Introduzione
Wan 2.6 Spicy Immagine in video è l’unico endpoint della famiglia di modelli Wan 2.6 Spicy. Un fotogramma iniziale autorizzato diventa esattamente 5, 10 o 15 secondi a 720p o 1080p, restituiti con audio. Il fotogramma porta abiti, corpo, set, luce e formato dell’inquadratura; il prompt porta il movimento. Niente nella richiesta segnala una clip, e non serve alcuna dichiarazione per richiesta.
L’unico campo obbligatorio è image_url. Prompt, prompt negativo, traccia audio, tipo di ripresa, espansione del prompt e seed sono tutti facoltativi.
Caratteristiche principali
Tre durate fisse
duration_seconds è un elenco chiuso di 5, 10 e 15, non un intervallo. Inviare 7 restituisce un errore di validazione invece di una clip arrotondata, quindi sai sempre quanti secondi stai pagando e puoi pianificare il montaggio attorno a tre durate. Acqua, capelli e mani reggono bene a cinque secondi e derivano di più a quindici, un aspetto da valutare prima di scegliere l’opzione più lunga.
La tua traccia tramite audio_url
Le clip tornano sempre con l’audio; non esiste un interruttore per toglierlo. Quando una battuta o una traccia musicale deve cadere su un fotogramma preciso, inviala tramite audio_url e la clip la segue per sincronizzazione labiale e ritmo. Il file deve essere WAV o MP3, lungo da 3 a 30 secondi e non oltre 15 MB.
Un campo a parte per le esclusioni
negative_prompt è il posto in cui tenere fuori, in massimo 500 caratteri, una seconda persona, un oggetto di scena, un testo a schermo o una filigrana che il fotogramma continua a riprodurre. Il prompt, fino a 1.500 caratteri, resta libero per il movimento. Descrivere di nuovo abiti o set nel prompt invita il modello a ridisegnare ciò che il fotogramma ha già fissato.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
image_url | Sì | Il fotogramma iniziale. Abiti, corpo, scenografia, direzione della luce e le proporzioni della clip arrivano tutti da qui, quindi ritaglialo prima nella forma di consegna. |
prompt | No | Facoltativo. Descrivi che cosa succede dopo il fotogramma: un'azione, un comportamento di camera, una nota sul suono. al massimo 1500 caratteri |
negative_prompt | No | Ciò che non deve comparire: una seconda persona, un oggetto di scena, testo a schermo, un watermark che la plate continua a riprodurre. È l'unico posto per escludere qualcosa. al massimo 500 caratteri |
duration_seconds | No | Esattamente 5, 10 o 15. Qualsiasi altro valore viene rifiutato invece che arrotondato, così la durata che paghi non è mai una sorpresa. |
resolution | No | 720p o 1080p, 720p di default. Sposta sia il prezzo sia il tempo che l'attività impiega a tornare. |
audio_url | No | Una traccia audio che la clip deve seguire, guidando sincronizzazione labiale e ritmo. |
seed | No | Da 0 a 2147483647. Tienilo fisso mentre confronti risoluzioni o durate a partire dalla stessa plate. |
shot_type | No | Single tiene l'intera clip su una sola ripresa continua. |
enable_prompt_expansion | No | Disattivata per impostazione predefinita, quindi il prompt parte così come lo scrivi. Attivala per completare un brief scarno. Predefinito: |
Prezzi
| Specifiche | Prezzo |
|---|---|
| $0.095 / secondo |
| $0.1425 / secondo |
Casi d’uso
Acqua e luce
L'esempio della piscina pubblicato parte da un fermo immagine di una nuotatrice che esce da una piscina sul tetto all'ora blu. Poiché il fotogramma contiene l'abbigliamento, l'acqua e la città alle sue spalle, il prompt dice solo che si alza ancora, si tira indietro i capelli e apre gli occhi verso la camera. Dura cinque secondi a 720p.
Scene a due
Un fotogramma con due persone viene trattato come qualsiasi altra continuazione: la clip prosegue ciò che mostra il fotogramma iniziale, e dopo non viene verificato nulla. L'esempio del camerino mantiene la stessa inquadratura per tutta la clip mentre una persona si muove dietro l'altra, renderizzato a 1080p per cinque secondi.
Personaggi companion con la tua traccia vocale
Riusa l’immagine di un personaggio come fotogramma iniziale e carica una battuta registrata tramite audio_url. Movimento delle labbra e ritmo seguono la tua registrazione, così lo stesso volto può recitare un copione invece di muoversi in modo generico.
Spot da quindici secondi in una sola chiamata
Quindici secondi coprono un pre-roll completo o una scheda di storia senza montaggio. Un fotogramma iniziale, una riga d’azione, una richiesta, e poiché la durata è uno di tre valori fissi, è definita prima dell’invio.
Consigli avanzati
Ritaglia il fotogramma al formato di consegna
La foto decide la persona, il costume, il luogo, la luce e le proporzioni della clip. Non esiste un campo per il formato, quindi ritagliala a 16:9, 9:16 o quadrato prima di inviarla; reinquadrare dopo costa un nuovo render. Invia JPEG, PNG senza trasparenza, BMP o WEBP, da 240 a 8.000 pixel per lato e non oltre 20 MB.
Costruisci una clip con piccoli movimenti
L'esempio della luce a stecche è fatto di due minuscoli movimenti, un piede che si flette e un ginocchio che si distende, mentre la seta si sposta sotto. La luce fa il resto quando le strisce a stecche avanzano mentre la tenda si muove, e la camera è un'oscillazione a mano in prima persona invece di un movimento. Azioni piccole e precise come queste danno al fotogramma qualcosa da fare senza chiedergli di cambiare.
Scrivi un limite nel prompt quando la camera è ferma
Nell'esempio del camerino di dieci secondi, tutto ciò che conta sta su un'unica linea orizzontale, e il prompt dichiara apertamente cosa deve restare fuori inquadratura. Quando la camera non si muove, dichiarare il vincolo nel prompt regge più affidabilmente che cercare di gestirlo con l'inquadratura, perché deve valere per tutta la clip.
Adatta l’esempio incluso
Parti dall’esempio pubblicato con duration_seconds: 5, image_url: a publicly accessible URL, resolution: 720p. Sostituisci soggetto e movimento mantenendo intatto il contratto di input di questa modalità.
She rises further out of the water, sheets of it running off her shoulders and swimsuit, slicks her wet hair straight back with both hands and opens her eyes toward camera, droplets scattering. Blue-hour city towers glow behind, slow-motion water detail, ambient pool lap and distant traffic.
La richiesta esatta dietro la clip di questo endpoint, generata dal fotogramma iniziale mostrato accanto.
Metti a punto a 720p, poi rendi la versione scelta a 1080p
La risoluzione cambia sia il prezzo sia la durata dell’elaborazione. Metti a punto il movimento a 720p, poi rigenera la versione scelta a 1080p con lo stesso fotogramma e lo stesso seed, che accetta valori da 0 a 2147483647. Tieni fissi entrambi anche quando confronti cinque secondi con quindici; altrimenti stai confrontando due clip diverse e non due impostazioni. Il seed stabilizza l’estrazione, ma una clip identica non è garantita.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6-spicy/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
