Wprowadzenie
Wan 2.6 Tekst na wideo zamienia opisane ujęcie albo ponumerowaną listę ujęć w klip trwający dokładnie 5, 10 lub 15 sekund w rozdzielczości 720p lub 1080p. Wymagane jest tylko pole prompt. Pozostałe mają wartości domyślne: 16:9, 720p, pięć sekund, jedno ciągłe ujęcie i wyłączone rozszerzanie promptu. Klip wraca z dźwiękiem generowanym razem z obrazem, a przez audio_url możesz zamiast tego przekazać nagraną kwestię lub motyw muzyczny, za którym ruch ma podążać.
Wybierz tryb według materiału początkowego
| Od czego zaczynasz | Tryb |
|---|---|
| opisana scena lub scenariusz | Wan 2.6 Tekst na wideo |
| zatwierdzony obraz początkowy | Wan 2.6 Obraz na wideo |
| osobne referencje wyglądu, ruchu lub dźwięku | Wan 2.6 Referencje na wideo |
Najważniejsze funkcje
Pięć formatów w obu rozdzielczościach
aspect_ratio przyjmuje 16:9, 9:16, 1:1, 4:3 i 3:4, a każdy format jest dostępny zarówno w 720p, jak i w 1080p. Nic nie jest przejmowane z obrazu wejściowego, więc ten sam brief da się wyrenderować jako poziomy master i jako pionową wersję skróconą, zmieniając jedno pole. Rozdzielczość wyznacza stawkę za sekundę i czas realizacji zadania, dlatego domyślne 720p to naturalne miejsce na dopracowanie promptu.
Jedno ujęcie albo zaplanowana sekwencja
shot_type przełącza między single, czyli jednym ciągłym ujęciem, a multi, w którym model może ciąć między kilkoma ujęciami w obrębie tego samego klipu. Żądanie multi zawsze działa z włączonym rozszerzaniem promptu, niezależnie od wartości enable_prompt_expansion, bo cięcia są planowane podczas rozbudowy briefu. Multi pasuje do krótkiej historii z puentą; single to wybór, gdy ciągłość liczy się bardziej niż pokrycie sceny.
Dźwięk w tym samym przebiegu
Dźwięk powstaje razem z obrazem, więc zdanie o dźwięku na końcu promptu wpływa na to, co słychać. Jeśli dźwięk już istnieje, audio_url przyjmuje plik WAV lub MP3 o długości od 3 do 30 sekund i rozmiarze do 15 MB, a ruchy ust i tempo akcji dopasowują się do tego pliku. Dłuższa ścieżka jest przycinana do długości klipu; przy krótszej reszta klipu pozostaje cicha.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Samo ujęcie: kto, jedna czynność, jeden ruch kamery, potem światło i dźwięk – albo ponumerowane ujęcia dla multi. Zmieść się w 1500 znakach. od 1 znaków · do 1500 znaków |
negative_prompt | Nie | Rzeczy, które mają zostać poza kadrem: napisy, logotypy, dodatkowe osoby, kolor, który uparcie wraca. Maksymalnie 500 znaków. do 500 znaków |
aspect_ratio | Nie | 16:9, 9:16, 1:1, 4:3 albo 3:4, domyślnie 16:9. Wszystkie pięć kształtów jest dostępnych w obu rozdzielczościach. |
resolution | Nie | 720p lub 1080p, domyślnie 720p. Wyznacza stawkę za sekundę i czas trwania zadania. |
duration_seconds | Nie | Dokładnie 5, 10 albo 15. Każda inna wartość jest odrzucana, a nie zaokrąglana. |
audio_url | Nie | Kwestia głosowa albo akcent muzyczny, za którym klip ma podążać. Układ ust i tempo ruchu dopasowują się do tego pliku. |
shot_type | Nie | single trzyma jedno ciągłe ujęcie; multi pozwala modelowi ciąć między ujęciami i włącza dla tego żądania |
enable_prompt_expansion | Nie | Domyślnie wyłączone. Po włączeniu krótki opis zostaje przed generowaniem rozpisany na pełniejszy; przy jednym ujęciu zostaw wyłączone, gdy prompt jest już precyzyjnym opisem. Domyślnie: |
seed | Nie | Od 0 do 2147483647. Przytrzymaj go, porównując po jednej zmianie naraz; pomiń go, gdy zależy ci na różnorodności. |
Cennik
| Specyfikacja | Cena |
|---|---|
| $0.09 / sekundę |
| $0.135 / sekundę |
Zastosowania
Klimatyczne pojedyncze ujęcie z opisanym dźwiękiem
Opublikowany przykład z portu pokazuje wzorzec pojedynczego ujęcia. Rybak w żółtym sztormiaku zwija mokrą linę, podnosi wzrok na przepływający prom i unosi rękę, a kamera wykonuje jeden powolny najazd zza stosu skrzyń. Prompt kończy się linijką o dźwięku, dzięki czemu miarowy deszcz, długi sygnał promu i skrzypienie liny leżą pod obrazem bez osobnej ścieżki. Przykład działa w 16:9, pięć sekund, 720p.
Pionowa mikrohistoria do mediów społecznościowych
Przykład z piekarnią prosi o trzy ponumerowane ujęcia w klipie 9:16 trwającym dziesięć sekund w 1080p: roleta podnosi się o świcie, umączone dłonie formują bochenek, a potem drzwiczki pieca rozjarzają się na pomarańczowo, gdy wjeżdża blacha. shot_type ma wartość multi, więc każda ponumerowana linijka dostaje własne cięcie, a stały seed utrzymuje stabilne losowanie, gdy dopracowujesz sformułowania.
Wypracowanie looku przed zdjęciami
Sam opis wystarczy, żeby sprawdzić scenerię, światło i tempo sceny, która jeszcze nie istnieje. Nie utrzyma jednak konkretnej twarzy ani produktu między kolejnymi generacjami. Gdy osoba lub opakowanie musi pozostać rozpoznawalne, najpierw przygotuj kadr, a potem przenieś pracę do trybu obraz na wideo, w którym obraz początkowy ustala wygląd.
Wskazówki
Pojedyncze ujęcie opisz w czterech częściach
Dla single nazwij obiekt, podaj jedną akcję, jeden ruch kamery, a potem dodaj światło i linijkę o dźwięku. Prompt z portu trzyma się dokładnie tej kolejności i dlatego jego wynik łatwo ocenić: albo lina, spojrzenie i uniesiona ręka pojawiają się, gdy kamera zostaje za skrzyniami, albo nie.
Late evening on a rain-soaked harbour quay. A fisherman in a yellow oilskin coils a wet rope, looks up at a passing ferry and raises a hand. Slow dolly from behind a stack of crates, sodium lights reflecting in the puddles. Audio: steady rain, a long ferry horn, the rope creaking.
W trybie multi numeruj ujęcia
W trybie multi zaczynaj każdą linijkę od „Shot 1:”, „Shot 2:” i tak dalej, a każdej linijce nadaj własny plan i własny obiekt. Jedno zdarzenie na linijkę: gdy linijka opisuje dwa zdarzenia, granica między cięciami przestaje zależeć od ciebie. Montaż wieloujęciowy potrzebuje dłuższych długości, więc wybierz 10 lub 15 sekund.
Trzymaj wykluczenia poza głównym briefem
Napisy, logotypy, dodatkowe osoby czy powracający kolor wpisz do negative_prompt, który mieści do 500 znaków, a sam prompt utrzymaj poniżej 1500 znaków. Przy pojedynczym ujęciu zostaw enable_prompt_expansion wyłączone, gdy prompt jest już precyzyjnym opisem ujęcia; włącz je, gdy jednozdaniowy pomysł trzeba rozbudować.
Porównuj jedną zmianę naraz
seed przyjmuje wartości od 0 do 2147483647. Trzymaj go na stałe, zmieniając tylko jedną rzecz, na przykład ruch kamery, format albo single wobec multi, i pomiń go, gdy zależy ci na różnorodności. Stabilizuje porównanie, ale nie gwarantuje identycznego co do klatki powtórzenia. Długości inne niż 5, 10 lub 15 sekund są odrzucane, a nie zaokrąglane.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6/text-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
