テキストから動画と画像から動画の違いは何ですか。

テキストから動画は、プロンプトからクリップ全体を作り、16:9 か 9:16 とネガティブプロンプトを選べます。画像から動画は、送った静止画から始まるので、被写体、セット、形がそこで決まります。LoRA の枠、長さ、解像度はどちらも同じで、1 秒あたりの料金が違います。

LoRA はいくつ付けられますか。

1 つの枠につき 3 つまでで、枠は loras、high_noise_loras、low_noise_loras の 3 つです。各項目は、重みへの直接 URL と、0 から 4 の強度（既定は 1）です。

ウェイトはどこに保存されますか。

利用者のホスティングです。各ファイルは、指定された URL から実行のあいだだけ取得され、何も保存されません。非公開のままにしたいウェイトは、署名付きリンクの向こうに置いてください。

どのリンクが使えますか。

ウェイトファイルへの直接ダウンロードリンクなら、必ず使えます。画像から動画では、ファイルは 1 GB までで、Civitai のモデルページや Hugging Face の /blob/ リンクもファイルに解決されます。テキストから動画では、.safetensors ファイルそのものにリンクしてください。リポジトリのページやログインが必要なものは、実行が失敗します。

クリップはどれくらいの長さにできますか。

ちょうど 5 秒か 8 秒です。duration_seconds は列挙型なので、6 のような値は丸められずに拒否されます。

LoRA を送らないとどうなりますか。

ベースモデル単体になります。3 つの LoRA の配列はすべて既定で空ですが、このファミリーの料金は、LoRA に対応していないバージョンとは別です。

LoRA の強度はいくつから始めればいいですか。

既定の 1 からです。プロンプトと seed を固定したまま、0.5 から 1.5 の間で動かしてください。1.5 を超えるあたりから、スタイルが被写体をスタイル付けするのではなく食い始めるのが普通です。

Wan 2.2 LoRA API｜自前の LoRA、規制なしの NSFW 動画

Q: 3 つの LoRA の枠はどう違いますか。

Wan 2.2 は 2 つの工程でノイズを除去します。high_noise_loras は構図と動きが決まる高ノイズ側の専門家に、low_noise_loras はディテールと質感が定まる低ノイズ側の専門家に付き、loras は両方に同時に効きます。高ノイズ用と低ノイズ用の 2 つのファイルで公開されている LoRA は、対応する 2 つの枠に入れます。

alibaba/wan-2.2-lora/video-extend

Wan 2.2 LoRA でクリップを続けます。動画の最後のフレームから、LoRA を付けたちょうど 5 秒か 8 秒の新しい区間を作り、元の動画と続きをつないだ 1 本のファイルを 480p か 720p で返します。

最低価格 $0.024/秒

モデルを実行 API を見る

入力

動画延長

1
続きを作るクリップを選ぶ
動画を1本選ぶと、その最後のフレームから続きを作ります。
2
この先の展開
ステップ 1 でクリップを選ぶと、ここが開きます。
モデル
プロンプト
必須です。次に起きること、つまり続く動作とカメラの動きを書いてください。被写体とセットは開始フレームがすでに決めているので、言葉は動きに使います。 1 文字以上
解像度料金に影響
新しい区間を生成するときの解像度です。480p か 720p から選び、既定は 480p です。つなぎ目で精細さに段差が出ないよう、元の動画の解像度に合わせてください。つないだ MP4 は元の動画のフレームレートと画面の構図を保ち、黒帯は入りません。つなぎ目を合わせるため、画面の端が数パーセント切り取られたり調整されたりすることがあります。モデルが返した映像の縦横比が大きく異なる場合は、新しい区間を画面いっぱいに拡大して中央に合わせ、はみ出した部分を切り取ります。料金もこれで決まります。
長さ料金に影響
58
新しい区間の長さで、ちょうど 5 秒か 8 秒、既定は 5 秒です。それ以外は丸められずに拒否されます。元の動画はその前に足され、課金されません。
スタイル LoRA0/3
両方のノイズ専門家に効く LoRA を 3 つまで。各項目は重みへの直接 URL と強度を取ります。作風を構図にも質感にも当てたいときはこの枠です。続けるクリップの作風を保つには、前と同じ LoRA を付けてください。 3 件以内
高ノイズ段階の LoRA0/3
構図と動きが決まる高ノイズ側の専門家に、LoRA を 3 つまで。カメラや動きの作風に向いた枠です。 3 件以内
低ノイズ段階の LoRA0/3
ディテールと質感が定まる低ノイズ側の専門家に、LoRA を 3 つまで。線画、粒子、描画の処理に向いた枠です。 3 件以内

セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

必須項目が 2 件未入力です：プロンプト · 入力動画

出力

実行待ち

結果はここに表示されます。

入力を設定し、概算料金を確認してからモデルを実行します。

はじめに

Wan 2.2 LoRA 動画延長は、手元にあるクリップの続きを作ります。video_url にクリップを渡し、次に起きることをプロンプトに書いてください。クリップの最後のフレームが、ちょうど 5 秒か 8 秒の新しい Wan 2.2 LoRA 画像から動画のショットの開始フレームになり、両者は 1 本の MP4 につながります。元の動画が先、続きが後で、つなぎ目で重複するフレームは取り除かれます。新しい区間も単独のファイルとして返るので、さらに延長したり、部分ごとに編集したりできます。

主な機能とハイライト

連続性は最後のフレームから生まれます。衣装、セット、光、人物の立ち位置が引き継がれるのは、新しい区間が文字どおりあなたの最後のフレームから始まるからです。動きは同じようには引き継がれません。モデルが見るのはクリップ全体ではなく静止画 1 枚なので、速さや向きがそのまま続くと考えず、続けたい動きを書いてください。

返るのは 1 本のファイルと、新しい部分の単体です。つないだ MP4 は元の動画のフレームレートと画面の構図を保ち、黒帯は入りません。つなぎ目を合わせるため、画面の端が数パーセント切り取られたり調整されたりすることがあります。モデルが返した映像の縦横比が大きく異なる場合は、新しい区間を画面いっぱいに拡大して中央に合わせ、はみ出した部分を切り取ります。H.264 の MP4 で書き出されます。Wan 2.2 LoRA は無音の動画を作ります。元の動画の音はつなぎ目まで流れて消え、新しい区間は無音です。出力の 2 つ目のアセットは新しい区間だけで、次の延長や編集にそのまま使えます。

LoRA も引き継げます。3 つの LoRA 枠は画像から動画のエンドポイントと同じ使い方で、各項目は重みファイルへの直接 URL と 0〜4 の強度です。クリップに使ったのと同じファイルを付ければ新しい区間も作風を保ち、LoRA の読み込みに別料金はかかりません。

それ以外はすべて Wan 2.2 LoRA 画像から動画と同じです。新しい区間は画像から動画のエンドポイントと同じエンジン、同じ内容の許容範囲、同じ秒単価で生成され、生成に失敗したときの返金も同じです。生成は成功したのにつなぎ合わせだけができなかった場合も、タスクは失敗となり料金は返金されます。

リクエストパラメーター

Wan 2.2 LoRA · Video Extend のリクエストパラメーター
パラメーター	必須	説明
`prompt`	はい	必須です。次に起きること、つまり続く動作とカメラの動きを書いてください。 1 文字以上
`video_url`	はい	続けたいクリップです。MP4、MOV、WebM で 60 秒までです。 1 文字以上
`resolution`	いいえ	新しい区間を生成するときの解像度です。480p か 720p から選び、既定は 480p です。 `480p` · `720p` · デフォルト値: `480p`
`duration_seconds`	いいえ	新しい区間の長さで、ちょうど 5 秒か 8 秒、既定は 5 秒です。それ以外は丸められずに拒否されます。 `5` · `8` · デフォルト値: `5`
`loras`	いいえ	両方のノイズ専門家に効く LoRA を 3 つまで。各項目は重みへの直接 URL と強度を取ります。デフォルト値: `[]` 3 件以内
`high_noise_loras`	いいえ	構図と動きが決まる高ノイズ側の専門家に、LoRA を 3 つまで。カメラや動きの作風に向いた枠です。デフォルト値: `[]` 3 件以内
`low_noise_loras`	いいえ	ディテールと質感が定まる低ノイズ側の専門家に、LoRA を 3 つまで。線画、粒子、描画の処理に向いた枠です。デフォルト値: `[]` 3 件以内
`seed`	いいえ	0〜2147483647。LoRA の scale を掃引するあいだは固定してください。 `≥ 0` · `≤ 2147483647`

料金

新しい区間の秒数を、選んだ解像度で課金します。送った元のクリップは課金されません。LoRA の読み込みに別料金はかかりません。

料金
仕様	料金
`480p`	$0.024 / 秒
`720p`	$0.048 / 秒

ユースケース

終わるのが早すぎたショットを伸ばせます。ラベルがカメラを向く前に止まった商品の回転台や、人物がドアに着く前に切れた歩きのカットです。数秒延長して、残りの動きだけを書いてください。

長いシーケンスを一段ずつ組み立てられます。最初のショットを作って延長し、つないだ結果をさらに延長します。どの段も課金されるのは追加した秒数だけです。各段は 1 枚のフレームから始まるので、次を重ねる前につなぎ目を確認してください。

プロンプトガイドと実践のヒント

シーン全体ではなく、次の一拍を書いてください。誰がどこにいるかはフレームが決めているので、プロンプトはその後の動作とカメラの動きに使います。クリップの終わりと同じカメラの言葉、たとえばゆっくりしたプッシュインや固定ショットを繰り返すと、つなぎ目が 1 テイクに見えます。

延長の前にトリミングしてください。モデルが見るのは最後のフレームだけなので、ぶれたフレーム、カットの途中、圧縮の強い終わり方はそのまま続きに持ち込まれます。先にクリーンでシャープなフレームで切ってください。元の動画は 60 秒まで、MP4、MOV、WebM に対応しています。

解像度をそろえてください。720p のクリップを 480p で延長すると、新しい部分は元の動画の隣で柔らかい画になります。元の解像度に合わせ、5 秒か 8 秒を必要に応じて選んでください。料金は新しい区間だけに基づきます。

作風を一定に保つには、クリップに使ったのと同じ LoRA を同じ強度で付けてください。新しい区間にだけ存在する LoRA は、つなぎ目ではっきりした変化として現れます。

API クイックスタート

# 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-2.2-lora/video-extend",
  "input": {
    "duration_seconds": 5,
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "480p",
    "video_url": "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"

認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。

自前の LoRA ウェイトで、テキストから動画も画像から動画も動画延長も。1 つの枠に 3 つまで。

Wan 2.2 LoRA の作例

テキストから動画・720p・16:9・5 秒・FollowCam LoRA の 2 ファイルを high_noise_loras と low_noise_loras に
5 秒
テキストから動画・720p・9:16・5 秒・loras に Vintage Cinematic LoRA（強度 0.7）
5 秒
image-to-video・5 秒・隣の開始フレームから生成
5 秒
上のクリップで image_url として送った静止画
5 秒
6 秒
5 秒
5 秒
5 秒

主なスペック

エンドポイント: 3; 文章で書いた場面からのテキストから動画、開始フレームからの画像から動画、クリップを続ける動画延長。
LoRA の枠: 3×3; loras、high_noise_loras、low_noise_loras のそれぞれに LoRA を 3 つまで。
LoRA の scale: 0–4; LoRA ごとの強度で、既定は 1。1.5 を超えるあたりから、スタイルが被写体を食い始めます。
クリップの長さ: 5/8 秒; ちょうど 5 秒か 8 秒です。その中間の値は受け付けません。
解像度: 720P; 480p か 720p。480p が既定で、料金も安い段階です。
テキストから動画の形: 16:9; 横長の 16:9 か縦長の 9:16。画像から動画は開始フレームの形に従います。

できること

2 人の専門家、3 つの枠

LoRA を高ノイズ側、低ノイズ側、またはその両方に付ける

Wan 2.2 は、2 人の専門家が担当する 2 つの工程でノイズを除去します。high_noise_loras は構図と動きが決まる高ノイズ側の専門家に、low_noise_loras はディテールと質感が定まる低ノイズ側の専門家に付き、loras は両方に効きます。Wan 2.2 の LoRA の多くは、高ノイズ用と低ノイズ用の 2 つのファイルで配布されているので、それぞれ専用の枠に入れてください。ファイル 1 つの LoRA は loras に入れます。

テキストから動画

場面を書き、横長か縦長を選ぶ

テキストから動画のエンドポイントに必要なのは、プロンプトだけです。誰が画面にいて、何をして、カメラがどう動くかを書き、16:9 か 9:16、480p か 720p、5 秒か 8 秒を選び、入れたくないものがあればネガティブプロンプトに書きます。このページの暖炉のクリップは、1 つの段落と seed、そして loras に入れたスタイル LoRA から生まれました。

画像から動画

トラッキングショットでも崩れないセルシェーディング

画像から動画のエンドポイントでは、送った静止画が開始フレームになり、被写体、衣装、セット、形のすべてがそこから決まります。カメラが追うあいだも描いた絵のスタイルを安定させることは、スタイライズされた動画のいちばん難しい部分で、3 つの LoRA の枠はそれを制御するためにあります。

自分のウェイト、自分のホスティング
ここにアップロードされるものも、保存されるものもありません
LoRA の各項目は、直接ダウンロードできる URL と強度です。ウェイトはその実行のために取得され、何も保存されないので、公開できないファイルは自分の署名付きリンクの向こうに置いておいてください。3 つの LoRA の配列をすべて空にすればベースモデル単体になりますが、このファミリーの料金は通常の Wan 2.2 とは別です。

活用シーン

動きに適用するハウススタイル
自分のルックで LoRA を学習させ、1 前後の強度で読み込めば、シリーズのどのクリップも同じ描画を引き継ぎます。新しい場面はテキストから動画で書き、手持ちのキービジュアルは画像から動画で動かしてください。どちらでも、ルックは LoRA が与えます。
規制なしスタイルの LoRA を、審査なしで
規制なしのスタイルで学習したウェイトも、ほかのファイルと同じように動きます。リクエストで内容を申告する項目はなく、LoRA が検査されることもありません。作業の限界を決めるのは、ウェイト、学習データ、送るフレームに対する利用者の権利です。
カメラのスタイルと描画のスタイルを分ける
同じリクエストで、動きやカメラの LoRA を high_noise_loras に、質感の LoRA を low_noise_loras に入れます。別々の工程に付くので、1 つに混ざったウェイトと格闘するのではなく、片方を上げてもう片方を下げられます。
フィード向けの縦長クリップ
テキストから動画は、480p でも 720p でも 9:16 をネイティブに描きます。ショート動画のフィード向けの縦長クリップは、横長の描画から切り抜かれるのではなく、スマホ向けの構図で仕上がります。

課金前に知っておくこと

image-to-video

image_url とプロンプトはどちらも必須で、アスペクト比の項目はありません。クリップは開始フレームの形になります。LoRA ファイルは 1 つあたり 1 GB までです。

text-to-video

形は 16:9 と 9:16 の 2 つだけで、480p か 720p です。正方形、4:3、1080p の選択肢はありません。クリップに音声はありません。別のベースモデル向けに学習した LoRA はエラーなく受け付けられますが、何も変わらないので、同じ seed で LoRA なしの実行と比べてください。当社で最も強いレベルのテストは、拒否されるのではなく表現が抑えられて返りました。

all

duration_seconds は 5 か 8 だけを受け付けます。それ以外の値は丸められたクリップではなく、バリデーションエラーになります。LoRA の強度が約 1.5 を超えると、スタイルがよくなる前に被写体を圧倒しがちです。1 つの枠に 3 つの LoRA を重ねると、層になるのではなく混ざるので、1 つずつ足してください。LoRA は指定した URL から取得されるため、ウェイトはログインなしでダウンロードできる必要があります。プラットフォームがウェイトファイルをホストしたり配布したりすることはありません。描かれるすべての人物と、アップロードまたはリンクするすべてのファイルについて、同意、権利、年齢、現地の法律に関する責任は利用者にあります。プラットフォームは内容を審査しません。公開ページと作例は、一般の閲覧に適したままです。

モデルリファレンス

Wan 2.2 LoRA API リファレンス

Wan 2.2 LoRA API の仕様

出品元: Alibaba
公開中のエンドポイント: テキストから動画、画像から動画、動画延長
必須の入力: prompt。画像から動画は開始フレーム（image_url）も必要
LoRA の枠: loras、high_noise_loras、low_noise_loras。それぞれ 3 項目まで
LoRA の強度: 項目ごとに 0〜4、既定は 1
ウェイトファイル: 自分でホストする直接 URL から取得。何も保存されない
クリップの長さ: 5 秒か 8 秒の固定値、既定は 5
解像度: 480p か 720p、既定は 480p
形: テキストから動画は 16:9 か 9:16。画像から動画は開始フレームに従う

Wan 2.2 LoRA API の呼び出し方

1. ウェイトをホストして直接リンクを用意する
LoRA の各項目には、.safetensors ファイルをダウンロードできる URL と、0 から 4 の強度が必要です。ログインが必要なリンクは取得に失敗するので、公開ファイルか署名付きリンクを使ってください。テキストから動画では、リポジトリのページではなくファイルそのものにリンクします。
2. エンドポイントと枠を選び、動きを書く
テキストから動画はプロンプトだけで始まり、画像から動画は開始フレームも必要です。描画のスタイルは low_noise_loras、動きやカメラのスタイルは high_noise_loras、両方に効かせたいときは loras に入れます。次の文は、このページの暖炉のクリップの元になったテキストそのものです。テキストから動画で、720p、16:9、5 秒、loras に Vintage Cinematic LoRA を強度 1 で入れて実行しました。「Vintage Cinematic Color. Night in a mountain log cabin during a thunderstorm. An adult woman in her early thirties with dark tousled hair sits on a sheepskin rug in front of a roaring stone fireplace, in an oversized flannel shirt worn open over a cream silk camisole, knees drawn up, a glass of red wine in her hand. Lightning flashes blue-white through the dark doorway behind her while the firelight paints her face amber; she pulls the slipping shirt back onto her shoulder, turns her head and gives the camera a slow, smouldering look. Warm brown tones, deep shadows, slow push-in, 35mm, film grain, shallow depth of field.」
3. seed を固定して、scale を 1 つずつ動かす
Idempotency-Key を付けて送信し、タスク ID を控えておきます。プロンプト、seed、そして画像から動画ならフレームを固定し、実行ごとに LoRA 1 つの scale だけを変えてください。まず 480p で始め、いちばんよかった組み合わせを 720p で描き直します。

モデルの概要

Wan 2.2 LoRA は、LoRA に対応した Alibaba の Wan 2.2 動画モデルで、このプラットフォームでは次のエンドポイントとして公開されています。プロンプトだけで 16:9 か 9:16 の動画を作るテキストから動画と、開始フレームを動かす画像から動画、手元のクリップを続ける動画延長です。LoRA は、ベースモデルの上に重ねる学習済みのウェイトの層で、スタイル、キャラクター、動きを操ります。どのエンドポイントも、480p か 720p で、ちょうど 5 秒か 8 秒を返し、3 つの枠それぞれに LoRA を 3 つまで受け付けます。構図と動きを決める工程には high_noise_loras、ディテールと質感が定まる工程には low_noise_loras、両方には loras です。各項目は、ウェイトファイルへの直接 URL と、0 から 4 の強度です。プラットフォームにアップロードされるものはありません。タスクは非同期で、動画 1 秒あたりの米ドルで課金されます。