O text-to-video Wan 2.5 da Alibaba transforma uma cena escrita em um clipe de 5 ou 10 segundos com som gerado, em 480p, 720p ou 1080p. Escolha 16:9, 9:16, 1:1, 4:3 ou 3:4 e, se quiser, envie uma faixa de áudio para acompanhar.
Playground
Estes exemplos foram escritos para este endpoint. Substitua o prompt e as URLs de mídia de exemplo por suas próprias entradas acessíveis. Antes de enviar, confira a estimativa atual e a disponibilidade do modelo.
- Saída5 s
bar-slow-dance Duas pessoas num único movimento, a partir só de palavras: depois do fechamento, ela o puxa pela gravata até os rostos quase se tocarem, depois se inclina para trás nos braços dele e ri enquanto a câmera orbita ao redor. A névoa nos feixes de luz âmbar dá à órbita algo para revelar.
- 720p
- 16:9
- 5s
- Saída10 s
sax-solo-ten-seconds `duration_seconds` é `10`, a mais longa das duas durações que este endpoint aceita, em `1080p` e `16:9`. O briefing pede algo específico da passagem de áudio: o som do instrumento casando com o dedilhado, que é uma afirmação de sincronia e não de ambiência. Se você vai testar som gerado, teste contra um mecanismo visível; aí dá para ver por conta própria se bate.
- 1080p
- 16:9
- 10s
- Saída5 s
harbour-dawn-swim Uma ação, uma posição de câmera e o som escrito por extenso, para que o mergulho e a risada caiam nos quadros certos.
- 720p
- 16:9
- 5s
- Saída10 s
record-shop-vertical Um take vertical de dez segundos em 1080p: a câmera sobe das mãos ao rosto, e o prompt negativo deixa legendas e figurantes de fora.
- 250924
- 1080p
- 9:16
Este exemplo começa em $0.045 por segundo de saída. O Playground recalcula a estimativa sempre que você muda as configurações.