterazione
Testare molti prompt su un fotogramma a basso costo
Poiché il prezzo qui dipende solo dal livello di risoluzione, far passare lo stesso fotogramma iniziale attraverso più prompt di movimento diversi in 480p costa esattamente lo stesso per chiamata che farlo passare attraverso uno solo.
Team che collegano un modello di immagini al movimento
Finire l'aspetto come immagine fissa, poi aggiungere movimento
Un fotogramma uscito da un'esecuzione testo-in-immagine può essere passato direttamente a image_url. Colore, ritaglio e stile vengono fissati mentre è ancora economico rifarli, e a questo endpoint si chiede solo una cosa: il movimento.

Come si chiama l'API di Wan 2.2

Ritagliare prima il fotogramma al vostro formato di consegna
Questo endpoint non ha il campo aspect_ratio, quindi ritagliate il fotogramma in 16:9 o 9:16 prima di caricarlo. Questi due formati sono quelli sicuri; un fotogramma con proporzioni insolite può essere ridimensionato e ritagliato al centro, tagliando qualsiasi elemento composto vicino ai suoi bordi.
Controllare il file rispetto a formato e tetto di dimensione
image_url deve risolversi in un JPEG, PNG o WebP di 10 MB o meno. Convertire o ricomprimere localmente un export più pesante richiede secondi; scoprirlo da una richiesta fallita costa un giro di andata e ritorno.
Descrivere solo ciò che accade dopo il primo fotogramma
Abbigliamento, soggetto e ambientazione sono già fissati dall'immagine caricata. Formulate l'azione, il movimento di camera e l'atmosfera, invece di ripetere dettagli che il fotogramma già mostra al modello.
Testare il movimento in 480p
Fate passare due o tre idee di movimento sullo stesso fotogramma al livello più economico mentre la direzione è ancora aperta. Tenete il seed fisso quando cambia solo la formulazione del prompt, così le riprese restano confrontabili.
Portare la ripresa scelta a 720p
Reinviate la stessa immagine, prompt e seed con resolution impostato su 720p una volta che una ripresa di movimento dal livello più economico merita di essere consegnata, invece di ricominciare tutta l'esplorazione.
Creare l'attività e raccogliere il risultato
Aggiungete una Idempotency-Key alla chiamata di creazione e salvate l'id dell'attività restituito, poi interrogate quell'id o attendete un callback registrato per la clip finita. Un timeout richiede di cercare quell'id, non un secondo invio.

Esempi svolti con Wan 2.2

Un solo arco di camera su un prodotto statico
Il prompt fornisce solo movimento e luce; il fotogramma caricato fissa forma, etichetta e posizione del prodotto dall'inizio alla fine, quindi nulla nel prodotto stesso deriva tra l'immagine sorgente e la clip finita.
```
The camera slowly arcs a quarter turn around the perfume bottle while a soft band of window light slides across the glass, the bottle itself stays perfectly still, shallow depth of field, clean studio background
```
Un ritratto guadagna un piccolo gesto deliberato
Un'azione controllata in un ritratto altrimenti fermo mantiene l'aspetto ancorato dal fotogramma caricato, dando al contempo alla clip un momento di movimento chiaro e leggibile che trattiene l'attenzione di chi guarda.
```
She tilts her head slightly and lets a slow, knowing smile form, soft directional light from the left, camera holds a static close shot, no other movement in the frame
```
Un'immagine fissa di danza diventa qualche secondo di movimento proseguito
Il prompt continua una posa già suggerita dal fotogramma invece di riprendere l'azione da una postura neutra, il che fa sentire la clip risultante come un prolungamento naturale dell'immagine sorgente.
```
The dancer completes the turn suggested by their pose, arms extending outward as they settle into the next position, warm stage light from above, camera holds a low static angle
```

Domande sull'API di Wan 2.2

Descrivete il movimento, non il soggetto: il fotogramma caricato fissa già chi o cosa compare nell'inquadratura, quindi il prompt ha bisogno solo dell'azione da aggiungere, del movimento di camera e dell'atmosfera. Un verbo chiaro fa avanzare una clip più di una pila di aggettivi, e cinque secondi bastano per un solo gesto, un solo arco o un solo cambio di luce.