Czy Wan 2.7 Spicy jest bez cenzury dla wideo NSFW?

Tak. Właśnie po to istnieje osobna rodzina. W treści żądania nie ma flagi treści, nie ma deklaracji w pojedynczym żądaniu ani kroku przeglądu; klip kontynuuje to, co pokazuje klatka początkowa.

Jak długi może być klip?

Od dwóch do piętnastu sekund, liczba całkowita, domyślnie pięć. Powyżej dziesięciu sekund dłonie i tkaniny zauważalnie odpływają, więc długie ujęcia buduj z materiału, który już trzyma pożądaną pozę.

Jakie rozdzielczości są dostępne?

720p i 1080p, domyślnie 720p. Rozdzielczość wpływa i na cenę, i na czas trwania zadania, więc znajdź ujęcie w 720p, a wybrany seed wyrenderuj w 1080p.

Czy mogę podać własne audio?

Tak. audio_url przyjmuje ścieżkę, która steruje synchronizacją ust i tempem, więc nagrana kwestia albo akcent muzyczny trafia w oczekiwane klatki. Jeśli je pominiesz, generate_audio wytworzy dźwięk razem z obrazem.

Czy jest endpoint text-to-video?

Nie. Ta rodzina publikuje image-to-video i video-extend (kontynuuje istniejący klip), ale nie text-to-video. Wygeneruj najpierw klatkę początkową modelem obrazowym – ta dwuetapowa droga jest zresztą najpewniejszym sposobem, by wprowadzić do klipu dokładnie taką garderobę i pozę, jakiej chcesz.

Jak ustawić proporcje obrazu?

Przez kadrowanie klatki początkowej. Ten endpoint nie ma pola aspect_ratio; klip przyjmuje kształt przesłanego kadru.

Do czego służy negative_prompt?

Do wypisania tego, co nie może się pojawić: rekwizytu, drugiej osoby, napisu na ścianie, znaku wodnego, który materiał uparcie odtwarza. To jedyne miejsce, w którym da się coś wykluczyć, bo sam prompt służy do ruchu.

API Wan 2.7 Spicy: wideo NSFW bez cenzury z dźwiękiem

alibaba/wan-2.7-spicy/video-extend

Kontynuuj klip w Wan 2.7 Spicy: ostatnia klatka Twojego wideo otwiera nowy segment o długości od 2 do 15 sekund, a w odpowiedzi dostajesz jeden plik z połączonym oryginałem i kontynuacją, w 720p lub 1080p. Wygenerowany dźwięk albo Twoja ścieżka do synchronizacji ust.

Od $0.123/s

Uruchom model Zobacz API

Wejście

Przedłużenie wideo

1
Wybierz klip do kontynuacji
Wybierz film, a pociągniemy go dalej od ostatniej klatki.
2
Co dzieje się dalej
Wybierz klip w kroku 1, a ten krok się odblokuje.
Model
Prompt
Wymagane. Co dzieje się dalej: kolejna akcja, ruch kamery i linijka o dźwięku. Ostatnia klatka ustala już obiekt, strój i scenografię, więc słowa przeznacz na ruch. od 1 znaków
Prompt negatywny0/500
Czego nie może być w nowym segmencie: drugiej osoby, rekwizytu, tekstu na ścianie, znaku wodnego. To jedyne miejsce na wykluczenia. Do 500 znaków. do 500 znaków
Czas trwaniawpływa na cenę
Długość nowego segmentu: dowolna liczba całkowita od 2 do 15, domyślnie 5. Twój oryginał dochodzi z przodu i nie jest rozliczany. Po dziesięciu sekundach widać dryf dłoni i tkanin. nie mniej niż 2 · nie więcej niż 15
Rozdzielczośćwpływa na cenę
Rozdzielczość, w jakiej powstaje nowy fragment: 720p lub 1080p, domyślnie 720p. Wybierz rozdzielczość oryginału, żeby na łączeniu nie było widać skoku ostrości. Połączony MP4 zachowuje liczbę klatek na sekundę i kadr Twojego klipu, bez czarnych pasów. Aby dopasować łączenie, obraz może zostać przycięty lub skorygowany o kilka procent na brzegach. Jeśli model zwróci wyraźnie inne proporcje, nowy segment zostanie przeskalowany tak, aby wypełnić Twój kadr, i wyśrodkowany, a to, co wystaje, zostanie przycięte. Wpływa na cenę i czas zadania.
Dźwięk wejściowy0/1
Adres materiału
Upuść tutaj plik dźwiękowy albo wybierz z dysku · 1 plik · maks. 90 MB · MP3 · WAV
0 / 1 plików
Dźwięk nowego segmentu, który steruje synchronizacją ust i tempem: kwestia lub sygnał muzyczny, który musi trafić w konkretny moment. WAV lub MP3, od 2 do 30 sekund, do 15 MB. Kształtuje tylko nowy segment, a Twój oryginał zachowuje własny dźwięk. Wymaga włączonego generate_audio.
Generuj dźwięk
Domyślnie włączone, więc nowy segment dostaje dźwięk zgrany z obrazem. Twój oryginał w każdym przypadku zachowuje własny dźwięk; gdy jedna strona jest niema, połączony plik jest dopełniany ciszą. Przy false ścieżka podana w audio_url również nie jest używana.

Filtr bezpieczeństwaWyłączony

SpicyAPI nie uruchamia przy tym modelu żadnego filtra bezpieczeństwa. Twój prompt i media trafiają do modelu w takiej postaci, w jakiej je zapisałeś, a o tym, co wraca, decyduje sam model.

Sprawdzamy twoje konto, zanim odblokujemy wysyłkę i wycenę.

2 wymagane pola są puste: Prompt · Wideo wejściowe

Wyjście

Gotowe do nowego uruchomienia

Tutaj pojawi się twój wynik.

Ustaw dane wejściowe, sprawdź szacunek, a potem uruchom model.

Wprowadzenie

Przedłużanie wideo w Wan 2.7 Spicy. Wyślij klip, który chcesz kontynuować, i opisz, co dzieje się dalej: ostatnia klatka Twojego klipu staje się klatką początkową nowego ujęcia Wan 2.7 Spicy z obrazu na wideo, a oryginał i nowy segment wracają połączone w jednym pliku MP4. Opcjonalne audio_url ustala dźwięk tylko nowego segmentu. Płacisz wyłącznie za nowe sekundy.

Specyfikacja: Wan 2.7 Spicy · Video Extend
Pole	Wartość
Wejście	Wideo
Wyjście	Wideo
Producent	Alibaba
Opublikowane endpointy	image-to-video, video-extend
Wymagane wejścia	Klatka początkowa (`image_url`) i prompt
Długość klipu	2–15 sekund, domyślnie 5
Rozdzielczość	720p lub 1080p – domyślnie 720p
Dźwięk	Domyślnie generowany albo podany przez `audio_url` dla synchronizacji ust i tempa
Proporcje obrazu	Dziedziczone z klatki początkowej; brak pola proporcji
Treści	Bez cenzury; bez deklaracji w pojedynczym żądaniu

Najważniejsze funkcje

Kadr, który wysyłasz, to kadr, który się porusza

Nie ma deklaracji treści, przepisywania, by ominąć filtr, ani etapu przeglądu. Cokolwiek pokazuje klatka otwierająca, klip to kontynuuje. Właśnie dlatego ta rodzina istnieje jako osobna wersja, a nie jako przełącznik w wersji standardowej.

Garderoba i ciało pochodzą z klatki początkowej

Obraz obok tego tekstu to klatka początkowa klipu z tej strony: rewiowa tancerka przy garderobianym lustrze obwiedzionym żarówkami. Ponieważ materiał niesie już kostium, pióra i światło, prompt musiał jedynie powiedzieć, że poprawia ramiączko, sprawdza się w lustrze i odwraca do kamery.

Wygeneruj dźwięk albo przynieś własny

Zostaw generate_audio włączone, a klip wróci z tłem akustycznym i efektami już zsynchronizowanymi z obrazem. Albo wgraj ścieżkę przez audio_url, a ujęcie powstanie pod nią, sterując synchronizacją ust i tempem – przydaje się, gdy kwestia dialogowa albo akcent muzyczny musi trafić w konkretną klatkę.

Parametry żądania

Parametry żądania: Wan 2.7 Spicy · Video Extend
Parametr	Wymagane	Uwaga
`prompt`	Tak	Wymagane. Co dzieje się dalej: kolejna akcja, ruch kamery i linijka o dźwięku. od 1 znaków
`negative_prompt`	Nie	Czego nie może być w nowym segmencie: drugiej osoby, rekwizytu, tekstu na ścianie, znaku wodnego. To jedyne miejsce na wykluczenia. do 500 znaków
`duration_seconds`	Nie	Długość nowego segmentu: dowolna liczba całkowita od 2 do 15, domyślnie 5. Twój oryginał dochodzi z przodu i nie jest rozliczany. `≥ 2` · `≤ 15` · Domyślnie: `5`
`resolution`	Nie	Rozdzielczość, w jakiej powstaje nowy fragment: 720p lub 1080p, domyślnie 720p. Wybierz rozdzielczość oryginału, żeby na łączeniu nie było widać skoku ostrości. `720p` · `1080p` · Domyślnie: `720p`
`audio_url`	Nie	Dźwięk nowego segmentu, który steruje synchronizacją ust i tempem: kwestia lub sygnał muzyczny, który musi trafić w konkretny moment. WAV lub MP3, od 2 do 30 sekund, do 15 MB.
`seed`	Nie	Od 0 do 2147483647. Trzymaj stałą, gdy porównujesz 720p z 1080p albo pięć sekund z dziesięcioma. `≥ 0` · `≤ 2147483647`
`generate_audio`	Nie	Domyślnie włączone, więc nowy segment dostaje dźwięk zgrany z obrazem. Domyślnie: `true`
`enable_prompt_expansion`	Nie	Domyślnie włączone, bez dodatkowej opłaty. Prompt jest przepisywany przed generacją, co pomaga przy krótkim opisie. Domyślnie: `true`
`video_url`	Tak	Klip do kontynuacji: MP4, MOV lub WebM, do 60 sekund. Jego ostatnia klatka staje się klatką początkową nowego segmentu, więc tnij go na czystej, ostrej klatce. od 1 znaków

Cennik

Rozliczana jest każda sekunda nowego segmentu w wybranej rozdzielczości; przesłany klip źródłowy nie jest rozliczany.

Cennik
Specyfikacja	Cena
`720p`	$0.1235 / sekundę
`1080p`	$0.19 / sekundę

Zastosowania

Klipy bez cenzury odrzucane przez inne API

Sceny, których odmawiają konkurencyjne modele wideo: wyślij kadr, opisz ruch, odbierz klip. Kilka z nich blokuje takie sformułowanie już w filtrze treści; tutaj nie ma filtra ani deklaracji, którą trzeba wypełniać przy każdym żądaniu.

Postacie towarzyszące i do roleplayu

Trzymaj jeden materiał z postacią i używaj go jako klatki początkowej w każdym klipie, zmieniając wyłącznie linię akcji. Postać zostaje tą samą osobą ujęcie po ujęciu, bo twarz i garderobę niesie materiał, a nie prompt.

Mówione klipy z własnym audio

Wgraj nagraną kwestię przez audio_url, a klip powstanie pod nią, więc ruch ust i tempo pójdą za dublem, który już masz. To różnica między postacią, która porusza ustami, a postacią, która mówi twój scenariusz.

Pionowe pętle do feedów i podglądów

Pięć sekund w 720p na materiale 9:16 daje pętlę, która odtwarza się płynnie i mieści się w kilku megabajtach. Wygeneruj wsadowo kilka seedów z jednego materiału, żeby dostać zestaw wariantów wyglądających jak ta sama wykonawczyni.

Wskazówki

Najpierw zbuduj klatkę początkową

Wszystko, co klip dziedziczy, pochodzi z kadru: osoba, kostium, wnętrze, kierunek światła i kształt kadru. Przytnij go do proporcji, w jakich chcesz dostarczać materiał, bo ten endpoint nie ma pola proporcji.
Opisz tylko to, co się porusza

Jedna czynność, jedno zachowanie kamery, jedna uwaga o dźwięku. To dokładny tekst stojący za klipem na tej stronie, uruchomiony przy duration_seconds 5 i resolution 720p: „Kończy poprawiać cekinowe ramiączko, sprawdza się w lustrze obwiedzionym żarówkami, po czym odwraca głowę do kamery i unosi brew, zanim wychodzi z kadru w stronę sceny. Żarówki migoczą, pióra drgają w przeciągu, dym się przesuwa, zza ściany narasta przytłumiona orkiestra i oklaski.”
Wyślij asynchronicznie i iteruj po jednym polu

Utwórz zadanie z nagłówkiem Idempotency-Key, zachowaj jego identyfikator, odpytuj albo przyjmij callback. Przytrzymaj seed, kiedy porównujesz 720p z 1080p albo pięć sekund z dziesięcioma; przy dwóch zmianach naraz z takiej pary niczego się nie dowiesz.

Wprowadzenie

Wan 2.7 Spicy Przedłużanie wideo kontynuuje klip, który już masz. Wyślij go w polu video_url wraz z promptem opisującym, co dzieje się dalej. Ostatnia klatka Twojego klipu staje się klatką początkową nowego ujęcia Wan 2.7 Spicy z obrazu na wideo o długości od 2 do 15 sekund, a całość jest łączona w jeden plik MP4: najpierw Twój oryginał, potem kontynuacja, bez powtórzonej klatki na łączeniu. Nowy segment wraca też jako osobny plik, więc możesz przedłużać dalej albo edytować części osobno.

Najważniejsze funkcje i zalety

Ciągłość bierze się z ostatniej klatki. Strój, scenografia, światło i położenie wszystkich osób zostają, bo nowy segment dosłownie zaczyna się na Twojej ostatniej klatce. Ruch nie przenosi się w ten sam sposób: model widzi jeden nieruchomy obraz, a nie cały klip, więc opisz ruch, który ma trwać, zamiast zakładać, że zachowa tempo i kierunek.

Dostajesz jeden plik oraz osobno nowy fragment. Połączony MP4 zachowuje liczbę klatek na sekundę i kadr Twojego klipu, bez czarnych pasów. Aby dopasować łączenie, obraz może zostać przycięty lub skorygowany o kilka procent na brzegach. Jeśli model zwróci wyraźnie inne proporcje, nowy segment zostanie przeskalowany tak, aby wypełnić Twój kadr, i wyśrodkowany, a to, co wystaje, zostanie przycięte. Jest kodowany jako MP4 H.264 z dźwiękiem AAC. Dźwięk z Twojego oryginału zostaje, dźwięk nowego segmentu idzie za nim, a niema strona jest dopełniana ciszą, żeby obraz i dźwięk pozostały zgrane na łączeniu. Drugi zasób wyniku to sam nowy segment, gotowy do kolejnego przedłużenia lub do edytora.

Przynieś własny dźwięk dla nowej części. Podaj audio_url, a nowy segment powstanie pod tę ścieżkę, więc kwestia lub uderzenie rytmu wpadną tam, gdzie chcesz. Parametr kształtuje tylko nowy segment: oryginał zachowuje swój dźwięk, a oba fragmenty są łączone bez zmian.

Cała reszta to Wan 2.7 Spicy z obrazu na wideo. Nowy segment działa na tych samych trasach, z tym samym zakresem treści i tą samą ceną za sekundę co endpoint z obrazu na wideo, a nieudana generacja jest zwracana tak samo. Jeśli generacja się uda, ale nie da się zbudować połączenia, zadanie kończy się błędem, a opłata jest zwracana.

Przykłady zastosowań

Wydłuż ujęcie, które skończyło się za wcześnie: obrotowy stolik z produktem, który zatrzymuje się, zanim etykieta spojrzy w kamerę, albo marsz urwany, zanim bohater dojdzie do drzwi. Przedłuż je o kilka sekund i opisz tylko pozostały ruch.

Buduj dłuższą sekwencję krok po kroku. Wygeneruj pierwsze ujęcie, przedłuż je, a potem przedłuż połączony wynik jeszcze raz; każdy krok rozlicza tylko sekundy, które dodaje. Ponieważ każdy krok zaczyna się od jednej klatki, sprawdź każde łączenie, zanim dołożysz kolejne.

Poradnik promptów i wskazówki

Opisz następny moment, a nie całą scenę. Klatka już ustala, kto i gdzie; prompt przeznacz na kolejną akcję, ruch kamery i dźwięk. Powtórz język kamery, którym kończył się klip, na przykład powolny najazd albo stałe ujęcie, żeby łączenie wyglądało jak jedno ujęcie. Prompt jest tu wymagany, ale wystarczy krótki.

Przytnij przed przedłużeniem. Ostatnia klatka to jedyny obraz, który widzi model, więc rozmyte, urwane w pół ruchu lub mocno skompresowane zakończenie przechodzi prosto do kontynuacji. Najpierw tnij oryginał na czystej, ostrej klatce. Przyjmujemy klipy źródłowe do 60 sekund w formacie MP4, MOV lub WebM.

Dopasuj rozdzielczość do oryginału. resolution ustala tylko ostrość, z jaką powstaje nowy segment. Wybierz rozdzielczość oryginału i ustaw duration_seconds na długość, której naprawdę potrzebujesz: opłata dotyczy tylko nowego segmentu.

Wolno używać wyłącznie materiałów z udziałem zgadzających się osób dorosłych i poprawnie licencjonowanych. Zabronione są osoby małoletnie, intymne materiały bez zgody oraz zwodnicze podszywanie się pod realne osoby.

Odpowiadasz za prawa do materiału źródłowego, wizerunku, marki i muzyki oraz za każde użycie komercyjne.

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-2.7-spicy/video-extend",
  "input": {
    "duration_seconds": 5,
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "720p",
    "video_url": "https://example.com/reference.mp4"
  }
}'

# 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.

Powiązane modele i kolejne zadania

Brakuje modelu, którego potrzebujesz?

Napisz, co dodać i do czego chcesz tego użyć. Zgłoszenia trafiają do osób, które decydują o kolejności wdrożeń.

Podgląd pokazuje wybrane przykłady. Wypróbuj własny prompt i ustawienia w Playground.

IMAGE-TO-VIDEO BEZ CENZURY

Jeden kadr zamienia się w 2 do 15 sekund nawet w 1080p. Bez cenzury.

Kluczowe liczby

Długość klipu: 2–15S; Dowolna całkowita liczba sekund od 2 do 15; domyślnie 5.
Rozdzielczość: 1080P; 720p lub 1080p, wybierane w każdym żądaniu.
Dźwięk: AUDIO; Generowany razem z obrazem albo podany jako własna ścieżka przez audio_url.
Endpoint: 2; Image-to-video i video-extend. Jedna klatka początkowa albo jeden klip do kontynuacji.
Negatywny prompt: NEG; Osobne pole na to, co ma zostać poza kadrem.
Powtarzalność: SEED; Przytrzymaj seed i zmieniaj po jednym polu.

Co potrafi

Bez cenzury

Kadr, który wysyłasz, to kadr, który się porusza

Start z kadru

Garderoba i ciało pochodzą z klatki początkowej

Dwa sposoby na dźwięk
Wygeneruj dźwięk albo przynieś własny
Zostaw generate_audio włączone, a klip wróci z tłem akustycznym i efektami już zsynchronizowanymi z obrazem. Albo wgraj ścieżkę przez audio_url, a ujęcie powstanie pod nią, sterując synchronizacją ust i tempem – przydaje się, gdy kwestia dialogowa albo akcent muzyczny musi trafić w konkretną klatkę.

Zanim zapłacisz

image-to-video

Jedna klatka początkowa jest wymagana i wykonuje większość pracy: garderoba, ciało, scenografia i światło są dziedziczone, więc prompt powinien nieść wyłącznie ruch. Nie ma pola proporcji – klip przyjmuje kształt materiału, więc przytnij kadr przed wysłaniem. Od dwóch do piętnastu sekund; powyżej dziesięciu spodziewaj się większego odpływania dłoni i tkanin.

all

Ta rodzina publikuje image-to-video i jego kontynuację video-extend – bez text-to-video i bez zadań referencyjnych. Prompt jest wymagany, a negatywny prompt też warto napisać, bo to jedyne miejsce, w którym da się wykluczyć coś, co materiał uparcie podsuwa. Odpowiadasz za zgodę, prawa, wiek i lokalne przepisy dotyczące każdej przedstawionej osoby oraz każdego przesłanego pliku. Platforma nie sprawdza treści. Strony publiczne i przykłady pozostają odpowiednie dla szerokiej publiczności.

Gdzie się sprawdza

Klipy bez cenzury odrzucane przez inne API
Sceny, których odmawiają konkurencyjne modele wideo: wyślij kadr, opisz ruch, odbierz klip. Kilka z nich blokuje takie sformułowanie już w filtrze treści; tutaj nie ma filtra ani deklaracji, którą trzeba wypełniać przy każdym żądaniu.
Postacie towarzyszące i do roleplayu
Trzymaj jeden materiał z postacią i używaj go jako klatki początkowej w każdym klipie, zmieniając wyłącznie linię akcji. Postać zostaje tą samą osobą ujęcie po ujęciu, bo twarz i garderobę niesie materiał, a nie prompt.
Mówione klipy z własnym audio
Wgraj nagraną kwestię przez audio_url, a klip powstanie pod nią, więc ruch ust i tempo pójdą za dublem, który już masz. To różnica między postacią, która porusza ustami, a postacią, która mówi twój scenariusz.
Pionowe pętle do feedów i podglądów
Pięć sekund w 720p na materiale 9:16 daje pętlę, która odtwarza się płynnie i mieści się w kilku megabajtach. Wygeneruj wsadowo kilka seedów z jednego materiału, żeby dostać zestaw wariantów wyglądających jak ta sama wykonawczyni.

Dokumentacja modelu

Dokumentacja API Wan 2.7 Spicy

Specyfikacja API Wan 2.7 Spicy

Producent: Alibaba
Opublikowane endpointy: image-to-video, video-extend
Wymagane wejścia: Klatka początkowa (image_url) i prompt
Długość klipu: 2–15 sekund, domyślnie 5
Rozdzielczość: 720p lub 1080p – domyślnie 720p
Dźwięk: Domyślnie generowany albo podany przez audio_url dla synchronizacji ust i tempa
Proporcje obrazu: Dziedziczone z klatki początkowej; brak pola proporcji
Treści: Bez cenzury; bez deklaracji w pojedynczym żądaniu

Jak wywołać API Wan 2.7 Spicy

1. Najpierw zbuduj klatkę początkową
Wszystko, co klip dziedziczy, pochodzi z kadru: osoba, kostium, wnętrze, kierunek światła i kształt kadru. Przytnij go do proporcji, w jakich chcesz dostarczać materiał, bo ten endpoint nie ma pola proporcji.
2. Opisz tylko to, co się porusza
Jedna czynność, jedno zachowanie kamery, jedna uwaga o dźwięku. To dokładny tekst stojący za klipem na tej stronie, uruchomiony przy duration_seconds 5 i resolution 720p: „Kończy poprawiać cekinowe ramiączko, sprawdza się w lustrze obwiedzionym żarówkami, po czym odwraca głowę do kamery i unosi brew, zanim wychodzi z kadru w stronę sceny. Żarówki migoczą, pióra drgają w przeciągu, dym się przesuwa, zza ściany narasta przytłumiona orkiestra i oklaski.”
3. Wyślij asynchronicznie i iteruj po jednym polu
Utwórz zadanie z nagłówkiem Idempotency-Key, zachowaj jego identyfikator, odpytuj albo przyjmij callback. Przytrzymaj seed, kiedy porównujesz 720p z 1080p albo pięć sekund z dziesięcioma; przy dwóch zmianach naraz z takiej pary niczego się nie dowiesz.

W skrócie

Wan 2.7 Spicy to rodzina image-to-video bez cenzury w linii Wan 2.7 od Alibaby, opublikowana na tej platformie jako dwa endpointy, image-to-video i video-extend. Autoryzowana klatka początkowa zamienia się w 2 do 15 sekund wideo w 720p lub 1080p, z dźwiękiem powstającym razem z obrazem albo podanym przez audio_url, który steruje synchronizacją ust i tempem, a do tego z osobnym negatywnym promptem i seedem dla powtarzalnych porównań. Nie ma pola proporcji obrazu: klip przyjmuje kształt przesłanego kadru. Zadania są asynchroniczne i rozliczane za sekundę dostarczonego wideo w dolarach amerykańskich. Sceny bez cenzury działają bez jakiejkolwiek deklaracji w pojedynczym żądaniu, a zmierzone granice wypisano powyżej.