はじめに
Wan 2.6 画像から動画 は、image_url で送った画像を起点に、ちょうど 5 秒、10 秒、15 秒のいずれかを 720p または 1080p で、音声付きで返します。被写体、衣装、セット、光の向き、クリップの縦横比はこの画像で決まります。プロンプトは任意で最大 1,500 文字まで書け、1 カット撮りなら動作を 1 つ、マルチショット編集なら番号付きのショットを書きます。
開始素材に応じてモードを選ぶ
| 手元にあるもの | モード |
|---|---|
| 書いたシーンや台本 | Wan 2.6 テキストから動画 |
| 承認済みの開始画像 | Wan 2.6 画像から動画 |
| 見た目、動き、音それぞれの参照素材 | Wan 2.6 参照から動画 |
主な機能とハイライト
画面比と見た目は画像が決める
アスペクト比のフィールドはありません。クリップは送った画像の縦横比をそのまま保つので、9:16 で納品するなら 9:16 に切り抜いた画像から始めます。画像は JPEG、透過なしの PNG、BMP、WEBP のいずれかで、各辺 240〜8,000 ピクセル、20 MB 以下にしてください。画像に写っているものはすでに決まっているため、プロンプトは動きの記述に専念できます。
1 枚の画像からカットを割る
shot_type を multi にすると、モデルは開始画像のルックを保ったままアングルを切り替えられます。15 秒のクリップに、ただ流れていく 1 本のカメラワークではなく、状況説明のショット、ディテール、締めのショットを入れられます。multi のリクエストは常にプロンプト拡張をオンにして実行されます。製品の回転、話し手のショット、途切れてはいけないものは single のままにしてください。multi は仕組みとして連続性を崩します。
音声は生成も持ち込みも可能
クリップには、映像と同じ生成で作られた音声が付いて返ります。セリフや音楽の拍を狙った位置に合わせたいときは audio_url を送ります。形式は WAV または MP3、長さは 3〜30 秒、サイズは 15 MB までです。長いトラックはクリップの長さで切られ、短いトラックの場合は残りが無音になります。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
image_url | はい | 先頭フレーム。被写体、衣装、セット、光の向き、クリップの比率はすべてここから来るので、先にトリミングしてください。 |
prompt | いいえ | 任意。ワンカットなら動作を 1 つ、マルチショットなら番号つきのショットを書きます。 1 文字以上 · 1500 文字以内 |
negative_prompt | いいえ | 出てはいけないもの。2 人目の人物、字幕、画像から何度も持ち込まれる小物など。 500 文字以内 |
resolution | いいえ | 720p または 1080p、既定は 720p。秒単価と処理時間が変わります。 |
duration_seconds | いいえ | 5・10・15 のいずれかちょうど。マルチショットは長めの尺のほうが生きます。 |
audio_url | いいえ | クリップが追いかけるセリフや音楽のきっかけ。話し声やビートが狙った位置に来るようになります。 |
shot_type | いいえ | single はワンカットのまま、multi はモデルがショットを切り替えます。短い物語向きですが、つながりは途切れます。 |
enable_prompt_expansion | いいえ | 既定はオフ。オンにすると一行のアイデアがマルチショット用のショットリストに広がります。 デフォルト値: |
seed | いいえ | 0 から 2147483647 まで。同じ画像で single と multi を比べるときに固定します。 |
料金
| 仕様 | 料金 |
|---|---|
| $0.09 / 秒 |
| $0.135 / 秒 |
ユースケース
ぶれてはいけない製品のマクロ撮影
美容液の例は、スポイト付きボトルの静止画を、シードを固定して 1080p で 5 秒動かしています。スポイトの先から 1 滴が落ち、液面に波紋が広がり、ガラスに映る光の帯が少し明るくなります。構図はマクロで固定し、ガラスが軽く鳴る音を添えています。製品のショットでアングルが切り替わるべきではないので、1 カットのままにしています。
1 枚の写真から作る室内の短い物語
夕方のアパートの例は、shot_type を multi にし、プロンプト拡張をオンにして、720p で 15 秒です。室内の画像 1 枚から 3 つのショットを作ります。ランプが一度またたいて窓の外で街の明かりが灯り、たたんだ毛布がアームチェアから滑り落ち、玄関のドアが開いて廊下の明かりが床板に広がります。音は静かな部屋の空気感と遠くの車の音です。
あなたのセリフを話すキャラクター
キャラクターの画像に、録音したセリフを audio_url で組み合わせると、汎用的な動きではなく、狙った位置でセリフが入ります。話し手のショットは single で作り、全体の長さも確認してください。トラックがクリップより短いと、残りの部分は無音で再生されます。
プロンプトガイドと実践のヒント
書き始める前に画像を整える
納品形式に切り抜き、衣装、セット、光が求める状態で画像に写っているか確認してください。最初のフレームが間違っていれば、どんなプロンプトでも取り戻せません。アニメーションさせたくない文字や 2 人目の被写体は取り除き、小道具や画面上の文字など、画像が何度も持ち込むものには最大 500 文字の negative_prompt を使います。
すでに見えているものではなく、動きを書く
1 カット撮りでは、動作とカメラの動きを 1 つずつ書きます。美容液のプロンプトは、しずく、波紋、光の帯の変化、構図、そして音を 1 つ挙げているだけで、ボトルの形やラベルには触れていません。それらは画像がすでに担っているからです。
A single drop falls from the dropper tip into the bottle and sends slow rings across the liquid surface; the light band on the glass brightens a little. Locked macro framing, soft chime of glass.
マルチショット編集を設計する
番号付きのショットをそれぞれ画角を決めて書き、カットの余裕を確保するために 10 秒か 15 秒を選びます。multi を選ぶと、そのリクエストでは enable_prompt_expansion がオンになります。1 カット撮りでは既定でオフなので、正確に書いたプロンプトは書いたとおりに送られます。
同じ画像で single と multi を比べる
seed を 0〜2147483647 の範囲で固定し、画像とプロンプトを変えずに、同じリクエストを single と multi で 1 回ずつ実行して、どちらがショットに合うかを確かめます。解像度は秒単価とタスクの所要時間を決めるので、言い回しは 720p で固めてから 1080p で書き出してください。シードを固定すると比較は安定しますが、フレーム単位で同一の再生成は約束されません。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
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。
