Wan 2.5 API

Wan 2.5 Immagine in video trasforma l’immagine fissa che invii in image_url in una clip di 5 o 10 secondi con audio. L’immagine decide soggetto, abiti, set, direzione della luce e proporzioni della clip; il prompt facoltativo, fino a 1.500 caratteri, descrive cosa succede dopo. Questo endpoint non ha un campo per il formato, quindi ritaglia l’immagine nel formato di consegna prima di inviarla. Se hai solo un’idea scritta e nessuna immagine, usa l’endpoint basato sul testo.

Scegli la modalità Wan 2.5 in base al materiale di partenza

Il fotogramma iniziale definisce il look

image_url accetta JPEG, PNG, BMP o WebP fino a 20 MB, con ogni lato tra 240 e 8.000 pixel. Quello che è già visibile nel file (un’etichetta, una silhouette, un costume) non va descritto di nuovo, così il prompt può dedicare le parole a movimento, camera e suono.

Audio generato con l’immagine o a tempo sulla tua traccia

Ogni clip torna con un audio generato insieme all’immagine. Aggiungi audio_url, un WAV o MP3 da 3 a 30 secondi e fino a 15 MB, quando una battuta registrata o un attacco musicale deve dettare i tempi: il volto viene dal fotogramma e il tempo delle labbra dall’audio. Una traccia più lunga della clip viene tagliata alla fine; una più corta lascia in silenzio il resto.

Due durate e tre risoluzioni

duration_seconds è esattamente 5 o 10, e resolution è 480p, 720p (predefinita) o 1080p. I livelli più alti costano di più al secondo e richiedono più tempo. Le clip brevi tengono meglio mani e capelli, quindi definisci il movimento a cinque secondi prima di passare a dieci.

Movimento di prodotto da un solo packshot

L’esempio pubblicato del flacone di siero invia una foto del prodotto e chiede solo un lento arco di camera di un quarto di giro mentre una striscia di luce della finestra scivola sul vetro; il flacone non si muove. Dato che il fotogramma fissa già etichetta e silhouette, il prompt porta solo luce e movimento, resi a 720p per cinque secondi.

Un ritratto che pronuncia una battuta registrata

Invia un ritratto approvato in image_url e la registrazione della battuta in audio_url. L’aspetto della persona viene dall’immagine e il tempo delle labbra dal file, così la revisione riguarda l’interpretazione e non il labiale.

Una ripresa in studio più lunga con dettagli protetti

L’esempio dello slip dress dura dieci secondi a 1080p partendo da un ritratto in studio: uno spostamento del peso, una rotazione verso l’obiettivo e due passi lenti, con camera fissa. Il suo prompt negativo, "extra people, text, jewellery changes", impedisce che i gioielli cambino o che compaiano altre persone lungo la durata maggiore.

Pioggia, acqua e altri suoni con una fonte visibile

Nell’esempio dell’ombrello, due persone restano quasi immobili mentre la pioggia batte sull’ombrello sopra di loro: il movimento appartiene all’acqua e il suono ha una fonte visibile. Quando l’evento è continuo come qui, di solito bastano cinque secondi.

# 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-2.5/image-to-video",
  "input": {
    "duration_seconds": 5,
    "image_url": "https://example.com/reference.png",
    "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"

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