Introduzione
Wan 2.6 Flash Riferimenti in video porta persone, animali o oggetti dai tuoi riferimenti dentro una scena nuova che descrivi tu, sul livello Flash di Wan 2.6, più veloce ed economico. Invia fino a cinque riferimenti, di cui al massimo tre clip brevi e il resto immagini fisse, oppure solo immagini fisse: luogo, azione, camera e luce arrivano interamente dal prompt. Il risultato dura un numero intero di secondi da 2 a 10, a 720p o 1080p, in uno dei cinque formati, come ripresa continua o come montaggio a più inquadrature. Le clip sono mute per impostazione predefinita; attiva generate_audio quando la scena ha bisogno di una sua colonna sonora.
Scegli una modalità di Wan 2.6 Flash in base al materiale di partenza
| Da cosa parti | Modalità |
|---|---|
| un fotogramma iniziale approvato | Wan 2.6 Flash Immagine in video |
| foto o clip brevi delle persone e degli oggetti da mettere in scena | Wan 2.6 Flash Riferimenti in video |
Caratteristiche principali
Cast da immagini fisse, da clip o da entrambe
reference_image_urls accetta fino a cinque immagini fisse e reference_video_urls fino a tre clip brevi, per un totale di cinque riferimenti. Bastano anche solo le immagini fisse: due ritratti sono tutto ciò che serve per mettere due persone nella stessa scena, e le immagini fisse non vengono addebitate. Una clip porta ciò che una fotografia non può, come il modo di muoversi di una persona o il comportamento di un luogo, al prezzo di far fatturare i suoi secondi insieme all’uscita.
Il prompt dà il nome al cast
Wan riconosce ogni riferimento solo attraverso i nomi character1, character2 e così via, in ordine: prima le clip, poi le immagini fisse. Indica ciascun nome prima di descrivere cosa fanno, per esempio character1 che balla con character2, e il modello sa chi è chi. Tutto il resto — il set, l’azione, la camera e la luce — si scrive: una persona fotografata una sola volta può trovarsi su un tetto di notte o su una banchina bagnata di pioggia senza un secondo set.
Il suono è un interruttore, il formato è un parametro
generate_audio è disattivato per impostazione predefinita e restituisce solo l’immagine; attivato, la clip torna con voci, effetti e atmosfera generati al doppio della tariffa al secondo. aspect_ratio si sceglie a ogni richiesta: 16:9, 9:16, 1:1, 4:3 o 3:4 a entrambe le risoluzioni. Il 720p restituisce 1280×720, 720×1280, 960×960, 1088×832 o 832×1088; il 1080p restituisce 1920×1080, 1080×1920, 1440×1440, 1632×1248 o 1248×1632. Nulla viene preso dai riferimenti, quindi una consegna verticale non richiede sorgenti verticali.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | Sì | La scena nuova: chiama ogni riferimento character1, character2 e così via, prima le clip e poi le immagini fisse, e di’ cosa fa ciascuno, poi ambientazione, camera e luce. almeno 1 caratteri · al massimo 1500 caratteri |
negative_prompt | No | Ciò che non deve comparire: persone in più, sottotitoli, un oggetto di scena di un riferimento che non vuoi riportare. Al massimo 500 caratteri. al massimo 500 caratteri |
reference_video_urls | No | Fino a tre clip brevi dei soggetti o dei luoghi da mettere in scena, per un totale di al massimo cinque secondi. almeno 1 elementi · al massimo 3 elementi |
reference_image_urls | No | Fino a cinque immagini fisse di persone, animali o oggetti da mettere in scena, insieme alle clip o al loro posto; sommate alle clip, una richiesta accetta al massimo cinque rif… almeno 1 elementi · al massimo 5 elementi |
aspect_ratio | No | 16:9, 9:16, 1:1, 4:3 o 3:4, predefinito 16:9, disponibile a entrambe le risoluzioni. |
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 quanto dura il task, ed entrambe le risoluzioni accettano tutti e cinque i formati. |
duration_seconds | No | Un numero intero qualsiasi da 2 a 10, predefinito 5. |
shot_type | No | single tiene una ripresa continua; multi lascia che il modello stacchi fra inquadrature dentro la stessa scena, adatto a una scena con un ritmo. |
enable_prompt_expansion | No | Disattivata per impostazione predefinita. Predefinito: |
seed | No | Da 0 a 2147483647. Tienilo fermo mentre cambi un riferimento alla volta, così l’estrazione casuale resta costante e si muove solo ciò che hai cambiato. |
Prezzi
Le clip di riferimento si sommano ai secondi fatturati, conteggiate fino a 5 secondi in totale; le immagini fisse sono gratuite. Quando la durata di una clip non si può leggere prima dell’esecuzione, blocchiamo in anticipo l’importo per i 5 secondi massimi e rilasciamo la parte non utilizzata appena il task si conclude, così paghi solo i secondi effettivamente usati.
| Risoluzione | Genera l’audio: No | Genera l’audio: Sì |
|---|---|---|
| $0.0225 / secondo | $0.045 / secondo |
| $0.03375 / secondo | $0.0675 / secondo |
Casi d’uso
Mettere due persone nella stessa scena
Un ritratto di ciascuna persona, poi un prompt su dove si trovano e su cosa accade tra loro. L’esempio del tetto in questa pagina parte da due immagini fisse e nient’altro, con il suono attivo, così la scena porta con sé il suo vento e i rumori della città.
Spostare un soggetto in un luogo nuovo
Una clip breve o un’immagine fissa della persona, poi il nuovo set, la luce e il movimento di camera. L’aspetto arriva dal riferimento mentre il luogo si scrive, così un solo set fornisce materiale per location che quel giorno non erano disponibili.
Unire un luogo e una persona
Una clip di un luogo e un’immagine fissa di una persona li mettono in scena insieme: l’esempio della banchina usa una clip del porto di cinque secondi come character1 e un ritratto come character2, e la donna attraversa un luogo in cui non è mai stata ripresa.
Abbozzare in fretta idee di cast
Flash privilegia tempi e costo rispetto all’ultimo grado di texture, e questo si adatta a provare più cast, ambientazioni e movimenti di camera a 720p prima di impegnarti su una ripresa finale.
Consigli avanzati
Dai un nome a ogni riferimento prima dell’azione
Parti dal cast — character1, una donna adulta con un abito sottoveste verde; character2, un uomo adulto con una camicia bianca — poi ambientazione, azione, camera e luce, entro 1.500 caratteri. Descrivere di nuovo ciò che i riferimenti mostrano già consuma questo spazio e può entrare in conflitto con loro. Usa negative_prompt per ciò che continua a comparire e non dovrebbe: persone in più, sottotitoli o un oggetto di scena che segue un soggetto nella scena nuova.
Scegli riferimenti che il modello riesca a leggere
Immagini fisse e clip in cui il soggetto è grande nell’inquadratura e ben illuminato si trasferiscono meglio; un soggetto che resta piccolo o in controluce tende a tornare solo in modo approssimativo. Le immagini fisse portano bene colore e aspetto, mentre forma e movimento arrivano con più fedeltà da una clip. Invia le immagini come JPEG, PNG senza trasparenza, BMP o WEBP, da 240 a 8.000 pixel per lato e fino a 20 MB, e le clip come MP4 o MOV.
Calcola i secondi prima di inviare
I secondi fatturabili sono la durata di uscita più le clip di riferimento, ciascuna arrotondata per eccesso al secondo intero e di almeno un secondo per clip, con le clip contate fino a cinque secondi in totale; le immagini fisse non aggiungono nulla. Un render di 5 secondi da due immagini fisse viene fatturato come 5 secondi; con una clip di 3 secondi fa 8. La tariffa segue la risoluzione e raddoppia con generate_audio attivo. Le clip che carichi possono aggiungere fino a cinque secondi, e la stima in tempo reale prima dell’invio mostra l’importo; se la durata di una clip non si può leggere in anticipo, la stima presume cinque secondi e l’addebito finale usa la durata misurata.
Adatta l’esempio incluso
Parti dall’esempio del tetto: due immagini fisse in reference_image_urls, aspect_ratio 16:9, duration_seconds 5, resolution 720p e generate_audio attivo. Sostituisci il cast e la messa in scena mantenendo intatto questo contratto di input.
character1, an adult woman in a dark green silk slip dress, and character2, an adult man in an open-collar white linen shirt, slow-dance on a city rooftop at night, foreheads almost touching. Her hand slides up the back of his neck as he pulls her closer by the waist; she laughs quietly against his cheek. String lights sway in the wind, the city glows behind them. Slow handheld orbit around the pair, warm practical light, shallow depth of field, film grain. Sound: soft wind, distant traffic, her low laugh, a saxophone drifting up from a bar below.
Controlla il risultato prima di iterare
Riproduci l’intera clip e non solo il primo secondo: la somiglianza tende a scivolare verso la fine delle durate più lunghe. multi rende soprattutto da circa 6 secondi in su, e sceglierlo attiva anche enable_prompt_expansion per quella richiesta. Tieni fisso il seed e cambia un riferimento alla volta mentre confronti: l’estrazione casuale resta costante, senza promettere una ripetizione identica fotogramma per fotogramma. Le clip generate vengono eliminate dopo 14 giorni, quindi copia tutto ciò che vuoi conservare.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6-flash/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"generate_audio": false,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"shot_type": "single",
"reference_video_urls": [
"https://example.com/reference.mp4"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
