Wprowadzenie
Wan 3.0 Pro Tekst na wideo tworzy ujęcie na podstawie promptu i dostarcza je w 1080p, 2K lub 4K, od 2 do 30 sekund, z generowanym dźwiękiem w tym samym pliku. Jedynym wymaganym polem jest prompt, który przyjmuje do 20 000 znaków. Natywny render Wan 3.0 kończy się na 1080p, więc poziomy 2k i 4k powstają przez powiększenie tego renderu, a nie przez rysowanie w tych rozmiarach. Ten endpoint nie ma poziomu 480p ani 720p – te rozmiary obsługuje Wan 3.0.
Wybierz tryb według materiału początkowego
| Materiał początkowy | Tryb |
|---|---|
| Pisany brief określa scenę, działanie, kamerę i w razie potrzeby dźwięk. | Wan 3.0 Pro Tekst na wideo |
| Zatwierdzony obraz początkowy ustala postać i kompozycję, a instrukcja kieruje późniejszym ruchem. | Wan 3.0 Pro Obraz na wideo |
| Oddzielne materiały referencyjne mogą prowadzić tożsamość, miejsce, ruch lub dźwięk, gdy każdy ma jasną rolę. | Wan 3.0 Pro Referencje na wideo |
Najważniejsze funkcje
Trzy rozmiary dostawy z jednego natywnego renderu
resolution przyjmuje 1080p (domyślnie), 2k lub 4k. Dwa wyższe poziomy rozciągają to, co narysował model, zamiast dorysowywać więcej, więc pasują do materiału, który będzie kadrowany, trackowany lub wyświetlany z projektora, i są tylko tak dobre jak render pod spodem. Najpierw znajdź ujęcie w 1080p, a 4K traktuj jako etap dostawy.
Rozszerzanie promptu jest włączone od początku
W tej rodzinie enable_prompt_expansion ma domyślnie wartość true. Uzupełnia skąpy brief, co przydaje się przy szkicowaniu, ale przepisuje szczegółowy. Gdy prompt stanie się precyzyjnym opisem ujęcia, ustaw pole na false, żeby wykonana została dokładnie dopracowana przez ciebie treść.
Format adaptacyjny, dopóki nie ustalisz własnego
aspect_ratio ma domyślnie wartość adaptive, więc kadr wybiera model. Podaj 16:9, 4:3, 1:1, 3:4 lub 9:16, gdy format dostawy jest ustalony: przykład z ogrodzeniem prosi o 9:16 dla pionowego kadru, a przykłady z perfumami, czarno-białym filmem i tatuażem ustalają 16:9.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Podmiot, jedna czynność, jeden ruch kamery, potem światło i dźwięk. W 4K mglisty opis kosztuje realne pieniądze, więc opisz ujęcie, a nie nastrój. od 1 znaków · do 20000 znaków |
resolution | Nie | 1080p, 2k lub 4k, domyślnie 1080p. |
aspect_ratio | Nie | 16:9, 4:3, 1:1, 3:4, 9:16 albo adaptive. Domyślnie adaptive, czyli wybór po stronie modelu; wskaż proporcje, gdy format dostawy jest ustalony. |
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 skąpe opisy i przepisuje szczegółowe, więc wyłącz je, gdy prompt jest już precyzyjnym opisem ujęcia. Domyślnie: |
seed | Nie | Od 0 do 2147483647. Ustal go na czas dobierania rozdzielczości lub długości, inaczej każdy kolejny przebieg zmienia dwie rzeczy naraz. |
Cennik
| Specyfikacja | Cena |
|---|---|
| $0.144 / sekundę |
| $0.16 / sekundę |
| $0.184 / sekundę |
Zastosowania
Reklamy perfum i kosmetyków w twardym świetle
Przykład z perfumami to pięciosekundowy spot w zwolnionym tempie: dorosła kobieta w czarnej sukni z odkrytymi plecami odwraca się od okna smaganego deszczem, pojedyncze twarde światło kluczowe spływa wzdłuż kręgosłupa, z włosów tryskają krople, a na ścieżce dźwiękowej słychać niski ton wiolonczeli i deszcz. Błyszcząca tkanina, jedno twarde źródło światła i drobne szybkie cząstki psują się przy powiększeniu najpierw, więc w dostawie 2K lub 4K sprawdzaj właśnie je.
Tkanina poruszana jedną siłą zewnętrzną
Dwa przykłady prowadzą ubranie przez jedną siłę zamiast opisywać, jak leży. W czarno-białym filmie modowym trzy metry jedwabnego szyfonu przed przemysłową maszyną do wiatru smagają ciało i owijają się wokół ramienia w twardym świetle na czarnym tle. W przykładzie z ogrodzeniem strumień z lądującego samolotu przyciska ubrania dwojga ludzi do ciała. Nazwana siła daje tkaninie przyczynę, za którą może podążać.
Wskazówki
Szukaj w 1080p, potem wyrenderuj wybrany seed ponownie
Znajdź ujęcie przy 5 sekundach i 1080p ze stałym seed, w każdej powtórce zmieniaj jedno pole i dopiero wtedy wyślij ten sam prompt z tym samym seedem i resolution ustawionym na 4k. Zmiana rozdzielczości i treści w jednej powtórce uniemożliwia ustalenie, co przesunęło wynik.
Pisz ujęcie, nie nastrój
Postać, jedna akcja, jeden ruch kamery, potem światło i dźwięk. Dobrym wzorem jest prompt ze studiem tatuażu: świece i jedna lampka biurkowa jako jedyne światło, dłonie w rękawiczkach cieniujące wzór na żebrach, grymas, powolny wydech i uśmiech przez ramię, buczenie maszynki, bardzo powolny najazd. W 4K niejasny brief to kosztowny sposób, żeby odkryć, o co ci chodziło.
Nazwij dźwięki, które chcesz usłyszeć
Dźwięk powstaje razem z obrazem, więc wypisz jego źródła: spot z perfumami prosi o „low cello note and rain”, film z maszyną do wiatru o „the roar of the fan and snapping cloth”. Ustaw generate_audio na false, gdy muzykę do spotu pisze kompozytor. Rodzina przyjmuje prompty bez cenzury bez deklaracji w żądaniu; za zgodę, prawa, wiek i lokalne prawo wszystkich przedstawionych osób odpowiadasz ty.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0-pro/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "1080p",
"aspect_ratio": "adaptive",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
