Wprowadzenie
Wan 3.0 Prime Spicy obraz na wideo to endpoint obraz na wideo rodziny Wan 3.0 Prime Spicy, dostrojonej ponad limity standardowego modelu. Klatka otwierająca w image_url i opcjonalny prompt stają się 2–30 sekundami wideo w 480p, 720p lub 1080p, z wygenerowanym dźwiękiem. Nieruchomy obraz dostarcza postać, strój, scenerię i światło; prompt — ruch, kamerę i dźwięk. Aby ustalić zakończenie, dodaj last_image_url.
W treści żądania nie ma flagi treści ani deklaracji w pojedynczym żądaniu. W naszym teście sześciu poziomów z 2026-09-30 każdy poziom wyszedł tak, jak opisano.
Najważniejsze funkcje
Sześć poziomów przetestowanych, sześć wyrenderowanych
Przepuściliśmy naszą standardową drabinkę w 480p i pięciu sekundach, od Łagodnego po oba testy na poziomie Maksymalny. Nic nie zostało odrzucone, zasłonięte ani zamienione na inną osobę. Poziom Bardzo silny to ten, który standardowy Wan 3.0 Prime złagodził w naszym teście z 2026-09-24.
Może pójść dalej niż prompt
Tego trzeba się spodziewać. W naszych zdjęciach przykładowych wysłaliśmy cztery klatki otwierające z promptami, które mówiły, że ubiór pozostaje taki sam; dwie wróciły zmienione, w tym jedno zdjęcie produktowe perfum, za którego flakonem pojawiła się dodatkowa postać. Traktuj prompt jako prośbę, a nie gwarancję, i sprawdź cały klip.
Do 30 sekund w jednym żądaniu
duration_seconds przyjmuje dowolną liczbę całkowitą od 2 do 30, domyślnie 5. Żądanie pięciosekundowe zwraca około 5,04 sekundy w 30 klatkach na sekundę. resolution to 480p, 720p (domyślnie) lub 1080p, a zarówno długość, jak i rozdzielczość wpływają na cenę i czas oczekiwania.
Kształt, dźwięk i ostatnia klatka
aspect_ratio przyjmuje 16:9, 9:16, 1:1, 4:3 lub 3:4; jeśli pominiesz, klip zachowa kształt kadru. generate_audio jest domyślnie włączone. last_image_url ustala klatkę końcową — w naszym teście klip zakończył się na przesłanym obrazie, przyciętym do żądanych proporcji.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Nie | Opcjonalny, ale warto go napisać: jedna akcja, jeden ruch kamery, jedna uwaga o dźwięku. od 1 znaków |
image_url | Tak | Wymagane. Klatka początkowa: z niej pochodzą osoba, strój, wnętrze i światło. |
last_image_url | Nie | Opcjonalna klatka końcowa. Klip kończy się na tym obrazie, przyciętym do żądanych proporcji. |
aspect_ratio | Nie | 16:9, 9:16, 1:1, 4:3 lub 3:4. Jeśli pominiesz, klip zachowa kształt klatki początkowej; inne proporcje przycinają kadr. |
resolution | Nie | 480p, 720p lub 1080p, domyślnie 720p. Wyższa rozdzielczość kosztuje więcej za sekundę i trwa dłużej. |
duration_seconds | Nie | Dowolna liczba całkowita od 2 do 30, domyślnie 5. Rozliczane za każdą zamówioną sekundę. |
generate_audio | Nie | Domyślnie włączone, bez dodatkowej opłaty: klip wraca z dźwiękiem dopasowanym do obrazu. Ustaw false, by dostać klip bez dźwięku. Domyślnie: |
enable_prompt_expansion | Nie | Domyślnie wyłączone, bez dodatkowej opłaty. Po włączeniu krótki prompt jest przed generowaniem przepisywany na dłuższy; zostaw wyłączone, gdy twoje sformułowania są już precyzyjne. Domyślnie: |
seed | Nie | Od 0 do 2147483647. Trzymaj go stałym, gdy porównujesz rozdzielczości lub długości: uruchomienia stają się porównywalne, choć nie identyczne klatka w klatkę. |
Cennik
| Specyfikacja | Cena |
|---|---|
| $0.09 / sekundę |
| $0.18 / sekundę |
| $0.36 / sekundę |
Zastosowania
Czym różni się od standardowego Prime
Sceny z dwiema osobami to miejsce, w którym ta wersja różni się w naszych testach od standardowego Wan 3.0 Prime: poziom Bardzo silny wrócił zgodnie z zapisem zamiast złagodzony.
Akcja i woda
Ruch, który nie jest romantyczny, też działa: przykład z basenem na tej stronie zdejmuje ręcznik, skacze do wody i podąża za pływakiem pod powierzchnią w jednym pięciosekundowym ujęciu.
Długie ujęcia z zaplanowanym zakończeniem
Poproś o do 30 sekund i dodaj last_image_url, by ujęcie kończyło się w pozie, od której zaczyna się następne.
Wskazówki
Niech stylizację zrobi kadr
Strój, wnętrze i światło umieść w kadrze, a prompt zostaw na to, co się porusza. Przykład z tangiem na tej stronie uruchomiono z duration_seconds 5 i resolution 720p:
The couple finishes a slow turn and he dips her back over his arm; her hand stays on the back of his neck and their foreheads almost touch. Both stay fully dressed the whole time: he keeps his white shirt and black vest buttoned, she keeps the red satin gown on. The camera circles them slowly under the chandelier. Soft bandoneon, shoes on the wooden floor.
Dokładne żądanie stojące za klipem dla tego endpointu, wygenerowane z klatki początkowej pokazanej obok.
Szkic w 480p, potem render
Pięciosekundowy klip w 480p trwał w naszej pierwszej partii od dwóch do dwóch i pół minuty. Alibaba nazywa Prime swoim szybkim poziomem, ale tutaj szybszy nie był, więc zmierz czas własnych zadań. Dopracuj pomysł w 480p, zachowaj seed, a potem wyrenderuj ponownie w 720p lub 1080p. Zmieniaj jedno pole na uruchomienie, żeby każde porównanie coś mówiło.
Gdy ubranie musi zostać
Nazwij ubiór w prompcie i napisz, że pozostaje taki sam — tak przykład tanga zachował swój wygląd — ale żadne sformułowanie nie jest gwarancją w tym modelu. Przed dostarczeniem sprawdź cały klip.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0-prime-spicy/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
