Wprowadzenie
Wan 2.2 LoRA animuje klatkę początkową za pomocą modelu obraz na wideo Wan 2.2 firmy Alibaba i pozwala nałożyć na niego własne, wytrenowane wagi LoRA, aby sterować stylem, postacią lub ruchem. Klatka początkowa i prompt opisujący ruch są wymagane. LoRA trafiają do trzech opcjonalnych slotów, po maksymalnie trzy wpisy w każdym, a każdy wpis łączy bezpośredni URL do pliku wag o rozmiarze do 1 GB z siłą od 0 do 4. Klipy trwają dokładnie 5 lub 8 sekund, w 480p lub 720p.
Najważniejsze funkcje
Trzy sloty dla dwóch przebiegów odszumiania
Wan 2.2 odszumia w dwóch przebiegach. high_noise_loras podpina wagi do eksperta wysokiego szumu, w którym zapadają decyzje o kompozycji i ruchu; low_noise_loras podpina je do eksperta niskiego szumu, w którym dopracowywane są detale i tekstura; loras działa na oba. Obróbka kreski lub ziarna zwykle pasuje do slotu niskiego szumu, a styl kamery lub ruchu do slotu wysokiego szumu.
Osobna siła dla stylu kamery i stylu renderu
Ponieważ sloty działają na różnych przebiegach, LoRA ruchu i LoRA tekstury mogą trafić do jednego żądania, każda z własną siłą. Jedną podkręcasz, drugą wyciszasz, zamiast balansować jedną wymieszaną wagą. W obrębie jednego slotu kilka LoRA miesza się ze sobą, a nie nakłada warstwowo, dlatego bezpieczniej dodawać je pojedynczo.
Wagi zostają na Twoim hostingu
Każdy plik jest pobierany z podanego przez Ciebie URL-a tylko na czas uruchomienia i nic nie jest zapisywane na platformie. Działają bezpośrednie linki do pobrania, a także strony modeli i linki do pobrania z Civitai oraz linki Hugging Face typu blob lub resolve, które są automatycznie rozwiązywane do samego pliku. Inne strony udostępniania i wszystko, co wymaga logowania, kończą się błędem pobierania; wagi, które mają pozostać prywatne, umieść za podpisanym linkiem.
Model bazowy przy pustych slotach
Wszystkie trzy tablice są domyślnie puste. Żądanie bez LoRA zwraca wynik bazowego modelu Wan 2.2 obraz na wideo dla tego samego obrazu i promptu, a to punkt odniesienia dla każdej serii prób z różną siłą.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Wymagany. Opisz, co się porusza i jak zachowuje się kamera. od 1 znaków |
image_url | Tak | Klatka początkowa. Stąd biorą się temat, kostium, sceneria i proporcje obrazu w klipie; LoRA zmienia jej stylistykę, a nie zastępuje ją. od 1 znaków |
resolution | Nie | 480p albo 720p, domyślnie 480p. Sprawdź kombinację LoRA w 480p, zanim wyrenderujesz ponownie w 720p. |
duration_seconds | Nie | Dokładnie 5 albo 8. Każda inna wartość zostaje odrzucona, a nie zaokrąglona, więc długość, za którą płacisz, nigdy nie jest niespodzianką. |
loras | Nie | Do trzech LoRA nakładanych na obu ekspertów szumu. Każdy wpis przyjmuje bezpośredni URL do wag i siłę; używaj tego slotu, gdy styl ma dotknąć zarówno kompozycji, jak i tekstury. Domyślnie: |
high_noise_loras | Nie | Do trzech LoRA na eksperta wysokoszumowego, czyli przebieg, w którym zapadają decyzje o kompozycji i ruchu. Właściwy slot dla stylu kamery albo ruchu. Domyślnie: |
low_noise_loras | Nie | Do trzech LoRA na eksperta niskoszumowego, czyli przebieg, w którym domykają się detal i tekstura. Właściwy slot dla kreski, ziarna albo sposobu renderowania. Domyślnie: |
seed | Nie | Od 0 do 2147483647. Trzymaj go bez zmian, kiedy przeglądasz skalę LoRA, inaczej nie odróżnisz skali od szumu. |
Cennik
| Specyfikacja | Cena |
|---|---|
| $0.024 / sekundę |
| $0.048 / sekundę |
Zastosowania
Firmowy styl ilustracji w całej serii
Wytrenuj LoRA na swojej kresce i sposobie kolorowania, a potem wczytaj ją do slotu niskiego szumu z siłą w okolicach 1. Klatka początkowa dostarcza postać i scenografię każdego klipu, a LoRA sposób renderowania, więc wszystkie klipy serii go współdzielą. Przykład ze spacerem po dachu to właśnie taki punkt wyjścia: postać w stylu cel shading na nocnym dachu, wyrenderowana bez LoRA, z promptem, który prosi o utrzymanie stylu anime podczas jazdy kamery.
Styl kamery oddzielony od stylu renderu
Umieść LoRA ruchu lub kamery w slocie wysokiego szumu, a LoRA tekstury w slocie niskiego szumu tego samego żądania. Jeśli ruch jest dobry, ale tekstura zbyt ciężka, obniż tylko siłę w slocie niskiego szumu i uruchom ponownie z tym samym obrazem, promptem i seedem.
Wagi w stylu bez cenzury
Wagi trenowane na stylach bez cenzury działają tak samo jak każdy inny plik: żądanie nie deklaruje treści i żadna LoRA nie jest sprawdzana. Granice wyznaczają twoje prawa do wag, danych treningowych i klatki początkowej, a także zgoda, wiek i lokalne prawo wszystkich przedstawionych osób.
Dobór właściwej siły
Zablokuj obraz, prompt i seed, a potem w czterech uruchomieniach w 480p zmieniaj siłę jednej LoRA od 0,5 do 1,5. Powyżej mniej więcej 1,5 styl zaczyna pochłaniać obiekt, zamiast go stylizować. Zostaw uruchomienie, w którym styl jest widoczny, a obiekt z obrazu pozostaje nienaruszony, i wyrenderuj tę kombinację ponownie w 720p.
Wskazówki
Wybierz slot, zanim zaczniesz pisać
Zdecyduj, co LoRA ma zmienić. Styl renderu trafia do slotu niskiego szumu, styl ruchu lub kamery do slotu wysokiego szumu, a wspólny slot wybierz wtedy, gdy styl ma wpływać jednocześnie na kompozycję i teksturę. Prompt musi wtedy opisać już tylko to, co się porusza i jak zachowuje się kamera.
Nie nazywaj stylu dwa razy
Nazwanie stylu w prompcie przy jednoczesnym wczytaniu LoRA dla tego samego stylu zwykle podwaja efekt. Gdy wygląd zapewnia LoRA, skup prompt na czynności i kamerze, a zamiast dopisywać kolejne słowa o stylu, reguluj siłę.
Dostosuj dołączony przykład
Przykład ze spacerem po dachu działa z duration_seconds 5 i resolution 480p, a wszystkie trzy sloty LoRA są puste:
She pushes off the railing, straightens her blazer over one shoulder and turns to walk along the rooftop, city lights and the vending machine glow sliding past behind her, hair lifting in the night wind. Smooth tracking move, anime cel-shaded style held stable.
Najpierw wyrenderuj własny obraz z promptem o tej samej budowie (jedna czynność, jeden ruch kamery) i stałym seedem, aby uzyskać klip bazowy. Następnie dodaj do jednego slotu pojedynczy URL wag z siłą 1, niczego poza tym nie zmieniając, i porównaj oba klipy, aby zobaczyć, co zmienia ta LoRA.
Ustawiaj długość, seed i obraz świadomie
duration_seconds przyjmuje tylko 5 lub 8; każda inna wartość jest odrzucana, a nie zaokrąglana. W przypadku seeda 0 oznacza wartość losową, więc podczas serii prób używaj wartości innej niż 0. Obraz może być w formacie JPEG, PNG bez przezroczystości, BMP lub WebP i mieć do 20 MB, a klip przejmuje z niego proporcje, dlatego najpierw przytnij go do docelowego formatu.
Szybki start z API
# 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.2-lora/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "480p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
