Wan 2.2 API

Wan 2.2 tekst na wideo generuje klip wyłącznie na podstawie napisanego promptu. Każde żądanie zwraca jedno nieme, pięciosekundowe wideo w formacie 16:9 lub 9:16, renderowane w 480p lub 720p. Prompt może mieć do 5000 znaków i jest jedynym wymaganym polem: domyślne proporcje to 16:9, domyślna rozdzielczość to 480p, a rozszerzanie promptu pozostaje wyłączone, dopóki go nie włączysz.

Wybierz tryb Wan 2.2 według materiału wyjściowego

Stałe ujęcie o długości pięciu sekund

Tryb tekst na wideo nie ma ustawienia długości: każde ujęcie trwa dokładnie pięć sekund, więc długość wyniku znasz jeszcze przed wysłaniem żądania. W pięciu sekundach mieści się jeden moment (obiekt, jedna czynność i jeden ruch kamery), a nie ciąg zdarzeń. Najpewniejsze wyniki dają prompty pisane właśnie w tej skali.

Dwa formaty i dwie rozdzielczości

Domyślne proporcje to 16:9, a do publikacji pionowej 9:16. Kadrów kwadratowych ani 4:3 nie ma, więc wersję kwadratową generuj w 16:9 i przytnij w montażu. Rozdzielczość to 480p lub 720p i jest to jedyne ustawienie, które zmienia cenę, dlatego 480p jest naturalnym poziomem dla szkiców.

Wyłącznie obraz

Klipy są zwracane bez ścieżki dźwiękowej i nie ma żadnego ustawienia dźwięku. Wszystko, co widz ma poczuć, musi być widoczne: opublikowany przykład z zaśnieżonym peronem buduje rytm z padającego śniegu, pary oddechu na mrozie i migoczącej lampy na peronie, zamiast polegać na dźwięku otoczenia.

Opcjonalne rozszerzanie promptu i seed

Rozszerzanie promptu przepisuje krótkie polecenie na pełniejszą wersję przed generowaniem. Seed przyjmuje wartości od 0 do 2147483647 i utrwala źródło losowości, dzięki czemu porównujesz jedną zmianę naraz; nie gwarantuje jednak identycznego klipu klatka po klatce przy ponownym uruchomieniu.

Szkice storyboardu hurtem

Zapisz każdy moment storyboardu jako osobny prompt i wyrenderuj całą listę w 480p. Pięć sekund wystarcza, by ocenić kadrowanie i ruch, a ponieważ każde żądanie ma tę samą długość, a cena zależy tylko od rozdzielczości, koszt całej partii znasz przed jej wysłaniem. Ujęcia, które zostawiasz, wyrenderuj ponownie w 720p z tym samym promptem i seedem.

Pionowe klipy do mediów społecznościowych

Ustaw proporcje 9:16 i opisz jedną ciągłą czynność. Opublikowany przykład z nocnym targiem robi dokładnie to w 720p: młoda kobieta w żółtym płaszczu przeciwdeszczowym bierze szaszłyk ze stoiska z grillem, dym i para unoszą się między girlandami żarówek, a potem ona odwraca się i idzie w stronę kamery, która powoli najeżdża z ręki.

Sprawdzenie, czy pomysł na ujęcie działa w ruchu

Zanim przejdziesz do ujęcia w 720p, możesz tanio przetestować pomysł. Przykład ze schodami latarni morskiej jest zapisany jako jedna czynność i jedna pozycja kamery (starszy mężczyzna z latarnią pokonuje ostatni zakręt krętych schodów, a nisko ustawiona kamera podąża za nim) i wyrenderowany w 16:9 przy 480p.

# 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/text-to-video",
  "input": {
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "480p",
    "aspect_ratio": "16:9"
  }
}'

# 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.