はじめに
Wan 2.6 参照から動画 は、1〜3 本の短いクリップに映っている人物、動物、物体を、あなたが記述する新しい場面に登場させます。誰が、何が映るかはクリップが決め、場所、動作、カメラ、光はすべてプロンプトから決まります。結果の長さは 2〜10 秒の整数秒で、720p または 1080p、5 種類の画面比から選べ、1 カットの連続撮りにもマルチショット編集にもできます。呼び出し名は alibaba/wan-2.6/reference-to-video で、非同期です。タスクを作成し、ポーリングするかコールバックを受け取ります。
同じリクエストで、クリップに加えて、またはクリップの代わりに静止画を最大 2 枚送れます。クリップと合わせて参照は 5 件までです。静止画の番号はクリップの後ろに続き、クリップが 2 本なら最初の画像は character3 です。静止画は課金されません。
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
移るのは被写体、舞台は書いて決める
誰が、何が登場するかは参照クリップが決め、どこにいて何をし、カメラと光がそれをどう捉えるかはプロンプトが決めます。開始画像がセット、光、縦横比まで固定してしまう画像から動画との違いはここにあります。一度だけ撮影した司会者を、別の画面比で、夕暮れの屋上に立たせることが、撮り直しなしでできます。
1 つの場面にクリップは 3 本まで
1 人の被写体を見分けられる状態で保ちたいときは 1 本、場面に複数の被写体が同時に必要なときは最大 3 本を送ります。プロンプトでは送った順番でクリップを指し、それぞれが何を提供するかを書いてください。そうすれば、どれが司会者でどれが犬なのかをモデルが判断できます。複数の人物が映り込んだごちゃごちゃしたクリップでは、誰を登場させるべきかがわかりにくくなります。
画面比とサイズは継承ではなくパラメーター
aspect_ratio はリクエストごとに選び、16:9、9:16、1:1、4:3、3:4 のすべてが両方の解像度で使えます。720p では 1280×720、720×1280、960×960、1088×832、832×1088、1080p では 1920×1080、1080×1920、1440×1440、1632×1248、1248×1632 で返ります。参照素材からは何も引き継がないので、縦型で納品するのに縦型の元素材は要らず、同じ参照セットを複数の画面比で納品できます。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | 新しい場面です。各参考クリップが何を提供するのかを述べ、そのうえで設定、動き、カメラ、光を書きます。 1 文字以上 · 1500 文字以内 |
negative_prompt | いいえ | 出てほしくないもの。余計な人物、字幕、参考クリップから持ち越したくない小物などです。 1500 文字以内 |
reference_video_urls | いいえ | 起用する人物や物のクリップを最大 3 本。プロンプトの中では送った順に character1、character2、character3 と指してください。 1 件以上 · 3 件以内 |
reference_image_urls | いいえ | 起用する人物や物の静止画を最大 2 枚。クリップと一緒にも、クリップの代わりにも送れ、クリップと合わせて 1 リクエスト 5 件までです。 1 件以上 · 2 件以内 |
aspect_ratio | いいえ | 16:9、9:16、1:1、4:3、3:4 のいずれか。既定は 16:9 で、どちらの解像度でも使えます。 |
resolution | いいえ | 720p か 1080p、既定は 720p です。秒あたりの単価とタスクにかかる時間を決めます。 |
duration_seconds | いいえ | 2 から 10 までの整数、既定は 5 です。価格を最も左右する要素であり、似姿がずれるのもここです。 |
shot_type | いいえ | single は 1 カットの連続撮りを保ち、multi は同じ場面の中でモデルにカットを割らせます。場面に展開があるときは multi の価値がありますが、2〜3 秒ではカットを入れる余地はほとんどありません。 |
seed | いいえ | 0 から 2147483647 まで。参考クリップを 1 本ずつ入れ替えて比べるあいだは固定しておくと、乱数の引きが一定に保たれ、変えたところだけが動きます。 |
料金
参照クリップの長さも課金対象の秒数に加算されます。実行前にクリップの長さを計測できないため、まず上限の5秒分を仮押さえし、精算時に未使用分を即座に解放します。実際に使用された秒数のみが課金されます。
| 仕様 | 料金 |
|---|---|
| $0.065 / 秒 |
| $0.0975 / 秒 |
ユースケース
司会者を新しい場所に移す
人物のクリップを 1 本送り、部屋、光、カメラの動きをプロンプトで指定します。司会者の見た目は参照から、セットは文章から決まるので、1 回の撮影から、その日には使えなかったロケーションの映像まで用意できます。
製品を季節の演出に置く
手元にある製品の回転ショットを送り、新しい台、新しい季節、新しい光を記述します。物体は形と質感を保ったまま、まわりの場面だけが作り直されるので、撮影セットを組み直さずに、1 本の製品クリップを複数のキャンペーン設定に使えます。
2 つの被写体を 1 つの場面に集める
司会者のクリップと、同じ画面に入る動物や物体のクリップを送り、それぞれが何をするかをプロンプトに書きます。本来なら両方の被写体を同じ日に現場へそろえる必要があった場面を実現できます。
撮り直せない素材を再利用する
もう出演できない司会者のアーカイブ映像や、すでにクライアントに返却した製品サンプルの映像にも、被写体はまだ映っています。それを参照として送り、新しい舞台を書いてください。古い映像が被写体を、プロンプトが場面を受け持ちます。
プロンプトガイドと実践のヒント
モデルが読み取れるクリップを選ぶ
被写体が画面の中で大きく、明るく照らされ、複数の角度から映っている短い映像ほど、うまく引き継がれます。小さいままだったり逆光だったりする被写体は、おおよその再現にとどまりがちです。アップロード後ではなく前にトリミングしてください。送った秒数は課金対象になり、被写体が最もはっきり見える数秒のほうが、あちこちに振れる長回しよりも引き継がれやすい傾向があります。
参照ではなく場面を書く
まず、クリップ 1 の女性、クリップ 2 の犬のように各クリップが何を提供するかを示し、そのあとテキストから動画と同じ要領で、舞台、動作、カメラ、光を 1,500 文字以内で書きます。映像がすでに見せているものを書き直すと、その文字数を消費するうえ、クリップと競合することもあります。何度も現れて困るもの、たとえば余計な人物、画面上の字幕、被写体について新しい場面まで入り込んでくる参照クリップの小道具には、negative_prompt を使います。
送信前に秒数を見積もる
課金対象秒は、出力の長さに参照クリップの合計の長さを足したもので、それぞれ整数秒に切り上げられ、参照側は合計 5 秒までが数えられます。3 秒の参照 1 本で 5 秒をレンダリングすると、選んだ解像度の単価で 8 秒分の課金です。合計 9 秒になる 3 本のクリップで同じレンダリングをすると、参照は 5 秒までしか数えないので 10 秒分になります。送信前のリアルタイム見積もりに金額が表示され、クリップの長さを事前に読み取れない場合は 5 秒として見積もり、最終的な請求では実測の長さが使われます。
同梱の例を応用する
公開済みの例、aspect_ratio: 16:9、duration_seconds: 5、resolution: 720p、reference_video_urls にクリップ 1 本という設定から始めてください。この入力の約束事は保ったまま、被写体と演出を入れ替えます。
Keep character1, the amber glass bottle, exactly - its shape, colour and the marble block it stands on. Move it to a sunlit kitchen windowsill in the morning, lemons and a linen cloth beside it. The camera circles it slowly the way the reference clip does. Soft birdsong outside.
製品クリップ 1 本を参照にして新しい部屋で演出し直し、カメラは参照と同じゆっくりした周回を繰り返しています。
反復する前に似ているかを確かめる
最初の 1 秒だけでなくクリップ全体を再生してください。長めの尺では終盤に向かって似具合がずれやすいので、その長さに決める前に最後の 1 秒を確認します。2〜3 秒ではカットを入れる余地がほとんどないため、multi が生きてくるのはおおむね 6 秒以上からです。比較するときは seed を固定し、参照クリップを 1 本ずつ差し替えます。ランダムな要素が一定に保たれ、変えたところだけが動くようになりますが、フレーム単位で同一の再生成を約束するものではありません。生成したクリップは 14 日後に削除されるので、残したいものはコピーしておいてください。
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"shot_type": "single",
"reference_video_urls": [
"https://example.com/reference.mp4"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$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。





















