Wprowadzenie
Wan 2.2 LoRA, tekst na wideo renderuje pięcio- lub ośmiosekundowy klip z promptu tekstowego na modelu Wan 2.2 A14B firmy Alibaba, z załadowanymi na wierzch twoimi własnymi wagami LoRA. Wybierz poziomo 16:9 lub pionowo 9:16 w 480p lub 720p, dodaj prompt negatywny i podepnij do trzech LoRA w każdym z trzech slotów. Platforma nie dodaje filtra treści do promptu, wag ani klipu.
Wybierz tryb według materiału wyjściowego
| Co masz | Tryb |
|---|---|
| opis tekstowy | Wan 2.2 LoRA, tekst na wideo |
| klatka początkowa do animacji | Wan 2.2 LoRA, obraz na wideo |
Najważniejsze funkcje
Dwóch ekspertów, trzy sloty LoRA
Wan 2.2 A14B dzieli odszumianie między eksperta wysokiego szumu, który ustala układ i ruch, i eksperta niskiego szumu, który dopracowuje detale. high_noise_loras i low_noise_loras celują każdy w jednego eksperta, a loras w obu. Większość LoRA do Wan 2.2 na Hugging Face i Civitai jest publikowana jako para plików wysokiego i niskiego szumu, a oba sloty przyjmują je takie, jakie są.
Poziomo lub pionowo, renderowane natywnie
16:9 wraca w 832×480 lub 1280×720, a 9:16 w 480×832 lub 720×1280. Klip pionowy jest skomponowany pod telefon, a nie wycięty z szerokiego ujęcia.
Powtarzalne uruchomienia
Przy tym samym seedzie i tych samych danych w naszych testach wracał identyczny klip, co do bajta, choć nie jest to gwarancja. Dzięki temu porównania siły LoRA są rzetelne: zmień jedną siłę, resztę zostaw, a różnica, którą widzisz, pochodzi z LoRA.
Prompt negatywny
W odróżnieniu od endpointu obraz na wideo ten przyjmuje negative_prompt dla tego, co ma zostać poza kadrem, np. rozmycia, dodatkowych palców czy zbłąkanych napisów.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Wymagany. Opisz osoby, akcję i ruch kamery zwykłymi zdaniami i podaj wiek każdej osoby w kadrze. od 1 znaków |
negative_prompt | Nie | Rzeczy, które mają zostać poza klipem, np. rozmycie, dodatkowe palce, tekst czy znaki wodne. |
aspect_ratio | Nie | 16:9 (domyślnie) lub 9:16. Oba są renderowane natywnie; nie ma opcji kwadratu ani innych proporcji. |
resolution | Nie | 480p (domyślnie) lub 720p. 720p kosztuje więcej za sekundę i trwa mniej więcej dwa razy dłużej. |
duration_seconds | Nie | Dokładnie 5 albo 8. Każda inna wartość zostaje odrzucona, a nie zaokrąglona. |
loras | Nie | Do trzech wpisów {path, scale} nakładanych na obu ekspertów; scale od 0 do 4, domyślnie 1. Użyj tego slotu dla LoRA z jednym plikiem. Domyślnie: |
high_noise_loras | Nie | Do trzech LoRA na eksperta wysokiego szumu, w którym zapadają decyzje o kompozycji i ruchu. Trafia tu plik wysokiego szumu z pary Wan 2.2 LoRA. Domyślnie: |
low_noise_loras | Nie | Do trzech LoRA na eksperta niskiego szumu, w którym domykają się detal i tekstura. Trafia tu plik niskiego szumu z pary Wan 2.2 LoRA. Domyślnie: |
seed | Nie | Od 0 do 2147483647. W naszych testach ten sam seed przy tych samych danych dał identyczny klip, ale to nie jest gwarancja; trzymaj go bez zmian, gdy badasz scale LoRA. |
Cennik
Rozliczenie za sekundę wideo w wybranej rozdzielczości; 720p kosztuje więcej za sekundę niż 480p. Proporcje nie zmieniają ceny, a ładowanie LoRA nie dodaje osobnej opłaty.
| Specyfikacja | Cena |
|---|---|
| $0.048 / sekundę |
| $0.084 / sekundę |
Zastosowania
Seria w jednym wyglądzie
Załaduj LoRA stylu i napisz listę scen. Każdy klip to nowe ujęcie, ale renderowanie w całym zestawie pozostaje takie samo.
Klipy pionowe do feedów
Renderuj 9:16 w 720p dla platform krótkich wideo, bez przekadrowywania klipu poziomego.
Koncepcje bez cenzury z własnymi wagami
Ani prompt, ani pliki LoRA nie są weryfikowane. W naszych testach poziomy Łagodny i Umiarkowany wróciły zgodnie z zapisem, a najmocniejsze prośby wracały złagodzone zamiast odrzucone.
Wskazówki
Temat, akcja, światło, kamera
Dobrze działają zwykłe zdania. Napisz, kto jest w kadrze i ile ma lat, co robi od początku do końca, gdzie i w jakim świetle, a na koniec dodaj jeden ruch kamery. To prompt z przykładu przy kominku, uruchomiony w 720p, 16:9, pięć sekund z LoRA Vintage Cinematic w loras w sile 1; pierwsze trzy słowa to wyzwalacz tej LoRA:
Vintage Cinematic Color. Night in a mountain log cabin during a thunderstorm. An adult woman in her early thirties with dark tousled hair sits on a sheepskin rug in front of a roaring stone fireplace, in an oversized flannel shirt worn open over a cream silk camisole, knees drawn up, a glass of red wine in her hand. Lightning flashes blue-white through the dark doorway behind her while the firelight paints her face amber; she pulls the slipping shirt back onto her shoulder, turns her head and gives the camera a slow, smouldering look. Warm brown tones, deep shadows, slow push-in, 35mm, film grain, shallow depth of field.
Sprawdź, czy LoRA pasuje do bazy
LoRA wytrenowana pod inny model jest przyjmowana bez błędu i niczego nie zmienia. Przed serią prób uruchom ten sam prompt i seed z LoRA i bez niej; jeśli klipy są identyczne, plik nie pasuje do Wan 2.2.
Podaj link do pliku, nie do strony
Path musi wskazywać sam plik .safetensors. Strona repozytorium albo plik wymagający logowania kończy uruchomienie błędem.
Zacznij od małego szkicu
Pięciosekundowy klip 480p zajął w naszych testach około minuty, a klip 720p około dwóch. Ustal prompt i siły LoRA w 480p, a potem wyrenderuj ponownie w 720p lub na osiem sekund.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.2-lora/text-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "480p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
