Wprowadzenie
Wan 3.0 Prime Tekst na wideo tworzy klip o długości od 2 do 30 sekund z dźwiękiem wyłącznie na podstawie napisanego promptu. Pola są dokładnie takie same jak w Wan 3.0 Tekst na wideo: prompt jest wymagany, a duration_seconds, resolution (480p, 720p lub 1080p, domyślnie 720p), aspect_ratio (domyślnie 16:9), generate_audio, enable_prompt_expansion i seed są opcjonalne. Istniejące żądanie do Wan 3.0 działa więc tutaj po zmianie samej nazwy modelu. Alibaba przedstawia Prime jako szybką wersję Wan 3.0 o tych samych możliwościach.
Wybierz tryb według materiału początkowego
| Materiał początkowy | Tryb |
|---|---|
| Pisany brief określa scenę, działanie, kamerę i w razie potrzeby dźwięk. | Wan 3.0 Prime Tekst na wideo |
| Zatwierdzony obraz początkowy ustala postać i kompozycję, a instrukcja kieruje późniejszym ruchem. | Wan 3.0 Prime Obraz na wideo |
| Oddzielne materiały referencyjne mogą prowadzić tożsamość, miejsce, ruch lub dźwięk, gdy każdy ma jasną rolę. | Wan 3.0 Prime Referencje na wideo |
Najważniejsze funkcje
Wymienne żądanie i szybszy czas realizacji
Ponieważ schemat, wartości domyślne i enumy są identyczne, przeniesienie zadania między Wan 3.0 a Prime to zmiana jednego słowa. Pilne zlecenia wysyłaj tutaj, a zadania, w których cena za sekundę liczy się bardziej niż czas, zostaw na Wan 3.0. Przy stałym seedzie w obu modelach możesz bezpośrednio porównać dwa pliki.
Długie ujęcia z możliwą do sprawdzenia ciągłością
Przykład z latarnią morską trwa 10 sekund w 720p z dźwiękiem: obracający się snop światła co kilka sekund przesuwa się po dwojgu ludziach i zostawia ich w ciemności między przejściami, a na ścieżce słychać syrenę mgłową i morze. Okresowy motyw to uczciwy test, czy długi klip pozostaje ciągły, czy po cichu zaczyna się od nowa.
Kontra, przezroczysta tkanina i wiatr
Przykład z dachem trwa pięć sekund w 720p: przezroczysta lniana koszula unosi się za kobietą na śródziemnomorskim murku w złotej godzinie, do tego powolny ruch kamery po okręgu, ciepłe światło kontrowe i poświata obiektywu, morska bryza i mewy. Cienka tkanina pod światło i rozwiane włosy to wymagające motywy, więc warto dokładnie sprawdzać je we własnych renderach.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Samo ujęcie: temat, jedna akcja, jeden ruch kamery, potem światło i dźwięk. Długie listy przymiotników zmieniają wynik mniej niż jedna wyraźna akcja. od 1 znaków |
aspect_ratio | Nie | 16:9, 9:16, 1:1, 4:3, 3:4 albo adaptive, przy którym wybiera model. Domyślnie 16:9. |
enable_thinking | Nie | Każe modelowi przemyśleć polecenie i materiały referencyjne przed generowaniem. Domyślnie: |
resolution | Nie | 480p, 720p lub 1080p. Domyślnie 720p. |
duration_seconds | Nie | Dowolna liczba całkowita od 2 do 30 albo -1 dla inteligentnej długości, przy której długość wybiera model: z góry rezerwowane jest maksimum 30 sekund, a rozliczenie ustala się n… |
generate_audio | Nie | Domyślnie włączone. Klip wraca z dźwiękiem już zgranym z obrazem. Domyślnie: |
enable_prompt_expansion | Nie | Domyślnie wyłączone. Po włączeniu prompt jest przepisywany przed generowaniem: pomaga przy ubogich briefach, a przy rozbudowanych raczej przeszkadza. Domyślnie: |
seed | Nie | Od 0 do 2147483647. Trzymaj go bez zmian, żeby porównywać po jednym polu; pomiń go, jeśli zależy ci na różnorodności. |
Cennik
| Specyfikacja | Cena |
|---|---|
| $0.0612 / sekundę |
| $0.126 / sekundę |
| $0.252 / sekundę |
Zastosowania
Surrealistyczne sceny, które muszą pozostać spójne
Przykład z solniskiem prosi o gładką jak lustro taflę wody, w której niebo i ziemia łączą się bez widocznego horyzontu, o kobietę idącą w stronę kamery, gdy jej odbicie idzie do góry nogami pod nią, i o kręgi rozchodzące się po wodzie, gdy się obraca. Kadr jest najpierw statyczny i dopiero potem powoli najeżdża, co izoluje odbicie jako element do sprawdzenia.
Występ z głosem w tym samym przebiegu
W przykładzie z kabiną nagraniową wokalistka przy mikrofonie wstęgowym trzyma długi niski dźwięk, zsuwa jedną muszlę słuchawek i uśmiecha się przez szybę reżyserki; przeniesienie ostrości z siatki mikrofonu na jej twarz jest zapisane w prompcie. Głos powstaje w tym samym przebiegu co obraz, więc oba trafiają do jednego pliku.
Wskazówki
Zmiany kamery zapisuj jako zdarzenia
Gdy kamera robi coś w połowie ujęcia, zapisz to jako zdarzenie w kolejności: prompt kabiny mówi „rack focus from the microphone mesh to her face”, prompt solniska – „wide static frame that then pushes slowly in”. Jedna instrukcja dla kamery na takt sprawia, że wynik łatwo sprawdzić.
Nadaj długim klipom rytm
W klipach dłuższych niż 5 sekund daj renderowi coś, co się powtarza lub postępuje – snop światła co kilka sekund, przypływ, zapełniającą się salę – żeby dało się ocenić ciągłość. Długość to dowolna liczba całkowita od 2 do 30 albo -1, gdy wybór zostawiasz modelowi; najpierw ustal wygląd przy 5 sekundach.
Porównuj Prime i Wan 3.0 przy stałym seedzie
Wyślij to samo ciało żądania do obu modeli z tym samym seed, a potem zmieniaj jedno pole naraz. Stały seed zapewnia uczciwe porównanie, ale nie gwarantuje identycznych klatek. Przy szczegółowych promptach zostaw enable_prompt_expansion na domyślnym false i włączaj je tylko dla ubogiego pomysłu w dwóch linijkach.
Szybki start z API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0-prime/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
