Przepływ pracy AI od szkicu do wideo: zachowaj rysunek, dodaj ruch

Żeby ożywić szkic i zachować jego wygląd szkicu, wyślij oczyszczony rysunek jako pierwszą klatkę, poproś o jedno małe działanie i obserwuj, czy kreski pozostają kreskami do ostatniej klatki. Modele image-to-video zaczynają od Twojego obrazu, ale swobodnie go reinterpretują, więc typowy problem to klip, który zaczyna się jako Twój rysunek, a powoli zamienia w materiał cieniowany i fotograficzny.

SpicyAPI nie ma osobnego zadania szkic-wideo. Droga wygląda tak: przygotuj rysunek, opcjonalnie rozwiń go modelem obrazu, a potem uruchom zadanie image-to-video. Zachowuje wygląd Twojego rysunku; nie zachowuje edytowalnych ścieżek kreski.

Poniższe przykłady używają jednej sceny: odręcznie narysowanego ptaka w kanciastym stylu złożonej kartki, naniesionego jako niewypełniony kontur tuszem na kremowym papierze, z otwartym skrzydłem i małym dzwoneczkiem na biurku, w który ptak stuka. Puste kształty i pusty papier ułatwiają zauważenie dryfu.

Zdecyduj, co znaczy "zachować szkic"

Zanim napiszesz prompt, zapisz, co nie może się zmienić. Dla ptaka: czarny kontur zostaje niewypełniony, wnętrze skrzydła zostaje otwarte, strona zostaje kremowa i w dużej mierze pusta, grubość kreski zostaje luźna, a dzwoneczek zostaje prostym konturem. To cztery sprawdzenia, na których mierzysz klip (patrz „Najpierw przetestuj trwałość kresek").

Zdecyduj też, jak surowy jesteś. „Rozpoznawalne jako mój rysunek" da się osiągnąć modelem wideo. „Moje faktyczne, edytowalne kreski" nie: model syntetyzuje nowe klatki i może przerysować kontur, zachowując styl.

Opisz ruch możliwie precyzyjnie: „prawe skrzydło podnosi się raz i dotyka dzwoneczka; tułów zostaje w miejscu" da się sprawdzić, „ożyw go" nie. Małe działanie pokazuje, czy styl przetrwa, zanim dodasz obrót lub scenografię.

Dlaczego szkice dryfują

Model czyta Twój obraz plus prompt i syntetyzuje sekwencję; nie odtwarza kresek. Słowa takie jak realistyczny, kinowe oświetlenie, szczegółowe pióra skłaniają go do traktowania znaków jako opisu fizycznego zwierzęcia. Niejednoznaczne znaki robią to samo: owal konstrukcyjny może zostać odczytany jako cień, otwarty kontur jako niedokończona forma.

Dryf jest stopniowy. Pierwsze klatki zgadzają się z tym, co wgrałeś; późniejsze dodają miękkie cieniowanie, teksturę lub wypełnione obszary, więc sprawdzaj środek i koniec, nie początek.

Naprawy wynikają z przyczyny. Prompt prosi o realizm: przepisz go wokół animacji płaskim tuszem. Wejście jest niejednoznaczne: oczyść je. Jeśli model i tak wymyśla nośnik od nowa, użyj animacji kontrolowanej.

Animacja bezpośrednia czy najpierw etap obrazu

Animuj rysunek bezpośrednio, gdy jest już gotowym dziełem: jedno zatwierdzone źródło, jedna instrukcja, by go poruszyć. To jest droga dla ptaka.

Dodaj etap obrazu, gdy szkic jest tylko planem, na przykład żeby poprawić proporcje, dodać paletę albo zamienić surowy storyboard w spójną ilustrację. Zatwierdź nowy still przed animacją; jeśli wypełnił tułów lub zastąpił papier, model wideo nie jest winowajcą.

Pomiń etap obrazu, gdy jedynym problemem jest krzywy lub źle oświetlony skan. Zwykła edycja obrazu naprawi to bez generatywnego projektowania od nowa.

Przygotuj pierwszą klatkę

• Usuń artefakty rejestracji, których nie chcesz animować: cienie, palce, krawędzie biurka, przekrzywioną ramkę. Inaczej model może animować kartkę jako obiekt fizyczny, a nie rysunek jako płaską postać.
• Skanuj lub fotografuj przy równomiernym świetle i wyprostuj stronę. Przytnij do kształtu, którego chcesz, bo klatka ustala proporcje klipu, i zostaw miejsce na ruch.
• Usuń owale konstrukcyjne i zbędne linie pomocnicze, chyba że są częścią stylu; model nie odróżni znaku niedokończonego od wyrazistego.
• Zachowaj subtelną teksturę papieru, ale nie mocny cień na motywie.
• Zostaw miejsce na akcję: skrzydło potrzebuje przestrzeni, by się unieść, a dzwoneczek powinien być w zasięgu. Jeśli ptak musi dosięgnąć połowy strony, model rozciąga tułów albo wymyśla drugą kończynę.
• Trzymaj strzałki i etykiety poza wysyłanym obrazem; mogą pojawić się w klipie. Umieść je na osobnym arkuszu do przeglądu.
• Eksportuj jako JPEG, PNG bez przezroczystości lub WEBP. Wan 2.6 przyjmuje od 240 do 8000 pikseli na bok, do 20 MB, a pole przesyłania jest ograniczone do 10 MB, więc zostań poniżej 10 MB.

Napisz prompt, który kontynuuje rysunek

Najpierw nazwij nośnik, potem jedno działanie, kamerę i granice:

Continue this flat black-ink drawing on cream paper. The bird stays in the same
position and lifts its right wing once to tap the small outlined desk bell.
The wing lowers again. Preserve the loose ink contours, unfilled shapes and
blank paper background. No camera movement and no scene change.
Audio: one soft bell tap, otherwise quiet.

Trzymaj język płaski. Szczegóły piór, błyszczące oczy i światło wolumetryczne ciągną ku fizycznemu zwierzęciu. Powiedz krótko, co zachować ("niewypełniony tułów, bez nowej scenografii"), zamiast wyliczać każdą zabronioną cechę fotograficzną. Tylko rodzina Wan 2.6 (Wan 2.6 i Wan 2.6 Flash) ma osobne pole negative_prompt; w LTX 2.5 i H3 LoRA granica trafia do głównego promptu.

Zablokuj kamerę na pierwszy test. Powolny najazd kamery wygląda starannie, ale ukrywa, czy postać się poruszyła. Ruchy kamery testuj osobno.

Uruchom pierwszy test na Wan 2.6

Wypróbuj w Playground, zanim napiszesz kod:

1. Otwórz Wan 2.6 image to video, zostań w zakładce Playground w widoku Form i zaloguj się, aby uruchomić.
2. W sekcji Input image dodaj oczyszczony rysunek przez Choose a file lub Asset URL.
3. Wklej powyższy prompt w Prompt i wpisz shading, color fill, photographic texture, camera movement w Negative prompt.
4. Ustaw Resolution na 720p, Duration na 5, a Shot structure na Single take; ustaw stały Seed.
5. Uruchom model i sprawdź cały klip pod kątem czterech sprawdzeń kresek poniżej.

Otwórz Wan 2.6 z tym promptem →

Aby wykonać to samo żądanie z kodu, wgraj rysunek i utwórz zadanie przez CLI. spicyapi files upload wypisuje adres spicy://; wklej go jako image_url:

spicyapi files upload ./bird.png   # copy the spicy:// address it prints
cat > input.json <<'EOF'
{
  "image_url": "spicy://f/PASTE_ADDRESS",
  "prompt": "Continue this flat black-ink drawing on cream paper. The bird stays in the same position and lifts its right wing once to tap the small outlined desk bell. The wing lowers again. Preserve the loose ink contours, unfilled shapes and blank paper background. No camera movement and no scene change. Audio: one soft bell tap, otherwise quiet.",
  "negative_prompt": "shading, color fill, photographic texture, camera movement",
  "duration_seconds": 5,
  "resolution": "720p",
  "shot_type": "single",
  "seed": 14327
}
EOF
spicyapi tasks create --model alibaba/wan-2.6/image-to-video --input-file input.json --wait

Pięciosekundowe uruchomienie w 720p kosztuje 0,45 $. Oczekiwanie, wyniki i ponowienia są w przewodniku image-to-video.

Jeśli test ma wykonać Agent, dodaj serwer MCP (spicyapi_upload_file, spicyapi_task_create, spicyapi_task_wait; zatrzymuje się w oczekiwaniu na Twoje potwierdzenie ceny). npx skills add spicyapi-ai/spicy-skill instaluje Skill, który uczy asystenta używać CLI lub MCP.

Wybierz zadanie według potrzebnej kontroli

Wszystkie trzy przyjmują obraz otwierający; różnią się kontrolami.

Ceny zgodnie z katalogiem z października 2026; strona modelu pokazuje bieżącą stawkę.

• Potrzebujesz listy „nie może się pojawić": Wan 2.6. Zostaw typ ujęcia na single, żeby rysunek pozostał jednym ciągłym ujęciem; cięcia multi-shot łamią ciągłość i włączają rozszerzanie promptu.
• Potrzebujesz zaplanowanej pozy końcowej: LTX 2.5 lub H3 LoRA. Klatka końcowa ustala zamierzoną pozycję końcową, nie drogę, a dłuższe klipy LTX bardziej od niej odbiegają. H3 działa bez LoRA, więc test z klatką końcową 3 s w 480p (0,15 $) to najtańszy sposób, by to sprawdzić.
• Masz LoRA wytrenowaną na styl rysunku: H3 LoRA, która przyjmuje też klatkę końcową. Musi być wytrenowana dla MiniMax H3; LoRA line art SDXL nie zadziała. Zacznij LoRA koncepcyjne od skali 0.6 do 0.8, bo przy 1 mogą odciągnąć klip od Twojej klatki.
• Iterujesz przy małym budżecie: Wan 2.6 Flash przyjmuje ten sam obraz otwierający za 0,0225 $ na sekundę w 720p, tylko obraz. Użyj go, by ustabilizować prompt i działanie, a potem powtórz najlepsze ujęcie na Wan 2.6, jeśli chcesz dźwięku; spodziewaj się innego ujęcia, więc sprawdź kreski na modelu końcowym.

Zacznij od 5 sekund, trzymaj seed stały i zmieniaj po jednej instrukcji promptu, by ujęcia łatwiej się porównywały; stały seed nie gwarantuje identycznych klatek.

Używaj klatki końcowej tylko z konkretnego powodu

Drugi rysunek pomaga, gdy potrzebujesz konkretnego celu, na przykład opuszczonego skrzydła po stuknięciu. Musi pokazywać tę samą scenę: ten sam papier, kadrowanie, skalę i język kreski. Jeśli ptak jest większy na obrazie końcowym, model musi zdecydować, czy zbliżył się, urosł, czy został przerysowany.

Obserwuj ostatnie chwile. Niektóre klipy poruszają się wiarygodnie, a potem skaczą do kompozycji końcowej, z nagłym przerysowaniem konturu lub przeskokiem obiektu. To pasuje do stylizowanego cięcia, nie do łagodnego działania.

Jeśli oba końce pokazują tę samą pozę, animacja warstwowa z czystym powrotem do oryginalnego rysunku bywa dokładniejsza niż wygenerowana pętla.

Najpierw przetestuj trwałość kresek

Uruchom jeden rysunek, jedno działanie, jeden warunek kamery. Przed wysłaniem zdefiniuj cztery sprawdzenia: kontur pozostaje czarnym tuszem, tułów pozostaje niewypełniony, strona pozostaje kremowa i w dużej mierze pusta, a skrzydło wykonuje jeden zrozumiały ruch w stronę dzwoneczka. Klip może przejść część z tych sprawdzeń i zawieść w innych, a to, które zawiodą, mówi Ci, co zmienić.

Jeśli przyczyna jest niejasna, uruchom drugi warunek, w którym dzwoneczek dzwoni, a ptak stoi w miejscu. Jeśli tam kreski się utrzymują, a przy stuknięciu skrzydła nie, to ruch kończyn wywołuje przerysowania.

Utrzymuj wejście identyczne między warunkami. Jeśli zmienisz kontrast, kadrowanie i prompt naraz, nie ustalisz, co pomogło; zapisz oczyszczone wejście jako osobną wersję.

Oglądaj w normalnej prędkości, potem przejdź klatka po klatce przez fragment, w którym kontury wyglądają niestabilnie. Klatki z początku, środka i końca przeoczą migotanie pomiędzy nimi.

Co sprawdzać

• Sylwetka: tułów, głowa i układ skrzydła przetrwały stuknięcie.
• Topologia: otwarte skrzydło pozostaje otwarte, dziób pozostaje przytwierdzony, nie pojawia się dodatkowa kończyna, a dzwoneczek pozostaje jednym spójnym konturem.
• Rytm kreski: mała zmienność czyta się jako odręczna, znikające kontury i ciągle przepisywane znaki — jako niestabilność. Luźny bazgroł zniesie więcej niż schemat instruktażowy.
• Skala: najazd kamery sprawia, że kreski wyglądają ciężej. Porównuj w tej samej skali, w pełnej rozdzielczości i w rozmiarze dostarczanym.

Rysunek w ruchu nie może utrzymać każdego piksela w miejscu, więc oceniaj strukturę i nośnik, a nie tożsamość pikseli.

Napraw typowe problemy

Model wypełnia rysunek albo dodaje teksturę. Najpierw sprawdź wejście: szara wodnista plama wewnątrz ptaka daje modelowi informację tonalną do rozwinięcia, więc przygotuj wersję niewypełnioną, jeśli niewypełnione kształty mają znaczenie. Usuń "detailed feathers", "realistic shadows" i "cinematic depth" z promptu i opisz nośnik pozytywnie. Utrzymaj ruch mały: pełny obrót 3D zmusza model do wymyślenia grzbietu i spodu, a tekstura przychodzi razem z nim. Jeśli to etap obrazu spowodował wypełnienie, napraw still, zanim wygenerujesz więcej wideo. Jeśli hybryda jest akceptowalna (ptak tuszem, dzwoneczek akwarelą), określ to.

Kreski migoczą. Lekkie drżenie jest częścią uroku bazgrołu; oko, które pojawia się i znika, albo skrzydło, które zyskuje nowe kreski co klatkę, nie. Zmniejsz liczbę ruchomych części: ustal tułów i głowę i testuj tylko skrzydło. W wejściu pogrub cienkie i blade kreski, bo znikają w rozmiarze dostarczanym, i zapisz to jako nową wersję wejścia. Jeśli pobrany klip jest stabilny, a Twoje wgranie do social mediów migocze, problemem jest kompresja, więc porównaj ten sam fragment przed i po eksporcie.

Rusza się tylko kamera. Powolny zoom może ukryć nieruchomą postać. Zablokuj kamerę i daj działaniu widoczny skutek, na przykład skrzydło sięgające dzwoneczka i dzwoneczek się przechylający. Nie dokładaj lotu, obrotu i padającej kartki na statyczny wynik; poproś najpierw o mniejszy, wyraźniejszy gest.

Zbuduj dłuższy materiał z krótkich momentów

Najpierw zatwierdź mały słownik ruchu (stuknięcie skrzydłem, obrót głowy, przejście strony), a potem traktuj każdy jako jednostkę montażu. Rozciągnięcie nierozwiązanego żądania do 15 sekund daje defektowi tylko więcej czasu.

Używaj tej samej tonacji papieru, grubości kreski i proporcji we wszystkich klatkach wejściowych; niespójność między ujęciami zaczyna się przed generowaniem. Cięcia są bezpieczniejsze niż przenikania, które tworzą podwójne kontury wyglądające na błędy. Dla postaci powracającej używaj spójnych rysunków źródłowych, zamiast opisywać ją od nowa w każdym prompcie. Cichy stuk dzwoneczka albo szum pomieszczenia może spoić ujęcia; jeśli wygenerowany dźwięk jest zły, dodaj własną ścieżkę dźwiękową.

Oglądaj złożony film w rozmiarze dostarczanym: powtarzające się drobne zmiany kreski, nieszkodliwe w jednym klipie, męczą w dłuższym montażu.

Budżet

Przy powyższych stawkach test Wan 2.6 długości 5 sekund kosztuje 0,45 $ w 720p i 0,675 $ w 1080p, więc dwóch kandydatów w 720p kosztuje 0,90 $. Test H3 LoRA długości 3 sekund w 480p kosztuje 0,15 $. LTX 2.5 przy 5 sekundach kosztuje 0,45 $ w 720p. Generacje etapu obrazu i dodatkowi kandydaci kosztują osobno.

Ustal regułę zatrzymania. Jeśli obaj kandydaci porzucają nośnik line art, zmień drogę albo wejście, zanim wygenerujesz więcej. Jeśli rysunek się trzyma, ale gest zawodzi, uprość ruch.

Kiedy lepsza jest inna droga

Jeśli kreski muszą pozostać edytowalne albo czas musi powtarzać się dokładnie, użyj animacji tradycyjnej lub warstwowej. Odsłonięcia pasują do niej lepiej niż ruch przegubowy: przesuw kamery albo narysowane podświetlenie na planie architektonicznym albo odsłonięcie logo kreska po kresce z edytowalnych ścieżek. Dla ptaka rozdziel skrzydło, tułów i dzwoneczek na warstwy, obróć skrzydło wokół osi, przechyl dzwoneczek i wróć oba na miejsce. Każda zmiana konturu należy do Ciebie.

Do warunkowania szkiców na poziomie badań repozytorium SketchVideo (jedna lub dwie klatki kluczowe szkicu z dedykowanymi modułami sterowania) dokumentuje własną konfigurację, wagi i ograniczenia; to osobny projekt, a nie zadanie SpicyAPI.

Podsumowanie

Jeśli oryginalne kreski mają ruszać się przewidywalnie, użyj animacji warstwowej; w przeciwnym razie następnym testem jest 5-sekundowe stuknięcie skrzydłem przy nieruchomej kamerze, z oczyszczonego rysunku na Wan 2.6, sprawdzone w całym klipie pod kątem niewypełnionych kształtów, spójnych konturów i stabilnego papieru. Jeśli szkic ma stać się ilustracją lub realistyczną sceną, zatwierdź ten still przed animacją.