Wprowadzenie
Wan 2.6 Flash Obraz na wideo to szybszy i tańszy poziom trybu obraz na wideo w Wan 2.6, udostępniony jako osobne API. Przyjmuje kadr początkowy w image_url i zwraca dokładnie 5, 10 lub 15 sekund w 720p lub 1080p, jako jedno ciągłe ujęcie albo montaż wieloujęciowy. Część drobnych detali jest wymieniana na krótszy czas realizacji. Klipy są domyślnie ciche; włącz generate_audio, gdy ujęcie potrzebuje własnej ścieżki dźwiękowej.
Najważniejsze funkcje
To samo żądanie co w Wan 2.6, a dźwięk jako przełącznik
Flash czyta te same pola co Wan 2.6 Obraz na wideo, łącznie z audio_url: kadr początkowy, prompt, prompt negatywny, długość, rozdzielczość, typ ujęcia, rozszerzanie promptu, seed i prowadzącą ścieżkę dźwiękową. Ponadto generate_audio decyduje, czy klip wróci z wygenerowaną ścieżką dźwiękową: wyłączone, czyli domyślnie, zwraca sam obraz w niższej stawce; włączone zwraca głosy, efekty i tło w dwukrotnej stawce za sekundę. Przy wyłączonym audio_url prowadzi tylko ruch ust i tempo. Prompt, który działa tutaj, można wysłać do Wan 2.6 bez zmian, gdy ujęcie ma unieść drobniejszą fakturę, więc szkicowanie we Flash nigdy nie oznacza pisania żądania dwa razy.
Gdzie widać szybkość
Flash stawia szybkość i koszt przed drobnym detalem. Gęste faktury i szybki, złożony ruch mogą trzymać się gorzej niż w Wan 2.6, więc sprawdź ujęcie, zanim uznasz je za ostateczne. Rozdzielczość nadal ma znaczenie: wyznacza stawkę za sekundę i czas realizacji zadania, domyślnie jest to 720p, a 1080p zostaje dla ujęć, które zachowujesz.
Format z kadru, cięcia z shot_type
Nie ma pola proporcji obrazu. Klip przejmuje proporcje kadru, więc przed wywołaniem przytnij go do 16:9, 9:16 albo kwadratu. shot_type wybiera między single, czyli jednym ciągłym ujęciem, a multi, które tnie między kątami w obrębie klipu i włącza rozszerzanie promptu dla tego żądania.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
image_url | Tak | Klatka początkowa. Stąd biorą się bohater, kostium, scenografia, kierunek światła i proporcje klipu, więc najpierw ją przytnij. |
prompt | Nie | Opcjonalny. Jedna akcja dla ciągłego ujęcia albo ponumerowane ujęcia dla montażu. od 1 znaków · do 1500 znaków |
negative_prompt | Nie | To, co nie może się pojawić: druga osoba, napisy, rekwizyt, który kadr wciąż wprowadza z powrotem. Maksymalnie 500 znaków. do 500 znaków |
audio_url | Nie | Kwestia mówiona albo motyw muzyczny, za którym podąża klip: ruchy ust i tempo ruchu dopasowują się do tego pliku. WAV lub MP3, od 3 do 30 sekund, do 15 MB. |
generate_audio | Nie | Domyślnie wyłączone, więc klip wraca z samym obrazem. Domyślnie: |
resolution | Nie | 720p lub 1080p, domyślnie 720p. Wyznacza stawkę za sekundę i czas przetwarzania. |
duration_seconds | Nie | Dokładnie 5, 10 lub 15. Montaż z kilku ujęć potrzebuje dłuższych wariantów, żeby się rozwinąć. |
shot_type | Nie | single utrzymuje jedno ciągłe ujęcie; multi pozwala modelowi ciąć między ujęciami, co sprzyja krótkim historiom, ale kosztuje ciągłość. |
enable_prompt_expansion | Nie | Domyślnie wyłączone. Po włączeniu jednolinijkowy pomysł rozrasta się w listę ujęć dla multi; zostaw wyłączone, jeśli prompt jest już precyzyjny. Domyślnie: |
seed | Nie | Od 0 do 2147483647. Trzymaj stałą wartość, gdy porównujesz single i multi z tej samej klatki. |
Cennik
| Rozdzielczość | Generuj dźwięk: Nie | Generuj dźwięk: Tak |
|---|---|---|
| $0.0225 / sekundę | $0.045 / sekundę |
| $0.03375 / sekundę | $0.0675 / sekundę |
Zastosowania
Szkice promptów i list ujęć
Uruchom kilka sformułowań tego samego ruchu z jednego kadru w 720p i porównaj je obok siebie. Szybkie, tanie rendery pozwalają szeroko eksplorować, na przykład single wobec multi albo jeden ruch kamery wobec innego, zanim zdecydujesz się na ostateczne ujęcie na którymkolwiek poziomie.
Warianty do feedów i reklam
Krótkie pionowe pętle do kart produktów, postów w mediach społecznościowych i testów reklam, gdzie liczba ujęć ma większe znaczenie niż ostatni stopień faktury. Najpierw przytnij kadr do 9:16, bo klip zachowuje jego proporcje, a potem zmieniaj linijkę z akcją, pozostawiając kadr bez zmian.
Obraz pod własny miks dźwięku
Przy wyłączonym generate_audio Flash zwraca sam obraz, co pasuje do montaży, w których muzykę, lektora i efekty i tak dodaje się później. Wersja Flash przykładu z mieszkaniem wieczorem używa tego samego trzyujęciowego promptu co wersja Wan 2.6, tylko bez końcowej linijki o dźwięku, i nadal trwa 15 sekund w 720p z shot_type ustawionym na multi. Włącz generate_audio, gdy szkic ma już mieć tło pomieszczenia albo wypowiedzianą kwestię.
Wskazówki
Dźwięk wpisuj w prompt tylko przy włączonym dźwięku
Przy wyłączonym generate_audio zdanie o tle pomieszczenia czy dźwięku szkła nie ma czego kształtować, więc wykorzystaj 1500 znaków na akcję, kamerę i światło. Przykład z serum we Flash to prompt z Wan 2.6 bez uwagi o dźwięku:
A single drop falls from the dropper tip into the bottle and sends slow rings across the liquid surface; the light band on the glass brightens a little. Locked macro framing.
Przy włączonym generate_audio opisz pożądane dźwięki zwykłymi słowami, po akcji.
Jedna akcja dla single, numerowane ujęcia dla multi
Pojedyncze ujęcie potrzebuje jednej akcji i jednego ruchu kamery. Montaż wieloujęciowy potrzebuje ponumerowanych ujęć, każde z własnym planem, oraz dłuższych długości 10 lub 15 sekund, żeby cięcia miały miejsce. Zostaw enable_prompt_expansion wyłączone, gdy prompt jest już precyzyjny; włącza się samo, gdy tylko wybierzesz multi.
Przy porównaniach trzymaj zmienne na stałe
seed przyjmuje wartości od 0 do 2147483647. Ustal go razem z kadrem, gdy porównujesz single z multi, żeby widoczna różnica wynikała ze zmienionego ustawienia. Gdy ujęcie przechodzi do Wan 2.6, wyślij ten sam kadr i ten sam prompt, a porównanie pokaże, co dodaje dokładniejszy poziom.
Sprawdź kadr i wynik
Wysyłaj JPEG, PNG bez przezroczystości, BMP lub WEBP, od 240 do 8000 pikseli na każdym boku i nie więcej niż 20 MB. Użyj negative_prompt o długości do 500 znaków dla drugiej osoby, napisów albo rekwizytu, który kadr uparcie przywraca. Przed dostawą obejrzyj cały klip, zwracając szczególną uwagę na faktury i szybki ruch.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6-flash/image-to-video",
"input": {
"duration_seconds": 5,
"generate_audio": false,
"image_url": "https://example.com/reference.png",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
