Wprowadzenie
Wan 3.0 Pro Prime Obraz na wideo animuje klatkę początkową na renderze Prime i dostarcza ją w 1080p, 2K lub 4K, od 2 do 30 sekund. image_url jest wymagany i staje się dokładnie pierwszą klatką; prompt jest opcjonalny i powinien opisywać ruch i kamerę; last_image_url opcjonalnie ustala klatkę końcową. Pola są dokładnie takie same jak w Wan 3.0 Pro Obraz na wideo, więc żądanie zbudowane dla tamtego endpointu działa tutaj po zmianie samej nazwy modelu.
Wybierz tryb według materiału początkowego
| Materiał początkowy | Tryb |
|---|---|
| Pisany brief określa scenę, działanie, kamerę i w razie potrzeby dźwięk. | Wan 3.0 Pro Prime Tekst na wideo |
| Zatwierdzony obraz początkowy ustala postać i kompozycję, a instrukcja kieruje późniejszym ruchem. | Wan 3.0 Pro Prime Obraz na wideo |
| Oddzielne materiały referencyjne mogą prowadzić tożsamość, miejsce, ruch lub dźwięk, gdy każdy ma jasną rolę. | Wan 3.0 Pro Prime Referencje na wideo |
Najważniejsze funkcje
Instrukcje na dwie klatki, na przykład przeniesienie ostrości
Przeniesienie ostrości z natury składa się z dwóch klatek i właśnie do tego służy last_image_url. Przykład z pąkiem zaczyna się ostro na pąku kwiatu i kończy na dostarczonej klatce z ostrością na rozpiętej koszuli za nim – 6 sekund w 4k; prompt mówi tylko, kiedy następuje przejście. Bardzo mała głębia ostrości zostawia renderowi niewiele swobody, by trafić we właściwą płaszczyznę bez ustalonego zakończenia.
Pułap wyznacza źródło, nie poziom
Rozdzielczość steruje renderem, a nie wejściem. Poziomy 2k i 4k powstają przez powiększenie natywnego renderu 1080p, więc przekaż najostrzejszy obraz, jaki masz: JPEG, PNG bez przezroczystości, BMP lub WEBP o boku od 240 do 8000 pikseli, do 20 MB i nie szerszy niż 8:1.
Statyczne ujęcia do montażu z osobną muzyką
Przykład „światło w zaułku” to 4-sekundowe statyczne ujęcie w 2k z wyłączonym dźwiękiem i rozszerzaniem promptu: „Nobody moves. Only the neon tube above her stutters and the rain keeps falling, dragging its reflection across the wet plastic. Locked camera.” To kształt żądania dla ujęcia, które dostanie muzykę w montażu, zamiast nieść własny dźwięk.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Nie | Tutaj opcjonalny. Używaj go do ruchu i pracy kamery; powtarzanie tego, co widać już w kadrze, zachęca model do przerysowania tego na nowo. od 1 znaków · do 20000 znaków |
image_url | Tak | Klatka początkowa, użyta dokładnie jako pierwsza klatka, a zarazem prawdziwy sufit jakości ujęcia. od 1 znaków |
last_image_url | Nie | Pole opcjonalne, działa tylko razem z |
resolution | Nie | 1080p, 2k lub 4k, domyślnie 1080p. |
aspect_ratio | Nie | adaptive podąża za kadrem początkowym. Przypnij proporcje tylko wtedy, gdy wymaga tego format dostawy. |
duration_seconds | Nie | Dowolna liczba całkowita od 2 do 30, domyślnie 5, albo -1 dla inteligentnej długości, przy której długość wybiera model: z góry rezerwowane jest maksimum 30 sekund, a rozliczeni… |
generate_audio | Nie | Domyślnie włączone. Dźwięk powstaje razem z obrazem i trafia do tego samego pliku. Domyślnie: |
enable_prompt_expansion | Nie | W tej rodzinie domyślnie włączone. Uzupełnia ubogie briefy i przepisuje szczegółowe, więc wyłącz je, gdy prompt jest już precyzyjnym opisem ujęcia. Domyślnie: |
seed | Nie | Od 0 do 2147483647. Trzymaj go na stałe, gdy dobierasz rozdzielczość albo czas trwania, inaczej każde powtórzenie zmienia dwie rzeczy naraz. |
Cennik
| Specyfikacja | Cena |
|---|---|
| $0.234 / sekundę |
| $0.252 / sekundę |
| $0.279 / sekundę |
Zastosowania
Zmiana otoczenia wokół nieruchomej postaci
Przykład z neonowym zaułkiem zaczyna się od planszy, na której są już zaułek, deszcz i przezroczysta peleryna, więc prompt mówi tylko o tym, co się zmienia: deszcz się nasila, neonowa rurka raz migocze, z kratki bucha para, a postać przez cały czas patrzy w obiektyw. Linia audio wymienia każde źródło – deszcz na stali, bzyczącą rurkę, syczącą kratkę.
Bliskie detale z ustalonym zakończeniem
Przykład z koszulą wykorzystuje te same dwie klatki co przykład z pąkiem, w 1080p przez 4 sekundy: dłoń powoli odsuwa rozpiętą koszulę w skośnym złotym świetle i pozwala jej opaść, a pąk między fałdami lekko się otwiera. Ustalenie obu końców sprawia, że bardzo mała głębia ostrości trafia w zamierzoną płaszczyznę.
Wskazówki
Nie wpisuj do promptu tego, co widać
Ponowny opis tego, co już jest w kadrze, zachęca model do przerysowania tego. Używaj promptu tylko do ruchu i kamery i zostaw aspect_ratio na adaptive, żeby klip podążał za kształtem klatki; ustalaj proporcje tylko wtedy, gdy wymaga tego format dostawy.
Zatwierdzaj w 1080p, dostarczaj w 2K lub 4K
Ustal ruch przy 5 sekundach i 1080p ze stałym seed, a potem wyślij ciało żądania w 2k lub 4k. Każda powtórka zmieniająca jednocześnie rozdzielczość i seed zmienia dwie rzeczy naraz, więc jedna musi pozostać stała, gdy oceniasz drugą.
Dla dokładnego ruchu wyłącz rozszerzanie
W tej rodzinie enable_prompt_expansion ma domyślnie wartość true. Pomaga pomysłowi z dwóch słów i przepisuje precyzyjny opis ruchu; przykład „światło w zaułku” wyłącza je, żeby trzy krótkie zdania zostały wykonane dosłownie. Przyjmowana jest każda całkowita długość od 2 do 30 sekund, a -1 zostawia wybór długości modelowi.
Szybki start z API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0-pro-prime/image-to-video",
"input": {
"aspect_ratio": "adaptive",
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"resolution": "1080p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
