Il text-to-video Wan 2.5 di Alibaba trasforma un’inquadratura scritta in una clip di 5 o 10 secondi con audio generato, a 480p, 720p o 1080p. Scegli 16:9, 9:16, 1:1, 4:3 o 3:4 e, se vuoi, fornisci una traccia audio da seguire.
Playground
Questi esempi sono stati scritti per questo endpoint. Sostituisci il prompt e gli URL dei media di esempio con input tuoi e raggiungibili, poi controlla il preventivo aggiornato e la disponibilità del modello prima di inviare.
- Output5 s
bar-slow-dance Due persone in un solo movimento, partendo solo da parole: a locale chiuso, lei lo attira per la cravatta finché i loro volti quasi si toccano, poi si china all’indietro tra le sue braccia e ride mentre la camera gira intorno a loro. La foschia nei fasci di luce ambrata dà all’orbita qualcosa da rivelare.
- 720p
- 16:9
- 5s
- Output10 s
sax-solo-ten-seconds `duration_seconds` è `10`, la più lunga delle due durate accettate da questo endpoint, a `1080p` in `16:9`. Il brief chiede alla passata audio qualcosa di preciso: che il suono del sax corrisponda alla diteggiatura, il che è un'affermazione di sincronia e non di atmosfera. Se dovete mettere alla prova l'audio generato, provatelo contro un meccanismo visibile: allora vedrete da soli se è allineato.
- 1080p
- 16:9
- 10s
- Output5 s
harbour-dawn-swim Un'azione e una posizione di macchina, con il suono scritto per esteso così che lo splash e la risata cadano sui fotogrammi giusti.
- 720p
- 16:9
- 5s
- Output10 s
record-shop-vertical Una ripresa verticale di dieci secondi a 1080p: una panoramica dalle mani al volto, con un negative prompt che tiene fuori didascalie e persone in più.
- 250924
- 1080p
- 9:16
Questo esempio parte da $0.045 per secondo generato. Il Playground aggiorna la stima quando cambi le impostazioni.