Introduzione
Wan 2.6 Testo in video trasforma un’inquadratura scritta, o un elenco numerato di inquadrature, in una clip di esattamente 5, 10 o 15 secondi a 720p o 1080p. L’unico campo obbligatorio è prompt. Tutto il resto ha un valore predefinito: 16:9, 720p, cinque secondi, una ripresa continua ed espansione del prompt disattivata. La clip torna con un audio generato insieme all’immagine, e con audio_url puoi invece fornirle una battuta registrata o una traccia musicale da seguire.
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
Cinque formati in entrambe le risoluzioni
aspect_ratio accetta 16:9, 9:16, 1:1, 4:3 e 3:4, e ogni formato è disponibile sia a 720p sia a 1080p. Poiché nulla viene ereditato da un’immagine di input, lo stesso brief può essere reso come master orizzontale e come versione verticale cambiando un solo campo. La risoluzione determina la tariffa al secondo e la durata dell’elaborazione, quindi il 720p predefinito è il punto naturale in cui mettere a punto un prompt.
Una ripresa o una sequenza pianificata
shot_type alterna tra single, una ripresa continua, e multi, in cui il modello può tagliare tra più inquadrature all’interno della stessa clip. Una richiesta multi gira sempre con l’espansione del prompt attiva, qualunque sia il valore di enable_prompt_expansion, perché i tagli vengono pianificati mentre il brief viene ampliato. Multi è adatto a una breve storia con un finale; single è la scelta giusta quando la continuità conta più della copertura.
Audio nello stesso passaggio
L’audio viene generato con l’immagine, quindi una frase sul suono alla fine del prompt determina ciò che senti. Se il suono esiste già, audio_url accetta un WAV o un MP3 da 3 a 30 secondi e fino a 15 MB, e i movimenti della bocca e il ritmo dell’azione si adattano a quel file. Una traccia più lunga viene tagliata alla durata della clip; con una più corta, il resto della clip resta muto.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | Sì | L'inquadratura vera e propria: chi, un'azione, un movimento di macchina, poi luce e suono – oppure inquadrature numerate per multi. Resta sotto i 1.500 caratteri. almeno 1 caratteri · al massimo 1500 caratteri |
negative_prompt | No | Le cose che devono restare fuori: didascalie, loghi, persone in più, un colore che continua a tornare. Al massimo 500 caratteri. al massimo 500 caratteri |
aspect_ratio | No | 16:9, 9:16, 1:1, 4:3 o 3:4, predefinito 16:9. Tutte e cinque le forme sono disponibili in entrambe le risoluzioni. |
resolution | No | 720p o 1080p, predefinito 720p. Fissa la tariffa al secondo e il tempo di elaborazione. |
duration_seconds | No | Esattamente 5, 10 o 15. Qualsiasi altro valore viene rifiutato, non arrotondato. |
audio_url | No | Una battuta o un attacco musicale che la clip deve seguire. La forma della bocca e il movimento si adattano ai tempi di questo file. |
shot_type | No | single mantiene una ripresa continua; multi lascia che il modello stacchi tra più inquadrature e attiva |
enable_prompt_expansion | No | Disattivata per impostazione predefinita. Predefinito: |
seed | No | Da 0 a 2147483647. Tienilo fermo mentre confronti un cambiamento per volta; omettilo per avere varietà. |
Prezzi
| Specifiche | Prezzo |
|---|---|
| $0.09 / secondo |
| $0.135 / secondo |
Casi d’uso
Un’inquadratura d’atmosfera con il suono scritto
L’esempio pubblicato del porto mostra lo schema a ripresa singola. Un pescatore con la cerata gialla avvolge una cima bagnata, alza lo sguardo verso un traghetto che passa e solleva la mano, ripreso con un unico carrello lento da dietro una pila di casse. Il prompt si chiude con una riga sull’audio, così la pioggia costante, un lungo fischio del traghetto e lo scricchiolio della cima stanno sotto l’immagine senza una traccia separata. Gira a 16:9, cinque secondi, 720p.
Una microstoria verticale per i social
L’esempio del forno chiede tre inquadrature numerate in una clip 9:16 di dieci secondi a 1080p: la saracinesca che si alza all’alba, mani infarinate che modellano una pagnotta, poi lo sportello del forno che si accende di arancione mentre entra una teglia. shot_type è impostato su multi, quindi ogni riga numerata ottiene il proprio taglio, e un seed fisso tiene stabile l’estrazione mentre rifinisci la formulazione.
Sviluppo del look prima delle riprese
Un brief scritto basta per provare ambientazione, luce e ritmo di una scena che ancora non esiste. Non mantiene però un volto o un prodotto specifico tra un’esecuzione e l’altra. Quando una persona o una confezione deve restare riconoscibile, crea prima il fotogramma e sposta il lavoro su immagine in video, dove l’immagine iniziale fissa l’aspetto.
Consigli avanzati
Scrivi una ripresa singola in quattro parti
Per single, nomina il soggetto, indica un’azione, indica un movimento di camera, poi aggiungi la luce e una riga sul suono. Il prompt del porto segue quest’ordine, ed è per questo che il risultato si valuta facilmente: o la cima, lo sguardo e la mano alzata accadono mentre il carrello resta dietro le casse, oppure no.
Late evening on a rain-soaked harbour quay. A fisherman in a yellow oilskin coils a wet rope, looks up at a passing ferry and raises a hand. Slow dolly from behind a stack of crates, sodium lights reflecting in the puddles. Audio: steady rain, a long ferry horn, the rope creaking.
Numera le inquadrature per multi
Per multi, inizia ogni riga con "Shot 1:", "Shot 2:" e così via, e dai a ogni riga il suo taglio d’inquadratura e il suo soggetto. Un evento per riga: appena una riga descrive due eventi, il confine tra i tagli non lo decidi più tu. I montaggi a più inquadrature hanno bisogno delle durate lunghe per respirare, quindi scegli 10 o 15 secondi.
Tieni le esclusioni fuori dal brief principale
Sottotitoli, loghi, persone in più o un colore che continua a comparire vanno in negative_prompt, che accetta fino a 500 caratteri, mentre il prompt resta sotto i 1.500. Per una ripresa singola lascia enable_prompt_expansion disattivato quando il prompt è già una descrizione precisa dell’inquadratura; attivalo quando un’idea di una riga va sviluppata.
Confronta un cambiamento alla volta
seed accetta valori da 0 a 2147483647. Tienilo fisso mentre cambi una sola cosa, come il movimento di camera, il formato o single contro multi, e omettilo quando vuoi varietà. Stabilizza il confronto, ma non promette una ripetizione identica fotogramma per fotogramma. Le durate diverse da 5, 10 o 15 secondi vengono rifiutate, non arrotondate.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6/text-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
