Workflow obrazu w Wan 2.7: najpierw koncept, potem edycja

Użyj Wan 2.7 z tekstu do obrazu do nowego konceptu za 0,03 $/obraz, a edycji Wan 2.7 do poprawienia istniejącego źródła w tej samej cenie. Wybierz Pro za 0,075 $/obraz, gdy potrzebujesz 4k, które oferuje tylko Pro tekst; Pro edycja zawsze zwraca 2k. Standardowa generacja i edycja oferują 1k lub 2k oraz do czterech wyników na wywołanie. Poniższe ustawienia budują okładkę z latarnią morską, a potem usuwają zbędną łódź zmierzonym polem edycji.

Najpierw wybierz endpoint

Dla orientacji: 1k to około 1 megapiksel, 2k około 4, a 4k około 16. Wszystkie cztery przyjmują 1:1, 4:3, 3:4, 16:9, 9:16, 3:2 i 2:3. Dla tekstu domyślny jest kwadrat. Edycja nie ma wartości domyślnej: podąża za proporcjami ostatniego obrazu źródłowego. Ustaw jawnie 2:3, gdy generujesz bez palety, żeby późniejsza referencja nie decydowała o kształcie. aspect_ratio nie można łączyć z color_palette ani bounding_boxes: żądanie zawierające oba zwraca błąd 40004, więc w takich żądaniach pomiń aspect_ratio (tekstowe żądanie z paletą zwróci wtedy domyślny kwadrat, a edycja z polem zachowa proporcje ostatniego źródła). Żaden z czterech nie ma wyboru formatu wyjściowego.

Pro edycja jest dostrojona do długich, wieloczłonowych poleceń („weź ten obiekt, połóż na tamtej powierzchni, dopasuj światło do drugiego obrazu, nie ruszaj etykiety”), więc wybieraj ją do edycji złożonych, a nie ze względu na rozdzielczość.

Wygeneruj koncept okładki

Użyj standardowej generacji z tekstu z resolution: "2k", aspect_ratio: "2:3", num_outputs: 1, enable_thinking: true i seedem 314159. Stały seed utrzymuje początkowy stan losowy, gdy zmieniasz po jednym sformułowaniu; pomiń go, aby dostać nowe losowanie. Wyłączenie enable_thinking przyspiesza generowanie; zostaw je włączone, dopóki jeszcze badasz kompozycję. Prompt zostaje po angielsku, bez zmian:

Original painted cover artwork for a fictional coastal mystery. One white lighthouse on a charcoal rocky island above dark teal water, the entire tower visible slightly right of center. One small mustard-yellow lamp at its top. One fictional adult keeper aged 45 in a rust raincoat walks along a clear path toward the tower. The keeper is small relative to the building. Pale restrained sky with quiet space in the upper third for separately added typography. Strong large silhouettes, soft dusk light, no lettering, extra towers, boats or disaster spectacle.

Ilustracja, nie wynik Wan (jej niebo jest cieplejsze, niż prosi prompt): mały latarnik nadaje skalę, a latarnia pozostaje dominująca.

Najpierw wypróbuj w Playground

1. Otwórz stronę Wan 2.7 z tekstu do obrazu i zostań na karcie Playground w widoku Form. Aby uruchomić, zaloguj się na konto z doładowanym saldem.
2. Wklej powyższy prompt okładki do pola Prompt. Ustaw Resolution na 2k, a Seed na 314159; Deep thinking zostaw włączone, dopóki badasz kompozycję.
3. W Aspect ratio wybierz 2:3. Jeśli w kroku 4 dodasz paletę, ustaw zamiast tego Auto, bo tych dwóch opcji nie można łączyć.
4. Opcjonalnie: w Color palette kliknij Add a color, wpisz każdy kod #RRGGBB i, jeśli chcesz, jego udział w procentach (od 3 do 10 kolorów; zestaw dla latarni jest w następnej sekcji).
5. Uruchom model, sprawdź wieżę i skalę latarnika, potem zmień jedno sformułowanie i uruchom ponownie z tym samym seedem.

Przy edycji łodzi otwórz stronę edycji Wan 2.7, dodaj zatwierdzony obraz w Images (Add a file lub Asset URL) i przeciągnij ramkę nad łodzią i jej kilwaterem w Edit areas; Fine-tune coordinates pokazuje te same liczby. W prompcie odwołuj się do „zaznaczonego obszaru”. Treść żądania w Playground to ten sam JSON, który przyjmuje API, więc działającą tu konfigurację można skopiować prosto do kodu.

Strona edycji Wan 2.7 w widoku Form, z polem Prompt i przyciskiem Run.

Podaj poprawną paletę

color_palette przyjmuje 3–10 sześciocyfrowych kolorów hex (zalecane jest 8) i kieruje całym kadrem: sceną, ubiorem i światłem. Każdy kolor może mieć ratio, czyli udział procentowy; kolory bez udziału dzielą resztę po równo. Traktuj udziały jako żądany rozkład, a nie zmierzoną liczbę pikseli. Żądanie z latarnią używa czterech kolorów o sumie 100: #173E46 turkus 45, #E8E1D3 blade niebo 30, #34383A grafit 20 i #C9A448 musztarda 5. Przy wysyłaniu pomiń aspect_ratio.

Jeśli żółć zalewa niebo, usuń z promptu sformułowania o ciepłym, złotym niebie i zmniejsz rolę akcentu.

Usuń łódź, używając współrzędnych z prawdziwego źródła

Załóżmy, że zatwierdzony obraz zawiera rozpraszającą łódź. Przejdź na edycję standardową, użyj zatwierdzonego obrazu jako pierwszego źródła i zostaw 2k oraz jeden wynik; pomiń aspect_ratio, bo nie można go łączyć z bounding_boxes. Każdy wpis w bounding_boxes wskazuje źródło przez image_index, numerowany od jedynki, a współrzędne to piksele mierzone od lewego górnego rogu tego źródła.

Dla hipotetycznego źródła 1200 × 1800, w którym łódź i kilwater mieszczą się między (120,1180) a (390,1420), pole to {"image_index": 1, "x1": 120, "y1": 1180, "x2": 390, "y2": 1420}, a prompt brzmi: "Remove the small boat and its wake inside the marked lower-left sea area. Continue the surrounding dark teal water and painterly texture. Retain the lighthouse, rocky island, adult keeper, path and quiet sky. No new objects or lettering."

Te współrzędne są poglądowe; zmierz własną łódź. Jeśli podgląd pokazuje to samo źródło w 600 × 900, pomnóż współrzędne podglądu przez dwa: punkt podglądu (60,590) staje się punktem źródła (120,1180). Przelicz od nowa po każdym kadrowaniu lub zmianie rozmiaru, bo pole zawsze odnosi się do przesłanego pliku, a nie do żądanego rozmiaru wyniku.

Każde źródło przyjmuje do dwóch pól (osiemnaście przy dziewięciu źródłach). Uwzględnij kilwater, nie tylko kadłub, bo inaczej łódź pozostanie widoczna pośrednio. Pole mówi, gdzie działać, a prompt, co ma je zastąpić; żadne z nich nie gwarantuje identycznych pikseli poza nim. Użyj od 1 do 9 obrazów źródłowych w formacie JPEG, nieprzezroczysty PNG lub WebP, każdy jako publiczny adres HTTPS lub przesłany plik spicy://.

Przy kilku źródłach powiedz, do czego służy każde („obraz 1 to scena, obraz 2 to płaszcz, obraz 3 to referencja palety”).

Ilustracja, nie wynik Wan: oddzielne materiały dla źródła, ubioru i palety, każdy z własnym zadaniem.

Potem uruchom z kodu

Zainstaluj SDK Pythona (pip install spicyapi), ustaw SPICY_API_KEY w środowisku serwera i wykonaj oba kroki: koncept, a potem usunięcie łodzi, gdy masz już zatwierdzony obraz.

import uuid
from spicyapi import SpicyClient, output_assets

client = SpicyClient()  # reads SPICY_API_KEY from the environment

def run(model, input_data):
    task = client.create_task(model=model, input_data=input_data,
                              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')}")
    return output_assets(final)[0]["url"]  # copy the image to your own storage now

concept_url = run("alibaba/wan-2.7/text-to-image", {
    "prompt": "Painted cover for a fictional coastal mystery: one white lighthouse above dark teal sea on charcoal rocks, one small mustard-yellow lamp and one small adult keeper in a rust coat on a clear path. Pale quiet upper sky for later typography. Whole tower visible; no lettering or extra towers.",
    "resolution": "2k",
    "num_outputs": 1,
    "enable_thinking": True,
    "seed": 314159,
    "color_palette": [
        {"hex": "#173E46", "ratio": 45},
        {"hex": "#E8E1D3", "ratio": 30},
        {"hex": "#34383A", "ratio": 20},
        {"hex": "#C9A448", "ratio": 5},
    ],
})

edit_url = run("alibaba/wan-2.7/edit", {
    "image_urls": ["https://your-domain.example/approved-cover-1200x1800.jpg"],  # your approved image
    "prompt": "Remove the small boat and its wake inside the marked lower-left sea area. Continue the surrounding dark teal water and painterly texture. Retain the lighthouse, rocky island, adult keeper, path and quiet sky. No new objects or lettering.",
    "bounding_boxes": [{"image_index": 1, "x1": 120, "y1": 1180, "x2": 390, "y2": 1420}],
    "resolution": "2k",
    "num_outputs": 1,
    "seed": 314159,
})
print(concept_url, edit_url)

Tworzenie, oczekiwanie, pobieranie, ponowienia i kody błędów opisano w przewodniku po zadaniach i dokumentacji SDK Pythona. Wyniki wygasają, więc przeczytaj o przechowywaniu i dostarczaniu, zanim oprzesz się na zwróconym linku.

Albo pozwól uruchomić to agentowi

Gdy generacje ma uruchamiać asystent, wszystkie trzy oficjalne narzędzia pokazują cenę i pytają o zgodę przed płatnym wywołaniem.

• CLI. Umieść obiekt input konceptu w input.json, a potem:

``bash spicyapi tasks create --model alibaba/wan-2.7/text-to-image --input-file input.json --wait ``

Przy edycji spicyapi files upload <path> zamienia lokalny obraz w link spicy:// dla image_urls. Zobacz dokumentację CLI; npx @spicyapi/cli działa bez instalacji.

• Serwer MCP. Dodaj serwer MCP do swojego asystenta, a potem poproś: „Run Wan 2.7 text to image with this prompt at 2k, seed 314159.” Wywoła spicyapi_task_create, które zatrzyma się na potwierdzenie ceny, a następnie spicyapi_task_wait; spicyapi_upload_file obsłuży lokalny obraz źródłowy.
• Skill. npx skills add spicyapi-ai/spicy-skill instaluje Agent Skill, dzięki któremu asystent programistyczny czyta aktualny schemat modelu zamiast zgadywać pola.

Napraw konkretny nieudany wynik

Standard czy Pro, i koszt

Jeden koncept Standard plus jedna edycja Standard kosztują 0,06 $. Standardowe żądanie z czterema wynikami kosztuje 0,12 $, a jeden obraz Pro 0,075 $, więc przebieg Pro tekst plus Pro edycja to 0,15 $. Badaj kompozycję na Standard, używając num_outputs do 4. Płać za Pro tekst tylko wtedy, gdy potrzebujesz 4k, na przykład dla głównego kadru, który będzie kadrowany lub drukowany, a za Pro edycja wtedy, gdy jedno polecenie zawiera kilka członów, z których wszystkie muszą się udać. Jeśli zła jest sama kompozycja, wyższa rozdzielczość jej nie naprawi.

Praca z treściami dla dorosłych

Oba endpointy edycji są bez cenzury, a SpicyAPI nie dodaje skanowania treści. Mogą dostarczać zmiany przeznaczone dla dorosłych odbiorców, ale mocniejsze edycje czasem wracają złagodzone na obu; Pro nie gwarantuje bardziej jednoznacznego wyniku. Standardowe zadanie tekstowe czasem dostarcza zaawansowane obrazy dla dorosłych, lecz oba zadania tekstowe łagodziły mocniejsze sceny dla dorosłych w naszych testach; złagodzony wynik jest nadal rozliczany. Pro nie usuwa tego ograniczenia. Dla twórców dorosłych postaci praktyczna droga to najpierw zbudować obraz bazowy lub referencję, a zmiany przeznaczone dla dorosłych wprowadzić potem przez edycję. Zapisane wyniki są w anglojęzycznym artykule „Wan 2.7 Pro NSFW image test”; samo zadanie znajdziesz na stronie Wan 2.7 Pro edycja. Okładka z latarnią w tym przewodniku jest w pełni ubrana i nie potrzebuje niczego z tego.

Na koniec

Zachowaj zatwierdzony obraz jako źródło dla punktowych poprawek, a nowy koncept zaczynaj wtedy, gdy musi się zmienić sam układ wyspy. Dodaj dokładny tytuł w narzędziu graficznym, gdy ilustracja działa w rozmiarze miniatury.