Wan 2.6 API

Wan 2.6 Immagine in video parte dal fotogramma che invii in image_url e restituisce esattamente 5, 10 o 15 secondi a 720p o 1080p, con audio. Il fotogramma fissa soggetto, costumi, set, direzione della luce e proporzioni della clip. Il prompt è facoltativo e contiene fino a 1.500 caratteri: un’azione per una ripresa singola, oppure inquadrature numerate per un montaggio a più inquadrature.

Scegli il metodo in base al materiale di partenza

Il fotogramma decide formato e aspetto

Non esiste un campo per il formato: la clip mantiene le proporzioni dell’immagine che invii, quindi una consegna 9:16 comincia con un ritaglio 9:16. Il fotogramma può essere JPEG, PNG senza trasparenza, BMP o WEBP, da 240 a 8.000 pixel per lato e non oltre 20 MB. Tutto ciò che vi compare è già deciso, e il prompt resta libero di descrivere il movimento.

Copertura tagliata da un solo fotogramma

Con shot_type impostato su multi, il modello può tagliare tra angolazioni diverse mantenendo il look del fotogramma iniziale, così una clip di quindici secondi può contenere un campo lungo, un dettaglio e un finale invece di un unico movimento di camera che deriva. Una richiesta multi gira sempre con l’espansione del prompt attiva. Resta su single per rotazioni di prodotto, mezzi busti che parlano e tutto ciò che deve restare continuo, perché multi rompe la continuità per scelta.

Audio generato o fornito da te

La clip torna con un audio generato nello stesso passaggio dell’immagine. Perché parlato o accenti musicali cadano dove te li aspetti, invia audio_url: WAV o MP3, da 3 a 30 secondi, fino a 15 MB. Una traccia più lunga viene tagliata alla durata della clip; con una più corta, il resto della clip resta muto.

Una macro di prodotto che non deve saltare

L’esempio del siero anima la foto di un flacone con contagocce per cinque secondi a 1080p con un seed fisso. Una sola goccia cade dalla punta del contagocce, anelli si allargano sul liquido e la fascia di luce sul vetro si schiarisce un poco, il tutto con inquadratura macro bloccata e un leggero tintinnio di vetro. Resta una ripresa singola perché un’inquadratura di prodotto non deve tagliare tra angolazioni.

Una breve storia d’interni da una sola foto

L’esempio dell’appartamento la sera dura 15 secondi a 720p, con shot_type su multi ed espansione del prompt attiva. Un solo fotogramma d’interni fornisce tre inquadrature: la lampada tremola mentre fuori si accendono le luci della città, una coperta piegata scivola dalla poltrona e la porta d’ingresso si apre versando la luce del corridoio sul parquet, su un tono d’ambiente tranquillo e traffico lontano.

Un personaggio che pronuncia la tua battuta

Abbina l’immagine di un personaggio a una battuta registrata in audio_url, così il parlato cade dove te lo aspetti invece di diventare un movimento generico. I mezzi busti che parlano vanno su single, e conviene controllare tutta la durata: se la traccia è più corta della clip, la parte restante è muta.

# 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/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.