Masz zatwierdzony obraz, chcesz kilku sekund wideo rozpoczynającego się od niego i musisz wybrać API, do którego go wysłać. SpicyAPI oferuje cztery rodziny obraz na wideo bez cenzury, obsługujące treści dla dorosłych: Wan 2.7 Spicy, Seedance 2.5 Spicy, MiniMax H3 Spicy i Vidu Q3 Spicy. Wszystkie animują obraz początkowy. Żadna nie oferuje generowania z tekstu ani oddzielnego wejścia na zestaw obrazów referencyjnych postaci lub sceny.
Krótka odpowiedź. Zacznij od Wan lub Seedance, jeśli priorytetem jest zachowanie ubioru i otoczenia. Nasze testy z września i października 2026 pokazują też wyraźne różnice w kosztach i kontroli twórczej:
- Najtańszy test obrazu i pomysłu na ruch: MiniMax H3 Spicy. Pięć sekund w 480p kosztuje 0,19 $ i, podobnie jak Seedance i Vidu, wymaga tylko obrazu, bez promptu.
- Dźwięk w pliku lub własna ścieżka audio: Wan 2.7 Spicy. Pięć sekund w 720p kosztuje 0,6175 $. Tylko ten model przyjmuje plik audio i negatywny prompt.
- Klip dłuższy niż 16 sekund lub plik 4K: Seedance 2.5 Spicy, do 30 sekund. Pięć sekund w 480p kosztuje 1,08 $, a 4K jest powiększonym renderem 1080p.
- Jednosekundowe pętle lub regulacja siły ruchu: Vidu Q3 Spicy. Pięć sekund w 540p kosztuje 0,3325 $.
Porównanie portretu na czterech rodzinach kosztowało nas 2,22 $. Wan i Seedance najlepiej trzymały się założeń; H3 i Vidu zmieniły ubranie bez takiej prośby.
Cztery modele obok siebie
Ceny dotyczą sekundy wyniku w dolarach amerykańskich. Kwoty za 5 sekund to wyceny żądań z ustawionymi tylko image_url, duration_seconds i resolution, plus jednolinijkowy prompt dla Wan 2.7 Spicy, który go wymaga.
| Wan 2.7 Spicy | Seedance 2.5 Spicy | MiniMax H3 Spicy | Vidu Q3 Spicy | |
|---|---|---|---|---|
| ID modelu | alibaba/wan-2.7-spicy/image-to-video | bytedance/seedance-2.5-spicy/image-to-video | minimax/h3-spicy/image-to-video | vidu/q3-spicy/image-to-video |
| Wymagane pola | image_url, prompt | image_url | image_url | image_url |
| Długość klipu | 2 do 15 s | 4 do 30 s | 3 do 15 s | 1 do 16 s |
| Rozdzielczości | 720p, 1080p | 480p, 720p, 1080p, 4K | 480p, 540p, 768p, 1080p | 540p, 720p, 1080p |
| Domyślna rozdzielczość | 720p | 720p | 480p | 720p |
Klatka końcowa (last_image_url) | Nie | Tak | Tak | Nie |
| Dźwięk w pliku | Wygenerowany lub własna ścieżka (audio_url) | Wygenerowany (generate_audio) | Klip może mieć wygenerowane audio; brak przełącznika lub wejścia na własną ścieżkę | Wygenerowany (generate_audio), plus oddzielny przełącznik muzyki (bgm) |
| Negatywny prompt | Tak | Nie | Nie | Nie |
| Seed | Tak | Tak | Tak | Nie |
| Inna kontrola | enable_prompt_expansion (domyślnie włączone) | brak | brak | movement_amplitude: auto, small, medium, large |
| Typowe oczekiwanie (mediana ostatnich rzeczywistych zadań) | 2,0 min | 5,0 min | 89 s | 2,1 min |
| Cena na sekundę | 0,1235 $ (720p), 0,19 $ (1080p) | 0,216 $ (480p), 0,432 $ (720p), 1,08 $ (1080p), 2,16 $ (4K) | 0,038 $ (480p), 0,057 $ (540p), 0,084 $ (768p), 0,152 $ (1080p) | 0,0665 $ (540p), 0,1425 $ (720p), 0,152 $ (1080p) |
| 5 s, najtańszy poziom | 0,6175 $ (720p) | 1,08 $ (480p) | 0,19 $ (480p) | 0,3325 $ (540p) |
| 5 s przy około 720p | 0,6175 $ | 2,16 $ | 0,42 $ (768p) | 0,7125 $ |
Żaden model nie ma pola aspect_ratio. Przytnij obraz do docelowego kształtu przed wysłaniem. Czasy oczekiwania są medianami ostatnich zadań. Różnią się też kontrole wejścia, które mogą odrzucić żądanie przed naliczeniem opłaty: Seedance wymaga 300–6 000 pikseli na bok; Wan 240–8 000, proporcji od 1:8 do 8:1 oraz dla audio_url pliku WAV lub MP3 o długości 2–30 sekund; Vidu wymaga proporcji od 1:4 do 4:1. Proces przesyłania ogranicza obrazy do 10 MiB.
Jaki model do jakiego zadania
Wiele obrazów i tanie szkice: MiniMax H3 Spicy. Przy 0,114 $ za trzy sekundy możesz wygenerować tuzin wariantów jednej klatki i ponownie wyrenderować wybrany. Przyjmuje klatkę końcową. Nie ma przełącznika audio ani negatywnego promptu; natywna rozdzielczość wynosi 768p, więc 1080p powiększa ten sam obraz. Ogranicz prompt do ruchu: opis sceny, której nie ma na obrazie, może odciągnąć klip od oryginału.
Dźwięk związany z klipem: Wan 2.7 Spicy lub Seedance 2.5 Spicy. Wan domyślnie generuje audio, a gdy podasz audio_url, buduje klip pod Twoją ścieżkę. To sposób na synchronizację ust albo wejście muzyczne przypadające na konkretną klatkę. Pozostaw generate_audio włączone, inaczej ścieżka zostanie zignorowana. Seedance generuje audio bez dopłaty. H3 Spicy może zwrócić wygenerowane audio, ale nie ma przełącznika wyłączenia ani wejścia na własną ścieżkę; w razie potrzeby wycisz je w montażu. Vidu oferuje wygenerowany dźwięk i oddzielny przełącznik muzyki w tle. Wan wybierz też, jeśli chcesz coś wykluczyć: jego negatywny prompt mieści do 500 znaków.
Sterowanie zakończeniem za pomocą obrazu: Seedance 2.5 Spicy lub MiniMax H3 Spicy. Tylko te dwa przyjmują docelową klatkę końcową obok początkowej; sprawdź faktyczne zakończenie, zanim użyjesz go w następnym ujęciu. W Wan lub Vidu łącz klipy, używając ostatniej klatki jako kolejnego obrazu; poradnik dłuższych filmów opisuje tę metodę.
Jedno ujęcie dłuższe niż 16 sekund: Seedance 2.5 Spicy. Osiąga 30 sekund i jest najdroższy oraz najwolniejszy: 30 sekund w 720p kosztuje 12,96 $, a klip zwykle zajmuje około pięciu minut. Własne uwagi Wan wskazują na dryf dłoni i tkanin po dziesięciu sekundach, więc długie ujęcie nie musi być dobre.
Bardzo krótkie pętle lub regulacja siły ruchu: Vidu Q3 Spicy. Zaczyna od jednej sekundy (0,0665 $ w 540p). movement_amplitude prosi o mały, średni lub duży ruch; domyślne auto interpretuje obraz. Nie ma seed, więc identyczne żądania dają różne ujęcia. Nie ma też klatki końcowej.
Sformułowania w Seedance 2.5 Spicy. Jego własna warstwa odrzuca wąską grupę sformułowań, najczęściej dotyczących pocałunków, podczas gdy szept do ucha lub zetknięcie czołami przechodzi. Umieść ten moment w obrazie, a nie w zdaniu.
Stały seed (Wan, Seedance, H3 Spicy) pomaga porównywać własne zmiany w jednej rodzinie; nie gwarantuje identycznych klatek, a ten sam numer w dwóch rodzinach nie oznacza tych samych warunków. Każdy endpoint odrzuca niewymienione pola, więc buduj żądanie według kolumny danej rodziny.
Zakres treści
Wszystkie cztery objęły naszą pięciopoziomową skalę, od L1 Sugestywne przez L4 Intensywne do obu kategorii L5 Ekstremalne, z rzadkimi wyjątkami: Seedance 2.5 Spicy raz pozostawił żądane treści poza kadrem, H3 Spicy raz tylko zasugerował scenę, a Vidu Q3 Spicy raz złagodził klip. Zakres treści nie jest tym, co je odróżnia. Wyniki modeli: Wan 2.7 Spicy, Seedance 2.5 Spicy, MiniMax H3 Spicy, Vidu Q3 Spicy.
Czasem pokazują więcej niż prosił prompt; ranking ośmiu modeli wykazał to w kilku wersjach Spicy. Obejrzyj każdy klip przed dostarczeniem. Złagodzony klip jest rozliczany jak każdy inny. „Bez cenzury” oznacza tu brak dodanego filtra treści, a nie brak znaczenia praw i zgody dotyczących obrazu: używaj dorosłych, osób wyrażających zgodę i obrazów z uregulowanymi prawami.
Ten sam portret w czterech rodzinach
Użyliśmy jednego portretu w kawiarni, prosząc o powolny najazd kamery, lekki obrót głowy i mały uśmiech bez zmiany tła. Każda rodzina wygenerowała jedno pięciosekundowe ujęcie w najniższej rozdzielczości; w Wan rozszerzanie promptu było włączone.
| Rodzina | Co wydarzyło się w tym ujęciu portretowym | Wybór do tego rodzaju zadania |
|---|---|---|
| Wan 2.7 Spicy | Zachował sweter i kawiarnię, kończąc małym uśmiechem w zbliżeniu | Dobry punkt wyjścia do spokojnego portretu, zwłaszcza z własnym audio |
| Seedance 2.5 Spicy | Zachował ubranie, kawiarnię i oszczędny ruch | Wart rozważenia, gdy oryginalna stylizacja jest ważniejsza niż najniższa cena |
| MiniMax H3 Spicy | Zmienił ubranie bez prośby; wynik miał też ścieżkę audio | Tanie szkice mogą być nieodpowiednie, jeśli ciągłość ubioru jest kluczowa |
| Vidu Q3 Spicy | Dodał większy ruch naprzód, zmienił kadrowanie i ubranie | Niska cena nie wynagrodziła odejścia od założeń |
Dla takiego portretu w ubraniu zacznij od Wan lub Seedance. Przy podobnym ujęciu jasno określ wymagania dotyczące ubioru i ruchu.
Pierwszy test za około 2,20 $
Wybierz obraz, którego możesz użyć. Przygotuj go tak, jak naprawdę go dostarczysz: już przycięty do docelowego kształtu, z postacią z dala od krawędzi. Nieostry obraz da nieostry klip. Usuń również sugerowany ruch: rozmycie ruchu, kurz, poza w połowie kroku lub kierunkowe smugi ciągną klip ku ruchowi, któremu prompt może przeczyć.
Napisz prompt z jedną akcją postaci, jednym poleceniem kamery i jednym zakończeniem, np.: "She turns her head toward the window, the curtain lifts once, slow push-in, then hold." Opisuj tylko to, co się zmienia. Wan wymaga promptu, więc użyj tego samego dla wszystkich czterech z tymi ustawieniami:
| Kontrola | Ustawienie do uczciwej pierwszej rundy |
|---|---|
| Czas | 5 sekund na wszystkich czterech |
| Rozdzielczość | Najniższy poziom: Wan 720p, Seedance 480p, H3 Spicy 480p, Vidu 540p; ustaw samodzielnie, bo Seedance domyślnie używa 720p (2,16 $ za pięć sekund) |
| Audio | Wyłączone, aby najpierw ocenić obraz: generate_audio false w Wan, Seedance i Vidu, dodatkowo bgm false w Vidu. H3 Spicy nie ma przełącznika, więc ignoruj ścieżkę przy ocenie obrazu. Dźwięk testuj oddzielnie |
| Rozszerzanie promptu | enable_prompt_expansion wyłączone w Wan |
| Seed | Stały, gdzie dostępny |
| Klatka końcowa | Nieużywana; testuj osobno na Seedance i H3 Spicy |
Cztery próby na najniższym poziomie kosztują 0,19 $ + 0,3325 $ + 0,6175 $ + 1,08 $ = 2,22 $. Przy około 720p na każdym (H3 Spicy w 768p) suma wynosi 3,91 $.
Oceń każdy klip
Sprawdź pierwszą, środkową i ostatnią klatkę w rozmiarze publikacji. Oceń każdy od 0 do 5:
| Kryterium | Znaczenie 0 | Znaczenie 3 | Znaczenie 5 |
|---|---|---|---|
| Wierność początku | Postać lub układ znikają | Główna postać pozostaje, lecz kadr wymaga pracy | Kompozycja wytrzymuje docelowe przycięcie |
| Czytelność ruchu | Nie wiadomo, co miało się wydarzyć | Akcja jest czytelna, lecz rytm nierówny | Jedna akcja jest wyraźnie czytelna w docelowym rozmiarze |
| Stabilność w czasie | Dłonie, krawędzie, tkaniny lub tekst się rozpadają | Drobna niestabilność przy dokładnym oglądaniu | Powtarzające się szczegóły są spójne dla Twojego zastosowania |
| Zgodność z założeniami | Kamera lub zakończenie znacznie się różnią | Większość sprawdzalnych wymagań jest spełniona | Akcja, kamera i zakończenie pasują do promptu |
Sprawdź też, czy klip pozostał przy Twoim obrazie i nie pokazał więcej niż proszono. Dla każdej próby wybierz: zachować, odrzucić lub powtórzyć z jedną nazwaną zmianą.
Co zmienić, gdy klip się nie uda
| Co widzisz | Zmień jedną z tych rzeczy |
|---|---|
| Klip przechodzi do innego pokoju lub sceny | Przepisz prompt, opisując tylko ruch w kadrze. Warto też raz spróbować dłuższego czasu |
| Zakaz „nie rób” zamroził akcję | Zamiast tego określ pożądany kadr ("held tight on the face the whole time"). W Seedance 2.5 Spicy prompt pełen zakazów może zmienić scenę, po czym niemal zatrzymać ruch |
| Postać dryfuje albo dłonie i tkaniny się rozpadają | Ogranicz prompt do jednej akcji, skróć klip i ponownie renderuj na najniższym poziomie przed płaceniem za wyższy |
| Ruch kłóci się z obrazem | Znajdź sugerowany ruch w obrazie i usuń go albo zmień żądanie promptu |
| Klip pokazuje więcej niż napisano | Zawęź prompt i sprawdź przed publikacją |
| Kształt jest niewłaściwy | Przytnij obraz i uruchom ponownie |
| Rodzina wygrywa obrazem, ale nie spełnia obowiązkowego wymagania | Ustal wymaganie (koniec, dźwięk, długość, cena) i wybierz z rodzin, które je spełniają |
Gdy klip jest dobry, przenoś ten sam obraz i prompt o jeden poziom wyżej. W H3 Spicy 1080p tylko powiększa 768p.
Wypróbuj Playground, potem podłącz API
- Otwórz H3 Spicy obraz na wideo, pozostań na karcie Playground i dodaj zatwierdzony obraz pod Input image.
- Wpisz jedno polecenie ruchu w Prompt, ustaw Duration na 5 i Resolution na 480p, a następnie naciśnij Run model. Przy porównaniu użyj tego samego polecenia i czasu na pozostałych trzech stronach modeli.
- Wybierz wynik zachowujący wymagania ujęcia, potem podłącz ten model do aplikacji.
Ustaw SPICY_API_KEY w środowisku oraz SPICY_IMAGE_URI na publiczny HTTPS URL obrazu początkowego albo URI spicy:// z spicyapi files upload <path> dla lokalnego pliku (dokumentacja mediów). Ten przykład Python 3 wysyła nowe ujęcie po potwierdzeniu ceny.
import json
import os
import urllib.request
import uuid
base = "https://api.spicyapi.ai/api/v1"
headers = {"Authorization": "Bearer " + os.environ["SPICY_API_KEY"],
"Content-Type": "application/json", "User-Agent": "SpicyAPI-Blog/1.0"}
settings = {
"image_url": os.environ["SPICY_IMAGE_URI"],
"prompt": "A slow camera push toward the subject. Keep the setting and clothing unchanged. One continuous shot.",
"duration_seconds": 5,
"resolution": "480p",
}
payload = {"model": "minimax/h3-spicy/image-to-video", "input": settings}
def post(path, body):
request = urllib.request.Request(base + path, json.dumps(body).encode(), headers)
with urllib.request.urlopen(request, timeout=60) as response:
result = json.load(response)
if result.get("code") != 200:
raise RuntimeError(result)
return result["data"]
quote = post("/jobs/quote", payload)
if input(f"Maximum charge ${quote['maxCharge']}. Type yes to generate: ") != "yes":
raise SystemExit("Stopped before generation")
headers["Idempotency-Key"] = str(uuid.uuid4())
print("Request key:", headers["Idempotency-Key"], flush=True)
task = post("/jobs/createTask", {**payload, "quoteId": quote["quoteId"],
"expectedCost": quote["estimatedCost"]})
print("Task ID:", task["taskId"])Zachowaj wypisany klucz żądania do odzyskania tego samego żądania; nowe ujęcie dostaje nowy klucz. Link wyniku działa około 20 minut, a pliki są przechowywane najwyżej około 14 dni, więc skopiuj wideo do własnego magazynu (poradnik przechowywania). Dokumentacja API zadań opisuje dostarczenie i odzyskiwanie wyników.
Dla powtarzanych ujęć pozwól agentowi użyć zatwierdzonego pliku wejściowego: CLI spicyapi tasks create --model minimax/h3-spicy/image-to-video --input-file input.json --wait; MCP poproś o wywołanie spicyapi_task_create z tym modelem i wejściem; Skill poproś “Use the spicyapi Skill to generate this approved shot and return the result.” CLI i MCP pokazują cenę przed utworzeniem. Zobacz dokumentację integracji Agent.
Od czego zacząć
Własna ścieżka audio: Wan. Klatka końcowa: H3 Spicy lub Seedance, jeśli ujęcie musi przekroczyć 15 sekund. Ponad 16 sekund: Seedance. Jednosekundowe pętle lub regulacja ruchu: Vidu. Dla spokojnego ruchu i ciągłości ubioru zacznij od Wan lub Seedance; jeśli oba spełniają założenia, porównaj w rozdzielczości dostarczenia. Bez stałego wymagania przeprowadź test za 2,22 $ na jednym obrazie i, jeśli dwie rodziny spełniają założenia, zacznij od tańszej w docelowej rozdzielczości.
Częste pytania
Jaki jest najlepszy generator AI obraz na wideo bez cenzury?
Dla spokojnego ruchu portretowego zacznij od Wan lub Seedance. H3 Spicy jest tańszy, ale zmienił ubranie w naszym ujęciu; Vidu pasuje do bardzo krótkich pętli, jeśli jego interpretacja ruchu odpowiada założeniom.
Czy do nieruchomego obrazu z narracją potrzebuję modelu wideo?
Nie. Jeśli obraz nie zmienia się podczas audio, połącz je w edytorze wideo lub FFmpeg. Te cztery API generują ruch; opłacanie tego kroku nic nie wnosi do statycznego filmu z narracją.
Czy mogę wysłać publiczny URL obrazu?
Tak, jeśli link HTTPS zwraca sam plik obrazu. Strona udostępniania dysku chmurowego lub serwisu społecznościowego kończy się invalid_asset; pliki lokalne najpierw prześlij przez spicyapi files upload <path>.
Czy mogę wysłać ten sam korpus żądania do każdej rodziny?
Nie. Wan wymaga promptu, pozostałe nie; audio_url jest tylko w Wan, movement_amplitude tylko w Vidu, last_image_url tylko w Seedance i H3 Spicy.
Czy płacę za klip zwrócony w złagodzonej formie?
Tak, jest rozliczany jak każdy inny: sprawdź wynik, nie tylko status zadania. Odmowa lub błąd zadania potwierdzone przez usługę zwalniają blokadę środków bez opłaty za generowanie. Sprawdź settled i cost, aby potwierdzić końcowe rozliczenie; ukończony, ale złagodzony klip to inny przypadek.
