Você tem uma imagem de um personagem adulto e uma fala gravada e quer um vídeo curto que preserve tanto o personagem quanto o clima desejado. O Wan 2.7 Spicy parece promissor porque oferece geração NSFW de imagem para vídeo e uma entrada de áudio.
O Wan 2.7 Spicy é uma opção de imagem para vídeo sem censura no SpicyAPI. Em nossos testes de setembro de 2026, todas as solicitações voltadas ao público adulto foram entregues, sem suavização nem recusa.
A tarefa atual produz 2–15 segundos em 720p ou 1080p. Ela aceita uma imagem inicial, um prompt de movimento obrigatório, som gerado opcional e uma faixa de áudio opcional. Cinco segundos custam $0,6175 em 720p ou $0,95 em 1080p. Não há uma faixa de preço adicional de áudio indicada.
O que “sem censura” significa neste teste
O SpicyAPI não adiciona um filtro de conteúdo da plataforma ao Wan 2.7 Spicy; ainda assim, o resultado real precisa ser avaliado.
As solicitações de maior intensidade foram entregues, em vez de concluídas com alternativas mais suaves. Para outra tomada, selecione um novo seed; mantenha o mesmo seed ao comparar duas configurações. Consulte o relatório de testes do Wan 2.7 Spicy.
Esta é a versão de vídeo, não o gerador de imagens Wan 2.7
O Wan 2.7 Spicy tem uma tarefa publicada: imagem para vídeo. Uma imagem inicial e um prompt não vazio são obrigatórios. Ele não cria uma imagem estática a partir de texto, não recebe um quadro final separado, não aceita um conjunto de imagens de referência do personagem e não estende um vídeo enviado.
Wan 2.7 e Wan 2.7 Pro no SpicyAPI são modelos de imagem separados. Se você tem apenas uma descrição do personagem, crie primeiro a imagem estática inicial. Use um editor de vídeo para substituir a trilha sonora de um clipe pronto; esta tarefa gera um novo clipe.
Três maneiras diferentes de lidar com o som
Em um catálogo de personagens adultos, o som faz parte do personagem: uma voz calma, uma ambiência recorrente do cômodo ou uma entrada musical consistente. O Wan 2.7 Spicy oferece dois controles, generate_audio e audio_url, mas eles têm funções diferentes.
| Resultado desejado | Configure o áudio assim | Uso prático |
|---|---|---|
| Um clipe sem som para sonorizar depois | Defina generate_audio como false; deixe audio_url vazio | Adicione a trilha sonora aprovada no seu editor. |
| Som novo criado junto com a imagem | Mantenha generate_audio como true; descreva a ambiência desejada no prompt | Gere voz e ambiência junto com a imagem. |
| Um clipe guiado pela sua faixa gravada | Forneça audio_url e mantenha generate_audio como true | Guie a sincronização labial e o ritmo com a faixa fornecida. |
Quando generate_audio é false, o áudio fornecido também não é usado. Enviar uma gravação e depois desligar o áudio é, portanto, a configuração errada para um clipe guiado por voz. Use WAV ou MP3 e mantenha a fonte abaixo de 15 MB como uma meta conservadora de preparação. O vídeo gerado continua com um limite de quinze segundos. Enviar trinta segundos não permite obter um vídeo de trinta segundos.
Ajuste sua gravação à duração pretendida do plano antes de enviar. Se a gravação exata precisar permanecer inalterada, guarde o master, coloque-o sob o vídeo escolhido no editor e confira de ouvido se as palavras continuam claras.
Mantenha Generate audio ligado ao fornecer uma faixa gravada. A configuração exibida deixa Prompt expansion desligado, preservando as instruções escritas.
Um clipe prático de personagem guiado por voz
Para uma configuração inicial completa, use uma mulher adulta fictícia de 38 anos, sentada de frente para a câmera com uma blusa vinho opaca. Enquadre de logo abaixo da cintura até acima da cabeça. Mantenha a boca visível e ambas as mãos apoiadas longe do rosto. Use uma luz suave e um cômodo simples. Uma imagem de perfil com a boca escondida pelo cabelo é um ponto de partida ruim para avaliar a fala.
Grave uma fala curta e original, como “Stay a little longer. I saved this moment for you.” É um teaser com um personagem adulto, sem uma cena adulta detalhada. Use uma voz que você tenha autorização para processar e corte a gravação para cinco segundos, com um breve início e final tranquilos. Evite música sobre as palavras na primeira tentativa: se a voz for difícil de ouvir, você não saberá se o problema é a geração ou a mixagem.
No Playground do Wan 2.7 Spicy:
- Envie a imagem inicial aprovada como Input image e a faixa gravada como Input audio.
- Escolha cinco segundos em 720p, mantenha Generate audio ligado e desligue Prompt expansion.
- Cole as instruções de movimento e gere a tomada guiada por voz.
Exemplo de instruções:
One continuous medium shot of the fictional adult woman in the opening image. She faces the viewer and speaks the supplied short line, then settles into a restrained smile. Keep the same burgundy blouse, face, chair and lighting. Both hands remain resting beside her waist and clear of her face. Stationary eye-level camera, unchanged framing. No cut, no other speaker and no music added over the voice. End with a quiet hold.
O movimento limitado deixa a interpretação falada visível. Quando a voz e a boca estiverem utilizáveis, um segundo plano pode acrescentar um gesto. Combinar um giro de cabeça, uma mão passando pela boca e uma câmera em movimento na primeira tentativa torna muito mais difícil avaliar se a interpretação guiada por áudio funciona.
Reproduza o resultado com som. A fala é reconhecível? Aparece outra voz? Os movimentos da boca começam e terminam junto com as palavras? O sorriso final distorce o rosto? Um clipe pode servir como teaser sem som e falhar como um clipe guiado por voz; decida com base no que seu público realmente ouvirá e verá.
Se a gravação for cortada, prepare uma fala mais curta em vez de pedir a um clipe de cinco segundos que acomode uma interpretação longa. Se o rosto mudar durante a fala, volte a uma imagem estática frontal e retire o movimento de cabeça. Se a fala precisa ainda falhar, mantenha uma tomada útil sem som e acrescente a gravação na pós-produção apenas quando a correspondência labial visível não for necessária.
Mantenha o modelo próximo da cena pretendida
O Wan 2.7 Spicy pode acrescentar mais ação do que o prompt pede. Se a encomenda for um teaser contido, um personagem extra, uma troca de roupa ou uma cena adulta não planejada podem tornar inutilizável um vídeo tecnicamente concluído. Especifique a interpretação desejada antes de gastar com variações.
Para um plano controlado, descreva a única ação desejada e o ponto em que ela deve parar. Deixe explícitos a imagem inicial, a roupa e o cômodo quando precisarem permanecer iguais. Desligue Prompt expansion para instruções de interpretação já completas; a expansão vem ligada por padrão e reescreve o prompt antes da geração. Desligá-la preserva a descrição enviada dessa etapa de expansão, para que a geração receba suas próprias palavras.
O campo de prompt negativo aceita até 500 caracteres. Para o exemplo sentado, use:
additional person, outfit change, scene change, zoom, camera cut, hand across face, subtitles, watermark
Se um movimento de câmera persistir, revise também as instruções positivas: “stationary eye-level camera, same waist-up framing from beginning to end.” Se o movimento pretendido continuar virando outra cena, mude o desenho do plano ou avalie outro modelo. Não há motivo para continuar comprando cópias da mesma interpretação indesejada.
Quanto você deve reservar de orçamento?
As tarifas públicas são $0,1235 por segundo de saída em 720p e $0,19 em 1080p. A matriz de preços indicada não acrescenta uma cobrança separada para áudio gerado ou fornecido.
| Duração do clipe | 720p | 1080p |
|---|---|---|
| 2 segundos | $0,247 | $0,38 |
| 5 segundos | $0,6175 | $0,95 |
| 10 segundos | $1,235 | $1,90 |
| 15 segundos | $1,8525 | $2,85 |
Dois segundos permitem verificar se um quadro inicial se anima, mas são curtos demais para a fala de cinco segundos acima. Três tomadas de cinco segundos em 720p custam $1,8525. Uma nova geração adicional de cinco segundos em 1080p leva o total a $2,8025, sem contar a imagem inicial e a gravação. Dez personagens com esse fluxo de quatro tentativas custam $28,025 em geração de vídeo.
A nova geração em 1080p é uma nova tomada, não uma ampliação de resolução do clipe 720p escolhido. Ela pode mudar a expressão, o tempo e a articulação. Desligar o áudio não oferece um desconto indicado no preço.
O Wan 2.7 Spicy indica a mesma tarifa de $0,6175 por cinco segundos em 720p para configurações sem som, com som gerado e com faixa fornecida. Uma faixa fornecida exige áudio ligado.
Quando outra tarefa combina melhor
Use o Wan 2.7 Spicy quando você tiver uma imagem inicial pronta e quiser um clipe curto voltado a adultos com uma entrada opcional de áudio gravado. O intervalo de 2–15 segundos permite ajustar um momento curto específico sem comprar a duração máxima.
- Clipes mais baratos com faixa gravada: Wan 2.6 Spicy aceita
audio_urle custa $0,475 por cinco segundos em 720p. Oferece durações fixas de 5/10/15 segundos e não tem controle para ligar ou desligar o áudio. - Um quadro final ou mais de 15 segundos: Wan 3.0 Spicy oferece entrada de imagem final e clipes de 2–30 segundos, a partir de $0,057/s em 480p. Gera áudio, mas não aceita seu arquivo de áudio. Consulte o guia de duração do Wan 3.0.
- Áudio gravado e duração curta precisa: escolha Wan 2.7 Spicy para durações em segundos inteiros de 2 a 15 em 720p ou 1080p.
Para comparar o comportamento de conteúdo adulto na família, consulte as versões Wan sem censura.
Abra Wan 2.7 Spicy de imagem para vídeo, envie uma imagem estática aprovada de personagem adulto e comece com o clipe mais curto que comporte a interpretação. Escolha deliberadamente entre silêncio, som gerado ou sua própria gravação. Avalie o vídeo e a trilha sonora reais antes de ampliar a ideia para um lote.
Use a configuração guiada por voz pela API
Defina SPICY_API_KEY no seu ambiente e SPICY_IMAGE_URI como a URL acessível da sua imagem inicial ou o URI spicy:// enviado. Defina SPICY_AUDIO_URI como a URL acessível da faixa gravada ou o URI enviado. Este exemplo em Python 3 envia um novo plano depois que você confirma o preço.
import json
import os
import urllib.request
import uuid
base = "https://api.spicyapi.ai/api/v1"
headers = {"Authorization": "Bearer " + os.environ["SPICY_API_KEY"],
"Content-Type": "application/json", "User-Agent": "SpicyAPI-Blog/1.0"}
settings = {
"duration_seconds": 5,
"resolution": "720p",
"generate_audio": True,
"enable_prompt_expansion": False
}
settings["prompt"] = 'The adult speaker talks in one continuous stationary shot.'
settings["image_url"] = os.environ["SPICY_IMAGE_URI"]
settings["audio_url"] = os.environ["SPICY_AUDIO_URI"]
payload = {"model": "alibaba/wan-2.7-spicy/image-to-video", "input": settings}
def post(path, body):
request = urllib.request.Request(base + path, json.dumps(body).encode(), headers)
with urllib.request.urlopen(request, timeout=60) as response:
result = json.load(response)
if result.get("code") != 200:
raise RuntimeError(result)
return result["data"]
quote = post("/jobs/quote", payload)
if input(f"Maximum charge ${quote['maxCharge']}. Type yes to generate: ") != "yes":
raise SystemExit("Stopped before generation")
headers["Idempotency-Key"] = str(uuid.uuid4())
print("Request key:", headers["Idempotency-Key"], flush=True)
task = post("/jobs/createTask", {**payload, "quoteId": quote["quoteId"],
"expectedCost": quote["estimatedCost"]})
print("Task ID:", task["taskId"])Guarde a chave de solicitação impressa para recuperar essa mesma solicitação; um novo plano recebe uma nova chave. A documentação da API de tarefas explica a entrega e a recuperação dos resultados.
Para planos repetidos, deixe um Agent usar um arquivo de entrada aprovado: CLI spicyapi tasks create --model alibaba/wan-2.7-spicy/image-to-video --input-file input.json --wait; MCP peça para chamar spicyapi_task_create com esse modelo e essa entrada; Skill peça “Use the spicyapi Skill to generate this approved shot and return the result.” CLI e MCP mostram o preço antes da criação. Consulte a documentação de integração com Agent.
