Introduzione
Wan 2.6 Flash Immagine in video è il livello più veloce ed economico di Wan 2.6 immagine in video, pubblicato come API a sé. Riceve un fotogramma iniziale in image_url e restituisce esattamente 5, 10 o 15 secondi a 720p o 1080p, come ripresa continua o come montaggio a più inquadrature. Cede un po’ di dettaglio fine in cambio di tempi più rapidi. Le clip sono mute per impostazione predefinita; attiva generate_audio quando una ripresa ha bisogno di una sua colonna sonora.
Caratteristiche principali
La stessa richiesta di Wan 2.6, con il suono come interruttore
Flash legge gli stessi campi di Wan 2.6 Immagine in video, audio_url compreso: fotogramma iniziale, prompt, prompt negativo, durata, risoluzione, tipo di ripresa, espansione del prompt, seed e una traccia audio guida. In più, generate_audio decide se la clip torna con una colonna sonora generata: disattivato, l’impostazione predefinita, restituisce solo l’immagine alla tariffa più bassa; attivato restituisce voci, effetti e atmosfera al doppio della tariffa al secondo. Con l’opzione disattivata, audio_url guida solo bocca e ritmo. Un prompt che funziona qui si può inviare a Wan 2.6 senza modifiche quando una ripresa deve reggere texture più fini, quindi abbozzare su Flash non significa mai scrivere la richiesta due volte.
Dove si vede la velocità
Flash privilegia velocità e costo rispetto al dettaglio fine. Texture dense e movimenti rapidi e complessi possono reggere meno bene che su Wan 2.6, quindi controlla una ripresa prima di considerarla definitiva. Anche qui la risoluzione conta: determina la tariffa al secondo e la durata dell’elaborazione, con 720p come impostazione predefinita e 1080p per le riprese che tieni.
Il formato viene dal fotogramma, i tagli da shot_type
Non esiste un campo per il formato. La clip mantiene le proporzioni del fotogramma, quindi ritaglia a 16:9, 9:16 o quadrato prima della chiamata. shot_type sceglie tra single, una ripresa continua, e multi, che taglia tra angolazioni all’interno della clip e attiva l’espansione del prompt per quella richiesta.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
image_url | Sì | Il fotogramma iniziale. Soggetto, abiti, set, direzione della luce e proporzioni della clip vengono da qui, quindi ritaglialo prima. |
prompt | No | Facoltativo. Un'azione sola per una ripresa continua, oppure inquadrature numerate per un montaggio. almeno 1 caratteri · al massimo 1500 caratteri |
negative_prompt | No | Ciò che non deve comparire: una seconda persona, sottotitoli, un oggetto di scena che il fotogramma continua a riportare dentro. Al massimo 500 caratteri. al massimo 500 caratteri |
audio_url | No | Una battuta o uno stacco musicale che la clip deve seguire: movimenti della bocca e ritmo si regolano su questo file. WAV o MP3, da 3 a 30 secondi, fino a 15 MB. |
generate_audio | No | Disattivato per impostazione predefinita, quindi la clip torna con le sole immagini. Predefinito: |
resolution | No | 720p o 1080p, predefinita 720p. Fissa la tariffa al secondo e il tempo di elaborazione. |
duration_seconds | No | Esattamente 5, 10 o 15. I montaggi su più inquadrature hanno bisogno delle durate lunghe per respirare. |
shot_type | No | single mantiene una ripresa continua; multi lascia che il modello stacchi tra le inquadrature: ottimo per le storie brevi, ma a costo della continuità. |
enable_prompt_expansion | No | Disattivata per impostazione predefinita. Attivandola, un'idea di una riga diventa una scaletta di inquadrature per multi; lasciala spenta se il prompt è già preciso. Predefinito: |
seed | No | Da 0 a 2147483647. Tienilo fermo quando confronti single e multi partendo dallo stesso fotogramma. |
Prezzi
| Risoluzione | Genera l’audio: No | Genera l’audio: Sì |
|---|---|---|
| $0.0225 / secondo | $0.045 / secondo |
| $0.03375 / secondo | $0.0675 / secondo |
Casi d’uso
Bozze di prompt e di liste di inquadrature
Esegui più formulazioni dello stesso movimento da un solo fotogramma a 720p e confrontale fianco a fianco. Render rapidi ed economici rendono pratico esplorare in ampiezza, single contro multi o un movimento di camera contro un altro, prima di impegnarti su una ripresa finale in uno dei due livelli.
Varianti per feed e pubblicità
Brevi loop verticali per schede prodotto, post social e test pubblicitari, dove contano più le molte riprese che l’ultimo grado di texture. Ritaglia prima il fotogramma a 9:16, perché la clip ne mantiene le proporzioni, poi fai variare la riga d’azione mentre il fotogramma resta fisso.
Immagine per il tuo mix audio
Con generate_audio disattivato, Flash restituisce solo immagine, e questo si adatta ai montaggi in cui musica, voce fuori campo ed effetti vengono comunque aggiunti dopo. La versione Flash dell’esempio dell’appartamento la sera usa lo stesso prompt in tre inquadrature della versione Wan 2.6, senza la riga finale sul suono, e dura sempre 15 secondi a 720p con shot_type su multi. Attiva generate_audio quando una bozza deve già avere il tono d’ambiente o una battuta parlata.
Consigli avanzati
Scrivi il suono nel prompt solo quando il suono è attivo
Con generate_audio disattivato, una frase sul tono d’ambiente o su un tintinnio non ha nulla da modellare, quindi usa i 1.500 caratteri per azione, camera e luce. L’esempio del siero su Flash è il prompt di Wan 2.6 senza la nota sul suono:
A single drop falls from the dropper tip into the bottle and sends slow rings across the liquid surface; the light band on the glass brightens a little. Locked macro framing.
Con generate_audio attivo, descrivi con parole semplici i suoni che vuoi, dopo l’azione.
Un’azione per single, inquadrature numerate per multi
Una ripresa singola chiede un’azione e un movimento di camera. Un montaggio a più inquadrature chiede inquadrature numerate, ognuna con il proprio taglio, e le durate lunghe di 10 o 15 secondi perché i tagli abbiano spazio. Lascia enable_prompt_expansion disattivato quando il prompt è già preciso; si attiva da solo ogni volta che scegli multi.
Tieni ferme le variabili quando confronti
seed accetta valori da 0 a 2147483647. Fissalo insieme al fotogramma quando confronti single e multi, così la differenza che vedi viene dall’impostazione che hai cambiato. Quando una ripresa passa a Wan 2.6, invia lo stesso fotogramma e lo stesso prompt, così il confronto mostra cosa aggiunge il livello più fine.
Controlla il fotogramma e il risultato
Invia JPEG, PNG senza trasparenza, BMP o WEBP, da 240 a 8.000 pixel per lato e non oltre 20 MB. Usa negative_prompt, fino a 500 caratteri, per una seconda persona, sottotitoli o un oggetto di scena che il fotogramma continua a riportare. Guarda l’intera clip prima della consegna, facendo attenzione soprattutto a texture e movimenti rapidi.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6-flash/image-to-video",
"input": {
"duration_seconds": 5,
"generate_audio": false,
"image_url": "https://example.com/reference.png",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
