Introduzione
Wan 3.0 Testo in video genera una clip da 2 a 30 secondi con audio partendo solo da un prompt scritto. prompt è l’unico campo obbligatorio; duration_seconds, resolution (480p, 720p o 1080p, predefinita 720p), aspect_ratio (predefinito 16:9), generate_audio, enable_prompt_expansion e seed sono controlli espliciti che puoi lasciare ai valori predefiniti. Poiché nessuna immagine ancora l’inquadratura, il modello inventa ogni volto, ogni capo e ogni set a partire dal testo. È la modalità di Wan 3.0 con il margine creativo più ampio e con il controllo più debole su una persona specifica.
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 Testo in video |
| Un’immagine iniziale approvata fissa soggetto e composizione; l’istruzione dirige il movimento successivo. | Wan 3.0 Immagine in video |
| Riferimenti distinti possono guidare identità, luogo, movimento o suono, con un ruolo esplicito per ciascuno. | Wan 3.0 Riferimenti in video |
Caratteristiche principali
Il suono si scrive nella stessa richiesta
generate_audio è attivo per impostazione predefinita, quindi il file restituito contiene già un audio agganciato all’immagine. L’esempio dell’armeria lo sfrutta di proposito: il prompt termina con una riga "Audio:" — un guanto di cuoio che schiocca sul legno, i lacci che scricchiolano, una torcia che sfrigola — e quei suoni tornano insieme alle azioni che li producono. Imposta il campo su false solo se la scena verrà sonorizzata a parte.
Qualsiasi durata intera da 2 a 30 secondi
duration_seconds accetta ogni numero intero da 2 a 30, con 5 come predefinito, oppure -1 per la durata intelligente, in cui il modello sceglie la lunghezza in base al prompt. L’esempio della duna dura i 5 secondi predefiniti a 720p in 16:9, quanto basta per una discesa aerea dal muro di sabbia fino al suo volto. Le clip lunghe derivano di più in identità e geometria: fissa il look a 5 secondi prima di allungare.
Scene senza censura dal solo testo
La famiglia non ha censura, e nessuna scena richiede flag o dichiarazioni per singola richiesta. L’esempio del drive-in — due donne adulte distese sul portellone di una station wagon, illuminate solo dal fascio del proiettore, fino a un bacio lento — è nato dal solo testo del prompt, a 5 secondi e 720p. Consenso, diritti, età e legge locale di tutte le persone ritratte restano sotto la tua responsabilità.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | Sì | L'inquadratura stessa: soggetto, un'azione, un movimento di camera, poi luce e suono. Lunghi elenchi di aggettivi spostano il risultato meno di una sola azione chiara. almeno 1 caratteri |
aspect_ratio | No | 16:9, 9:16, 1:1, 4:3, 3:4 oppure adaptive, che lascia scegliere al modello. Il valore predefinito è 16:9. |
enable_thinking | No | Fa ragionare il modello sulla richiesta e sul materiale di riferimento prima di generare. Predefinito: |
resolution | No | 480p, 720p o 1080p. Il valore predefinito è 720p. |
duration_seconds | No | Qualsiasi numero intero da 2 a 30, oppure -1 per la durata intelligente, in cui è il modello a scegliere la lunghezza: il massimo di 30 secondi viene riservato in anticipo e l'a… |
generate_audio | No | Attivo per impostazione predefinita. Il clip torna con il suono già agganciato all'immagine. Predefinito: |
enable_prompt_expansion | No | Disattivato per impostazione predefinita. Quando è attivo, il prompt viene riscritto prima della generazione: aiuta i brief scarni e ti ostacola su quelli dettagliati. Predefinito: |
seed | No | Da 0 a 2147483647. Tienilo fisso per confrontare un campo modificato alla volta; toglilo quando vuoi varietà. |
Prezzi
| Specifiche | Prezzo |
|---|---|
| $0.045 / secondo |
| $0.09 / secondo |
| $0.18 / secondo |
Casi d’uso
Scene d’atmosfera senza immagine di partenza
Quando non esiste una foto del luogo, è il prompt a costruirlo. L’esempio della duna descrive la cresta di una duna al tramonto, una colossale tempesta di sabbia in arrivo, un abito di seta smeraldo che sventola al vento e una camera che scende da una vista aerea fino al suo volto, tutto dalla sola frase. Richieste così servono per mood film e reel di presentazione, dove l’ambiente conta più di un volto preciso.
Inquadratura in soggettiva
L’esempio in soggettiva è scritto come un’unica ripresa continua: la camera sono gli occhi di chi guarda, una sola lampada al tungsteno è tutta la luce, e il brief dice che il guardaroba resta esattamente come descritto dall’inizio alla fine. Dire cosa non cambia è utile quanto dire cosa si muove, perché impedisce al modello di risolvere un prompt ambiguo a modo suo.
Consigli avanzati
Ordina il prompt: soggetto, azione, camera, luce, suono
Scrivi un soggetto, un’azione, un movimento di camera e poi una nota per la luce e una per il suono. Un lungo elenco di aggettivi sposta il risultato meno di un’azione chiara. La clip di riferimento della famiglia segue proprio quest’ordine: due donne sotto lo stesso ombrello, una ciocca sistemata dietro l’orecchio e un bacio, un dolly-in lento, il neon che cola sull’asfalto bagnato, la pioggia sull’ombrello.
Indica l’inquadratura quando un dettaglio regge la scena
Il prompt dell’armeria dichiara l’inquadratura — mezzo primo piano dai fianchi in su, angolazione bassa di tre quarti, 85 mm — perché un campo largo perderebbe il guanto, i lacci e la luce della torcia sulle spalle. Quando un dettaglio conta, scrivi quanto deve essere grande nel quadro invece di sperare che il modello scelga un’inquadratura stretta.
Tieni spenta l’espansione del prompt per un brief preciso
Qui enable_prompt_expansion vale false per impostazione predefinita. Se lo attivi, il prompt viene riscritto prima della generazione: aiuta un’idea di due righe e ostacola un brief dettagliato come quelli sopra. Per ripetizioni controllate, blocca seed e cambia un solo campo alla volta; un seed fisso rende il confronto equo ma non garantisce frame identici. Il testo da solo non mantiene lo stesso volto tra un’esecuzione e l’altra, quindi per i personaggi ricorrenti usa reference-to-video.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
