Introduzione
Wan 2.6 Riferimenti in video porta persone, animali o oggetti presi da una a tre clip brevi dentro una scena nuova che descrivi tu. Le clip forniscono chi o cosa compare; 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. La chiamata è alibaba/wan-2.6/reference-to-video ed è asincrona: crei il task, poi interroghi lo stato o ricevi il callback.
Fino a due immagini fisse possono affiancare le clip, o sostituirle, nella stessa richiesta; insieme alle clip si arriva al massimo a cinque riferimenti. Le immagini vengono numerate dopo le clip, quindi con due clip la prima immagine è character3, e non vengono addebitate.
Scegli il metodo in base al materiale di partenza
| Da cosa parti | Metodo |
|---|---|
| una scena o una sceneggiatura scritta | Wan 2.6 Testo in video |
| un’immagine iniziale approvata | Wan 2.6 Immagine in video |
| riferimenti separati per aspetto, movimento o suono | Wan 2.6 Riferimenti in video |
Caratteristiche principali
I soggetti viaggiano, l’ambientazione si scrive
Le clip di riferimento decidono chi o cosa compare; il prompt decide dove si trovano, cosa fanno e come li trattano camera e luce. È questa la differenza rispetto a immagine in video, dove il fotogramma iniziale fissa anche set, luce e proporzioni. Qui una presentatrice ripresa una volta sola può trovarsi su un tetto al tramonto, in un altro formato, senza una seconda giornata di riprese.
Fino a tre clip in una scena
Invia una clip quando un solo soggetto deve restare riconoscibile, oppure fino a tre quando la scena ne richiede diversi insieme. Richiama le clip nel prompt secondo l’ordine di invio e indica cosa porta ciascuna, così il modello sa chi è la presentatrice e chi è il cane. Clip affollate con più persone rendono più difficile capire chi va incluso.
Formato e dimensioni sono parametri, non un’eredità
aspect_ratio si sceglie a ogni richiesta: 16:9, 9:16, 1:1, 4:3 o 3:4, tutti disponibili in 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 dal girato di riferimento, quindi una consegna verticale non richiede clip sorgente verticali, e lo stesso set di riferimenti può essere consegnato in più formati.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | Sì | La scena nuova: di' cosa apporta ciascun clip di riferimento, poi ambiente, azione, macchina e luce. Resta sotto i 1.500 caratteri. almeno 1 caratteri · al massimo 1500 caratteri |
negative_prompt | No | Ciò che non deve comparire: persone in più, scritte, oggetti di scena del clip di riferimento che non vuoi riportare. al massimo 1500 caratteri |
reference_video_urls | No | Fino a tre clip dei personaggi o degli oggetti da mettere in scena. almeno 1 elementi · al massimo 3 elementi |
reference_image_urls | No | Fino a due immagini fisse di personaggi o oggetti, insieme alle clip o al loro posto; sommate alle clip, una richiesta accetta al massimo cinque riferimenti. almeno 1 elementi · al massimo 2 elementi |
aspect_ratio | No | 16:9, 9:16, 1:1, 4:3 o 3:4, predefinito 16:9, disponibile a entrambe le risoluzioni; le dimensioni in pixel di ogni combinazione sono nelle specifiche. |
resolution | No | 720p o 1080p, predefinito 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. |
seed | No | Da 0 a 2147483647. Tienilo fermo mentre cambi un clip di riferimento alla volta, così l'estrazione casuale resta costante e si muove solo ciò che hai cambiato. |
Prezzi
Gli spezzoni di riferimento si sommano ai secondi fatturati. Poiché non possiamo misurare i tuoi spezzoni prima dell’esecuzione, blocchiamo in anticipo l’importo per i 5 secondi massimi e rilasciamo la parte non utilizzata al momento del conteggio — paghi solo i secondi effettivamente usati.
| Specifiche | Prezzo |
|---|---|
| $0.065 / secondo |
| $0.0975 / secondo |
Casi d’uso
Portare una presentatrice in un luogo nuovo
Una clip della persona, poi un prompt per la stanza, la luce e il movimento di camera. L’aspetto della presentatrice arriva dal riferimento mentre il set viene scritto, così una sola giornata di riprese fornisce materiale per location che quel giorno non erano disponibili.
Ambientare un prodotto in chiave stagionale
Invia la rotazione del packshot che hai già e descrivi una superficie nuova, una stagione nuova, una luce nuova. L’oggetto mantiene forma e finitura mentre la scena attorno viene ricostruita, così una sola clip di prodotto serve più ambientazioni di campagna senza allestire di nuovo lo scatto.
Riunire due soggetti
Una clip di una presentatrice e una clip dell’animale o dell’oggetto che deve condividere l’inquadratura, poi un prompt che dice cosa fa ciascuno. Risolve scene che altrimenti richiederebbero entrambi i soggetti sul set nello stesso giorno.
Riusare girato che non puoi rifare
Una clip d’archivio di una presentatrice non più disponibile, o un campione di prodotto già tornato al cliente, contiene ancora il soggetto. Inviala come riferimento e scrivi la nuova ambientazione: il vecchio girato fornisce il soggetto, il prompt fornisce la scena.
Consigli avanzati
Scegli clip che il modello riesca a leggere
Funziona meglio un girato breve in cui il soggetto è grande nell’inquadratura, ben illuminato e visto da più di un’angolazione. Un soggetto che resta piccolo o in controluce tende a tornare solo in modo approssimativo. Taglia prima del caricamento, non dopo: i secondi che invii vengono fatturati, e i pochi secondi in cui il soggetto è più chiaro di solito si trasferiscono meglio di una ripresa lunga che divaga.
Scrivi la scena, non il riferimento
Indica prima cosa porta ogni clip, per esempio la donna della clip 1 e il cane della clip 2, poi descrivi ambientazione, azione, camera e luce come faresti per testo in video, entro 1.500 caratteri. Descrivere di nuovo ciò che il girato mostra già consuma quello spazio e a volte entra in conflitto con le clip. Usa negative_prompt per ciò che continua a comparire e non dovrebbe: persone in più, sottotitoli a schermo o un oggetto della clip di riferimento che segue il soggetto nella scena nuova.
Calcola i secondi prima di inviare
I secondi fatturabili sono la durata di output più la durata complessiva delle clip di riferimento, ciascuna arrotondata per eccesso al secondo intero, con la parte di riferimento conteggiata fino a cinque secondi in totale. Un render di 5 secondi con un riferimento di 3 secondi viene fatturato come 8 secondi alla tariffa della risoluzione scelta; lo stesso render con tre clip che sommano nove secondi viene fatturato come 10, perché contano solo cinque secondi di riferimento. La stima in tempo reale prima dell’invio mostra l’importo, e 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 pubblicato con aspect_ratio: 16:9, duration_seconds: 5, resolution: 720p e una clip in reference_video_urls. Sostituisci soggetto e messa in scena mantenendo intatto questo contratto di input.
Keep character1, the amber glass bottle, exactly - its shape, colour and the marble block it stands on. Move it to a sunlit kitchen windowsill in the morning, lemons and a linen cloth beside it. The camera circles it slowly the way the reference clip does. Soft birdsong outside.
Una clip di prodotto come riferimento, rimessa in scena in una stanza nuova mentre la camera ripete il suo lento giro attorno.
Controlla la somiglianza 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, quindi controlla l’ultimo secondo prima di impegnarti su quella durata. Tra 2 e 3 secondi c’è raramente spazio per un taglio, perciò multi rende soprattutto da circa 6 secondi in su. Tieni fisso il seed e cambia una clip di riferimento alla volta durante il confronto: l’estrazione casuale resta costante e si muove solo ciò che hai cambiato, 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"shot_type": "single",
"reference_video_urls": [
"https://example.com/reference.mp4"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
