Wan 2.6 Reference-to-Video API: 클립에서 인물 배치하기

Wan 2.6 reference-to-video는 짧은 클립 1~3개와, 새 장면을 설명하는 프롬프트를 받습니다. 클립이 누가 무엇을 등장시킬지 정하고, 프롬프트는 그들이 어디에 있고 무엇을 하며 카메라와 빛이 어떻게 다룰지 정합니다. 결과는 720p 또는 1080p에서 2~10초로 나오며, 5가지 화면비율 중 하나와 원샷 또는 여러 컷을 고를 수 있습니다. 가격은 720p에서 초당 $0.065, 1080p에서 $0.0975이며, 보낸 레퍼런스 영상의 시간도 함께 과금됩니다.

영상이 주인공이고 배경만 새로울 때 사용합니다. 한 번만 찍은 진행자를 여러 장소에 배치하고, 새 시즌에 맞춰 다시 구성한 제품 클립에 잘 맞습니다. 승인된 스틸 이미지가 첫 프레임과 세트, 비율을 정해야 한다면 Wan 2.6 image-to-video를 대신 사용하세요. 이 작업은 클립과 함께, 또는 클립 대신 정지 이미지도 최대 2장까지 받습니다. 오디오 레퍼런스 필드는 여전히 없으며, Wan 2.6 작업 중 Filtered 티어에 속하는 것은 이 하나뿐입니다.

먼저 Playground에서 해보세요

1. reference-to-video 페이지를 열고 Form 뷰의 Playground 탭을 그대로 사용하세요. 실행하려면 충전된 계정으로 로그인해야 합니다.
2. Reference videos 아래에서 Add a file로 다듬은 클립 1~3개를 추가하거나, Asset URL로 링크를 붙여넣습니다. 첫 번째 클립은 프롬프트에서 character1, 두 번째는 character2, 세 번째는 character3입니다.
3. Prompt는 아래 장면 섹션의 예시처럼 씁니다. 각 클립이 무엇을 더하는지 먼저 쓰고, 배경과 동작, 카메라와 조명을 정합니다.
4. Resolution은 720p, Duration은 짧은 5, Aspect ratio는 납품할 형태에 맞게, Shot structure는 첫 테스트에서 Single take로 설정합니다.
5. Seed를 정해 두고 클립을 하나씩 바꿀 때마다 유지합니다. Negative prompt는 반복해서 문제가 될 때만 넣습니다.
6. 레퍼런스 시간이 포함된 가격 추정을 확인하고 실행합니다. 캐스팅이 맞으면 1080p로 옮깁니다.

요청으로 받는 값

작업은 alibaba/wan-2.6/reference-to-video입니다.

다른 Wan 2.6 작업의 필드를 복사하지 마세요. 이 페이로드에 image_url이나 오디오 필드를 넣으면 약한 프롬프트가 아니라 계약 위반입니다.

레퍼런스 클립 고르고 다듬기

각 클립은 피사체 하나만 또렷하게 잡히고, 프레임 안에서 크고, 조명이 좋으며, 가능하면 여러 각도에서 보여야 합니다. 피사체가 작거나 역광이면 대략적으로만 재현되고, 빈 장소만 담은 클립은 모델이 붙잡을 대상을 주지 않습니다. 배경은 프롬프트에서 옵니다. 여러 사람이 나오는 클립은 누가 배치되어야 할지 애매해지므로, 피사체가 가장 또렷하게 읽히는 구간만 잘라내세요.

업로드하기 전에 다듬으세요. 레퍼런스 시간은 과금되며, 선명한 몇 초가 오래 떠도는 긴 테이크보다 잘 전달됩니다.

두 번째, 세 번째 클립은 새 피사체가 필요할 때만

클립을 하나 더 넣을 때마다 모델이 정리해야 할 신원과 동작, 배경이 늘어납니다. 장면에 다른 피사체가 필요할 때(정비사 옆의 상인 등)나, 첫 클립이 물체의 특징을 가려버렸을 때(자전거의 앞 카고 박스) 두 번째 클립을 보내세요. 두 번째 사람에게는 다른 위치와 동작을 주세요. 비슷한 얼굴이 비슷한 자리에 있으면 서로 섞여 흐려집니다. 같은 피사체를 다른 옷으로 찍은 클립 두 개라면 보내기 전에 하나로 줄이세요. 둘 다 요구한 프롬프트는 타협한 결과를 만듭니다.

추가한 클립이 도움이 되는지 확인할 때는 seed, Duration, Resolution, Aspect ratio, Shot structure를 고정하고 클립만 바꾸세요. seed는 실행 사이에 무작위 추첨을 같게 유지하므로, 달라지는 것은 추가한 클립뿐입니다. 다만 프레임이 완전히 같은 재실행을 보장하지는 않습니다.

클립을 중심으로 장면 쓰기

보낸 순서대로 각 클립을 character1, character2, character3로 부르세요. 모델은 이 이름으로만 인물을 알아보기 때문에 "Clip 1"이나 "정비사 영상"이라고 쓰면 추측에 맡기게 됩니다. 각 클립이 무엇을 더하는지 먼저 적고, 이어서 배경과 동작, 카메라와 조명을 정합니다. 영상이 이미 보여주는 내용을 다시 설명하지 마세요. 1,500자 한도를 소모하고 클립과 경쟁합니다. 동작이 하나뿐이고 분명한 한 컷만 쓰면, 이야기를 요청하기 전에 캐스팅이 제대로 됐는지 판단할 수 있습니다.

character1 is the mechanic: keep the short silver hair and indigo apron.
character2 is the teal cargo bicycle: keep its front box and cream tires.
Place them in a quiet produce market at dawn. One continuous medium-wide shot:
character1 wheels character2 a few steps and stops beside a vegetable stall.
Slow sideways camera move, soft morning light, distant market ambience.

여러 번 실행해도 계속 나타나는 것(여분의 인물, 화면 자막, 클립에 있던 소품 등)은 negative_prompt로 다루고, 제외할 항목을 처음에 전부 나열하지는 마세요. 시도 사이에는 한 가지만 바꾸세요. 작업장이 시장으로 새어 나오면 목적지를 분명히 하고 클립을 다듬으세요. 옷과 카메라, 시간을 한꺼번에 바꾸면 어떤 조치가 효과가 있었는지 알 수 없습니다.

원샷과 멀티샷

single은 한 번의 연속된 테이크를 그대로 유지합니다. 동작 중에 피사체가 바뀌는지 볼 수 있어 첫 테스트에 알맞습니다. multi는 모델이 장면 안에서 컷을 넣게 합니다. 2~3초 클립에는 컷을 넣을 여지가 거의 없어 6초쯤부터 효과가 납니다. 컷은 프롬프트에 번호가 붙은 샷 목록으로 지시하세요. 예를 들면 미디엄 와이드 샷으로 도착한 뒤 자전거가 멈추는 클로즈업으로 이어지고, 컷 이후에도 피사체가 같은지 확인하면 됩니다.

형태, 크기, 길이

비율은 클립에서 읽는 값이 아니라 요청에서 고르는 값입니다. 그래서 레퍼런스 한 묶음을 여러 형태로 넘길 수 있고, 세로 결과에 세로 원본 영상이 필요하지 않습니다. 고른 프레임에 맞춰 장면을 쓰세요. 폭 가득한 시장 파노라마는 9:16 결과에 맞지 않습니다. 넓은 결과를 나중에 자르기보다 최종 비율을 시험하세요. 자르면 어긋난 부분을 감출 수 있습니다.

Duration은 가격을 결정하는 가장 큰 요소이자 닮은 정도가 어긋나기 쉬운 지점입니다. 첫 1초만이 아니라 클립 전체를 재생하고, 긴 길이로 확정하기 전에 마지막 1초를 잘 살펴보세요. Resolution은 요금과 렌더링 시간을 정합니다. 잘못된 피사체를 고쳐 주지는 않으므로 캐스팅은 720p에서 확정하고 마지막에 1080p로 올리세요.

그다음 코드로 실행하기

Python SDK(pip install spicyapi)를 설치하고, 서버 환경에 SPICY_API_KEY를 설정하고, 자리표시자 링크를 사용할 수 있는 클립으로 바꾼 뒤 실행합니다:

import uuid
from spicyapi import SpicyClient, output_assets

client = SpicyClient()  # reads SPICY_API_KEY from the environment

task = client.create_task(
    model="alibaba/wan-2.6/reference-to-video",
    input_data={
        "prompt": "character1 is the mechanic and character2 is the teal cargo bike. At a quiet "
                  "produce market at dawn, character1 wheels character2 forward and stops beside "
                  "a vegetable stall. One medium-wide continuous shot, slow sideways camera move, "
                  "distant market ambience.",
        "reference_video_urls": [
            "https://example.com/mechanic.mp4",
            "https://example.com/cargo-bike.mp4",
        ],
        "duration_seconds": 5,
        "resolution": "720p",
        "aspect_ratio": "16:9",
        "shot_type": "single",
        "seed": 26017,
    },
    idempotency_key=str(uuid.uuid4()),
)

final = client.wait_for_terminal(task["taskId"])
if final["state"] != "succeeded":
    raise RuntimeError(f"{task['taskId']} ended as {final['state']}: {final.get('errorCode')}")
print(output_assets(final)[0]["url"])  # copy the clip to your own storage now

가격, 대기, 재시도, 콜백, 오류 코드는 tasks guide와 Python SDK 레퍼런스에서 다룹니다. 결과에는 만료 시점이 있으므로 retention and delivery도 확인하세요. 이 작업에는 오디오 입력도 설정도 없지만, 결과 클립에는 생성된 소리가 붙어 옵니다. 원하는 소리를 프롬프트에 적고(예: 시장 배경음), 특정 오디오가 필요하면 편집에서 교체하세요.

Agent에게 맡기기

어시스턴트가 생성을 맡도록 할 때, 공식 도구 세 가지 모두 가격을 표시하고 유료 호출 전에 확인을 요청합니다.

• CLI. 같은 input 객체를 input.json에 두고 spicyapi tasks create --model alibaba/wan-2.6/reference-to-video --input-file input.json --wait를 실행합니다. 컴퓨터에 있는 클립은 spicyapi files upload ./mechanic.mp4로 spicy:// 주소를 돌려주며, reference_video_urls에 쓸 수 있습니다. CLI 문서도 보세요.
• MCP server. 어시스턴트에 MCP server를 추가한 뒤 다음과 같이 요청합니다. "Cast the person in /path/to/mechanic.mp4 into a dawn produce market on Wan 2.6 reference-to-video, 5 seconds, 720p." spicyapi_upload_file로 파일을 올리고 spicyapi_task_create를 호출하면 가격 확인을 기다립니다.
• Skill. npx skills add spicyapi-ai/spicy-skill로 Agent Skill을 설치하면, 코딩 어시스턴트가 필드를 추측하지 않고 실제 모델 스키마를 읽습니다.

레퍼런스 시간을 예산에 넣기

과금되는 초는 결과 길이에 레퍼런스 클립 길이를 더한 값입니다. 각 클립은 정수 초로 올림하고, 레퍼런스 초는 합계 최대 5초까지만 셉니다. 5초 결과에 3초 클립 하나를 쓰면 8초로 과금됩니다. 같은 결과에 합계 9초인 클립 세 개를 쓰면 10초입니다. 제출 전의 실시간 견적에서 금액을 확인할 수 있습니다. 클립 길이를 미리 읽을 수 없으면 보류 금액은 레퍼런스 5초를 가정하고, 최종 청구는 측정된 길이를 사용합니다.

가격은 문서를 쓸 당시의 카탈로그 기준입니다. 더 짧고 또렷한 레퍼런스가 가장 값싼 절약입니다. 과금 초가 줄고 모델도 피사체를 더 잘 잡기 때문입니다. 재시도는 한 번의 실행 비용 전체가 듭니다.

결과 확인하고 고치기

인물과 물체를 따로 판단하세요. 하나는 유지되면서 다른 하나만 어긋날 수 있습니다. 인물은 방향을 바꿔도, 어떤 컷 이후에도 얼굴과 옷이 그대로인지, 다른 사람이 피사체를 대신하지 않는지 봅니다. 물체는 색뿐 아니라 형태가 남았는지(카고 박스, 바퀴 수)를 봅니다. 평범한 청록색 자전거도 청록색이기 때문입니다. 작업장 문이나 공구 랙처럼 클립에서 넘어온 소품이 없는지도 확인하세요.

두세 번 수정해도 피사체가 정리되지 않으면 억지로 밀지 말고 작업을 바꾸세요. image-to-video로 합성한 스틸 이미지를 쓰거나, 아래 모델 중 하나를 고릅니다. 반복해서 쓸 샷이라면 클립, 전체 요청, 편집하지 않은 출력을 함께 보관하세요.

콘텐츠 티어와 동의

Wan 2.6 image-to-video와 text-to-video는 Uncensored지만, reference-to-video는 Filtered입니다. 2026년 9월 테스트 기준으로 명시적인 레퍼런스 클립이 거절되었으므로, 성인 지향 캐스팅은 다른 작업에 두어야 합니다. 어떤 Wan 버전이 uncensored인지를 보세요. 레퍼런스 캐스팅은 실제로 일어나지 않았던 장면으로 얼굴을 그대로 가져오므로, 가상의 캐릭터나 동의한 실제 사람의 영상을 쓰고, 관객이 녹화물로 착각할 수 있는 자리에서는 생성 결과임을 표시하세요.

더 빠른 티어: Wan 2.6 Flash reference-to-video

10월 14일부터 Wan 2.6 Flash reference-to-video에서 Wan 2.6의 더 빠르고 저렴한 Flash 티어로 같은 캐스팅을 할 수 있습니다. 무엇을 보내는지에 영향을 주는 차이는 세 가지입니다.

• 이미지가 더 많습니다. reference_image_urls는 이미지를 2장이 아니라 최대 5장 받으며, reference_video_urls에 클립을 최대 3개 더할 수 있어 레퍼런스는 합쳐서 5개까지입니다. 이미지는 두 작업 모두 과금되지 않고, 클립은 위에서 설명한 대로 그 초수가 더해지며 합계 최대 5초입니다.
• 소리는 스위치입니다. generate_audio는 기본값이 꺼짐이며 영상만 돌려주고, 가격은 720p에서 초당 $0.0225, 1080p에서 $0.03375입니다. 켜면 생성된 목소리와 효과음, 분위기 소리가 더해져 $0.045 또는 $0.0675가 됩니다. 이 페이지에서 다룬 작업은 항상 소리가 붙어 나오며 720p에서 초당 $0.065입니다.
• Uncensored입니다. 10월 14일 테스트에서 성인 레퍼런스가 담긴 요청도 요청한 대로 결과가 나왔고, 거절된 경우는 없었습니다.

프롬프트에서는 레퍼런스를 character1, character2 같은 이름으로 지칭하되 클립을 먼저, 스틸을 그다음에 적으세요. 호출 이름은 alibaba/wan-2.6-flash/reference-to-video입니다. Flash는 섬세한 디테일을 조금 내주고 빠른 결과를 얻는 방식이라 캐스팅 초안, 대량 제작, 성인 지향 장면에 알맞습니다. 한 테이크에 풀 Wan 2.6 티어의 더 고운 질감을 담아야 한다면 이 작업에 머무르세요.

다른 모델이 더 잘 맞는 경우

레퍼런스가 클립 3개와 스틸 2장까지이고 가장 저렴한 Wan 720p 캐스팅(Wan 3.0의 $0.09 대비 초당 $0.065)을 원한다면 Wan 2.6 reference-to-video에 머무르세요. 멀티샷 컷은 선택 사항입니다. 클립을 다듬고, 프롬프트에서 각각을 이름으로 지칭하고, 720p 싱글 테이크로 테스트한 뒤, reference-to-video 작업을 열어 실행 전에 클립의 실제 가격을 확인하세요.