Introduzione
Wan 2.7 Spicy Immagine in video è uno dei due endpoint della famiglia di modelli senza censura Wan 2.7 Spicy. Un fotogramma iniziale in image_url e un prompt obbligatorio diventano da 2 a 15 secondi di video a 720p o 1080p, con audio. L’immagine fissa porta la persona, gli abiti, il corpo, il set, la direzione della luce e la forma della clip; il prompt porta movimento, camera e suono.
Nel corpo della richiesta non c’è alcun flag sui contenuti, nessuna dichiarazione per richiesta e nessuna fase di revisione: la clip prosegue ciò che mostra il fotogramma autorizzato. Questa famiglia non ha task di testo in video o di riferimento, quindi ogni nuova clip parte da un’immagine fissa; per continuare una clip che hai già, usa Estensione video.
Caratteristiche principali
Il fotogramma che invii è quello che si muove
image_url accetta JPEG, PNG senza trasparenza, BMP o WEBP, da 240 a 8.000 pixel per lato, con proporzioni tra 1:8 e 8:1 e non più di 20 MB. Non esiste un campo per le proporzioni, quindi il ritaglio che invii è quello che ricevi indietro. Tutto ciò che mostra l'immagine di partenza passa nella clip così com'è.
Qualsiasi durata intera da 2 a 15 secondi
duration_seconds accetta qualsiasi intero da 2 a 15, predefinito 5, e resolution è 720p (predefinita) o 1080p. Entrambi influiscono su prezzo e tempo di elaborazione. Oltre i dieci secondi la deriva di mani e tessuto diventa visibile, quindi le riprese lunghe riescono meglio partendo da un’immagine che ha già la posa che vuoi.
Audio generato o la tua traccia
generate_audio è attivo per impostazione predefinita e restituisce ambiente ed effetti allineati all’immagine. Per guidare labiale e ritmo con una battuta registrata o un attacco musicale, passa audio_url (WAV o MP3 da 2 a 30 secondi, fino a 15 MB) e lascia attivo generate_audio: con false, anche una traccia fornita non viene usata.
L’espansione del prompt parte attiva
Su questo endpoint enable_prompt_expansion è true per impostazione predefinita, senza costi aggiuntivi, e riscrive il prompt prima della generazione. Aiuta con un brief di una riga. Quando la descrizione del movimento è precisa, impostalo su false così il tuo testo arriva al modello così com’è.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
image_url | Sì | Il fotogramma iniziale, e la leva più grande che hai qui. Guardaroba, corpo, set, direzione della luce e proporzioni del clip si ereditano tutti da lì. |
prompt | Sì | Obbligatorio. Usalo solo per il movimento e la macchina da presa: un'azione, un comportamento di camera, una nota sul suono. almeno 1 caratteri |
negative_prompt | No | Ciò che non deve comparire: una seconda persona, un oggetto di scena, del testo su un muro, una filigrana che il materiale continua a riprodurre. al massimo 500 caratteri |
duration_seconds | No | Qualsiasi numero intero da 2 a 15, predefinito 5. Oltre i dieci secondi la deriva di mani e tessuti diventa visibile. |
resolution | No | 720p o 1080p, predefinito 720p. Incide sia sul prezzo sia sul tempo di risposta dell'attività. |
audio_url | No | Una traccia audio che il clip deve seguire, guidando il sincronismo labiale e il ritmo. Usala quando una battuta parlata o un attacco musicale deve cadere su un fotogramma preciso. |
seed | No | Da 0 a 2147483647. Tienilo fermo mentre confronti 720p contro 1080p o cinque secondi contro dieci. |
generate_audio | No | Attivo per impostazione predefinita; il clip torna con il suono allineato alle immagini. Quando è false, non viene usata nemmeno una traccia fornita tramite |
enable_prompt_expansion | No | Attiva per impostazione predefinita, senza costi aggiuntivi. Il prompt viene riscritto prima della generazione: utile per un brief di una riga. Predefinito: |
Prezzi
| Specifiche | Prezzo |
|---|---|
| $0.1235 / secondo |
| $0.19 / secondo |
Casi d’uso
Scene senza censura da un’immagine autorizzata
Scene che altre API video rifiutano: invia il fermo immagine, descrivi il movimento, ottieni la clip. Nella richiesta non si dichiara alcun contenuto. Si possono usare solo adulti consenzienti e materiale con licenza adeguata, e sei responsabile di diritti, età e legge locale per tutte le persone ritratte.
Lo stesso personaggio in molte clip
Riusa una sola immagine del personaggio come fotogramma iniziale di ogni clip e cambia solo la riga d’azione. È l’immagine, non il prompt, a portare volto e abiti, quindi resta la stessa persona da una ripresa all’altra. Fissa anche seed quando confronti le riprese.
Tessuto, vento e movimento secondario
L’esempio della duna lancia diversi metri di seta indaco sopra la testa, di notte, mentre la sabbia scivola dalla cresta, la fiamma di una lanterna tremola e un’ombra lunga attraversa le increspature. Un tessuto grande e morbido è un soggetto impegnativo, quindi controlla per tutti e cinque i secondi che la seta non si strappi e non si blocchi.
Clip parlate con il tuo audio
Carica una battuta registrata con audio_url e la clip viene generata su di essa: movimento delle labbra e ritmo seguono la ripresa che hai già. Il risultato è un personaggio che dice il tuo copione invece di muovere soltanto la bocca.
Consigli avanzati
Costruisci prima il fotogramma iniziale
Ritaglia l’immagine nel formato di consegna e verifica che mostri già persona, costume, stanza e direzione della luce che vuoi. Poi usa negative_prompt (fino a 500 caratteri) per ciò che l’immagine continua a suggerire: una seconda persona, un oggetto, una scritta sul muro, una filigrana. È l’unico posto in cui escludere qualcosa, perché il prompt serve al movimento.
Adatta l’esempio incluso
L’esempio del camerino usa duration_seconds 5 e resolution 720p e parte da una showgirl davanti a uno specchio con lampadine. L’immagine porta già costume, piume e luce, quindi il prompt dice solo cosa fa lei e come suona la stanza.
She finishes adjusting the sequin strap, checks herself in the bulb-lit mirror, then turns her head to camera and raises one eyebrow before stepping out of frame toward the stage. Bulbs flicker, feathers stir in the draft, smoke drifts, muffled orchestra and applause building behind the wall.
La richiesta esatta dietro la clip di questo endpoint, generata dal fotogramma iniziale mostrato accanto.
Cambia un campo per esecuzione
Definisci la ripresa a cinque secondi e 720p, poi tieni fisso seed mentre provi 1080p o una durata maggiore; se cambi due cose insieme, la coppia non ti dice nulla. Oltre i dieci secondi controlla con attenzione la deriva di mani e tessuto e riproduci la clip con l’audio prima della consegna.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.7-spicy/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
