Introduzione
Wan 3.0 Pro Prime Riferimenti in video blocca un volto, un capo, un set, un movimento o una voce con riferimenti immagine, video e audio e renderizza l’inquadratura a 1080p, 2K o 4K per 2-30 secondi con il render Prime. È richiesto almeno uno tra reference_image_urls (da 1 a 10 immagini ordinate), reference_video_urls, reference_audio_urls (fino a 5 clip ciascuno), reference_file_url (un documento) e reference_link_url (una pagina web). Dai un nome a ogni riferimento nel prompt, altrimenti il modello ne fa la media e produce un soggetto che non corrisponde a nessuno.
Scegli il metodo in base al materiale di partenza
| Materiale di partenza | Metodo |
|---|---|
| Un brief scritto definisce scena, azione, camera e, quando serve, suono. | Wan 3.0 Pro Prime Testo in video |
| Un’immagine iniziale approvata fissa soggetto e composizione; l’istruzione dirige il movimento successivo. | Wan 3.0 Pro Prime Immagine in video |
| Riferimenti distinti possono guidare identità, luogo, movimento o suono, con un ruolo esplicito per ciascuno. | Wan 3.0 Pro Prime Riferimenti in video |
Caratteristiche principali
Due personaggi in un’inquadratura
L’esempio dei due personaggi invia due tavole e le nomina: "The first image is the woman, the second is the man — keep both faces and both haircuts." I due stanno ai lati di un banco da lavoro in un garage in penombra sotto una lampadina appesa, 6 secondi a 1080p con seed 220913 e solo il suono dell’ambiente. È lo schema per mantenere coerente una coppia per tutto un episodio.
Una tavola del set senza persone
I riferimenti non devono per forza essere persone. L’esempio di continuità del set invia una tavola di una palestra di boxe — corde, armadietti, un’unica luce appesa — e chiede un quadro vuoto con la polvere che fluttua nel fascio e la lampadina che oscilla lentamente, camera fissa, 5 secondi a 4k senza audio. Così ogni inquadratura di una sequenza può condividere la stessa stanza.
Il movimento come riferimento anziché come testo
Riferimenti immagine, video e audio possono essere inviati insieme, quindi il movimento può arrivare da una clip invece che da un paragrafo. I video di riferimento sono MP4 o MOV, almeno 16 fps, da 1 a 15 secondi ciascuno e 15 secondi in totale; i loro secondi vengono fatturati con l’output, e video di riferimento più output restano entro 30 secondi.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | No | Facoltativo, ma è qui che i riferimenti si distinguono l'uno dall'altro – quale plate è quale personaggio, a che cosa servono il video e l'audio – ed è qui che si dichiara l'azi… almeno 1 caratteri · al massimo 20000 caratteri |
reference_image_urls | No | Da 1 a 10 immagini come tavole di riferimento per identità, guardaroba e set. Indica ciascuna nel prompt – personaggio, capo, set – altrimenti vengono mediate tra loro. almeno 1 elementi · al massimo 10 elementi |
reference_video_urls | No | Fino a 5 clip, ciascuno da 1 a 15 secondi e 15 secondi in totale. Usali per il movimento e lo stile di camera, non per un volto. almeno 1 elementi · al massimo 5 elementi |
reference_audio_urls | No | Fino a 5 clip, ciascuno da 1 a 15 secondi e 15 secondi in totale: una voce, una battuta recitata o il tono d'ambiente a cui l'inquadratura deve adeguarsi. almeno 1 elementi · al massimo 5 elementi |
reference_file_url | No | Un documento che il modello legge prima di dirigere l’inquadratura: una scheda personaggio, una sceneggiatura, una lista di inquadrature o un brief di prodotto. |
reference_link_url | No | Una pagina web pubblica che il modello legge come riferimento, per esempio un articolo, una pagina prodotto o un profilo del personaggio. Deve aprirsi senza login. |
resolution | No | 1080p, 2k o 4k, predefinito 1080p. |
aspect_ratio | No | 16:9, 4:3, 1:1, 3:4, 9:16 oppure adaptive. Di default è adaptive, che lascia scegliere al modello; indica un rapporto quando il formato di consegna è fisso. |
duration_seconds | No | Un numero intero qualsiasi da 2 a 30, 5 di default, oppure -1 per la durata intelligente, che riserva il massimo e poi si assesta sulla lunghezza effettivamente consegnata. |
generate_audio | No | Attivo di default. Il suono viene generato insieme alle immagini e arriva dentro lo stesso file. Predefinito: |
enable_prompt_expansion | No | Attivo di default su questa famiglia. Completa i brief scarni e riscrive quelli dettagliati, quindi disattivalo appena il tuo prompt è una descrizione precisa dell'inquadratura. Predefinito: |
seed | No | Da 0 a 2147483647. Tienilo fisso mentre regoli risoluzione o durata, altrimenti ogni ripetizione cambia due cose insieme. |
Prezzi
I video di riferimento si sommano ai secondi fatturati; le immagini e l’audio di riferimento no. Poiché non possiamo misurare i tuoi spezzoni prima dell’esecuzione, blocchiamo in anticipo l’importo per i 15 secondi massimi e rilasciamo la parte non utilizzata al momento del conteggio — paghi solo i secondi effettivamente usati.
| Specifiche | Prezzo |
|---|---|
| $0.234 / secondo |
| $0.252 / secondo |
| $0.279 / secondo |
Casi d’uso
Un costume su più palchi
L’esempio della ballerina porta un’interprete e un costume di chiffon a strati su un terzo palco, questa volta con il seguipersona alle sue spalle, così il tessuto diventa trasparente mentre lei ci gira dentro. I riferimenti portano la ballerina e il capo, quindi il prompt descrive solo il nuovo allestimento di luci, e un tessuto trasparente in controluce non nasconde quasi nulla a una dimensione di consegna grande.
Master destinati a essere rimontati
Renderizza un’inquadratura principale bloccata dai riferimenti in 4K e 16:9, poi ritaglia dallo stesso master una versione 9:16 e un banner quadrato. Le tavole di riferimento e un seed fisso mantengono identico il cast in tutte le versioni derivate.
Consigli avanzati
Nomina per posizione
reference_image_urls è un elenco ordinato, quindi chiama le immagini "the first image" e "the second image" e forniscile in quell’ordine. Per ciascuna, di’ se è un personaggio, un capo o un set; usa il video per movimento e stile di camera e l’audio per una voce, una lettura di battuta o il suono di un ambiente. Immagini e audio di riferimento non vengono fatturati.
Tieni fisso tutto tranne la modifica
In una sequenza mantieni identici tavole, seed e struttura del prompt, e cambia solo la riga dell’azione o della luce. Disattiva enable_prompt_expansion — in questa famiglia vale true per impostazione predefinita — così i nomi che hai scritto non vengono riscritti.
Controlla la durata dei riferimenti prima dell’invio
I limiti dei riferimenti video e audio si applicano durante la generazione e non quando il task viene accettato, quindi una clip oltre il limite emerge più tardi e non all’invio. Misura prima le clip, tieni video di riferimento più duration_seconds entro 30 secondi ed esplora a 1080p prima di renderizzare in 4K.
Avvio rapido dell’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0-pro-prime/reference-to-video",
"input": {
"aspect_ratio": "adaptive",
"duration_seconds": 5,
"reference_image_urls": [
"https://example.com/reference.png"
],
"resolution": "1080p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
