Wan 3.0 Pro Prime API

Wan 3.0 Pro Prime Tekst na wideo tworzy na podstawie promptu ujęcie o długości od 2 do 30 sekund i dostarcza je w 1080p, 2K lub 4K z dźwiękiem w tym samym pliku. Lista pól jest dokładnie taka sama jak w Wan 3.0 Pro Tekst na wideo, ale bazowym renderem jest Wan 3.0 Prime, który Alibaba przedstawia jako szybką wersję o tych samych możliwościach. Natywny render Prime kończy się na 1080p, więc poziomy 2k i 4k powstają przez jego powiększenie, a nie przez natywny render.

Wybierz tryb według materiału początkowego

To samo ciało żądania co w Wan 3.0 Pro

Jedynym wymaganym polem jest prompt (do 20 000 znaków); resolution ma domyślnie wartość 1080p, aspect_ratio – adaptive, a enable_prompt_expansion – true. Kontrakt jest identyczny, więc jedno ciało JSON działa w Pro i w Pro Prime po zmianie samej nazwy modelu; zanim przypiszesz projekt do jednego z nich, wyślij do obu ujęcie testowe z tym samym seedem.

Kadr zapisany w briefie

Przykład z kryptą poświęca jedną trzecią promptu samemu kadrowi: cała głowa w kadrze, wyraźny zapas nad włosami, krawędź kadru na wysokości talii, twarz widoczna przez cały czas. Typowy błąd zbliżenia to model wycinający twarz z własnego kadru, a nazwanie kadru jest na to lekarstwem. Jedynym światłem kluczowym są świece, a dźwięk – migoczące płomienie, odległe żelazne drzwi – przychodzi w tym samym przebiegu.

Ruch bez punktu oparcia

Przykład podwodny nie ma dna jako odniesienia: szkarłatna jedwabna suknia rozkwita, gdy postać opada, włosy rozchodzą się wachlarzem, z opuszków palców ciągną się pęcherzyki, a kamera jednocześnie zatacza łuk i się pochyla. Rozdzielczość nie jest ustawiona, więc obowiązuje domyślne 1080p. Najwięcej na większym poziomie dostawy zyskują ujęcia, w których nic się nie uspokaja.

Ruchome kolorowe światło w pionowym kadrze

Przykład z zorzą prosi o zielone światło przesuwające się po skórze i włosach dwojga ludzi dzielących jeden koc na zamarzniętym jeziorze, w formacie 9:16. Ruchome kolorowe światło na skórze to miejsce, gdzie banding i szum barwny pojawiają się najpierw, więc zamawiaj 2K lub 4K dla takiego motywu tylko wtedy, gdy scena naprawdę tego potrzebuje; statyczny motyw w 4K daje jedynie większy plik.

Sceny z ręki w zastanym świetle

Przykład z nocnym promem jest celowo prosty: dokumentalny kadr z ręki, reflektor pokładowy i odległe światła portu, dwóch dorosłych mężczyzn przy rufowym relingu, którzy stykają się czołami i całują, gdy w dole kotłuje się kilwater. Nie ma żadnej flagi treści do ustawienia, bo każdą scenę wysyła się jak każdy inny prompt; za zgodę, prawa, wiek i lokalne prawo odpowiadasz ty.

# 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/text-to-video",
  "input": {
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "1080p",
    "aspect_ratio": "adaptive",
    "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.