Introdução
Wan 2.6 Spicy Imagem para vídeo é o único endpoint da família de modelos Wan 2.6 Spicy. Um quadro inicial autorizado vira exatamente 5, 10 ou 15 segundos em 720p ou 1080p, devolvidos com som. O quadro carrega figurino, corpo, cenário, luz e formato; o prompt carrega o movimento. Nada na solicitação marca um clipe, e nenhuma declaração por solicitação é necessária.
Só image_url é obrigatório. Prompt, prompt negativo, faixa de áudio, tipo de plano, expansão do prompt e seed são todos opcionais.
Recursos e destaques
Três durações fixas
duration_seconds é uma lista fechada de 5, 10 e 15, não um intervalo. Enviar 7 devolve um erro de validação em vez de um clipe arredondado, então você sempre sabe por quantos segundos está pagando e pode planejar a edição em torno de três durações. Água, cabelo e mãos se mantêm bem em cinco segundos e se desviam mais em quinze, algo que vale pesar antes de escolher a opção mais longa.
A sua própria faixa via audio_url
Os clipes sempre voltam com som; não existe chave para desligá-lo. Quando uma fala ou uma trilha musical precisa cair em um quadro específico, envie pelo audio_url e o clipe acompanha a faixa na sincronia labial e no ritmo. O arquivo precisa ser WAV ou MP3, ter de 3 a 30 segundos e no máximo 15 MB.
Um campo separado para exclusões
negative_prompt é onde se deixa de fora, em até 500 caracteres, uma segunda pessoa, um objeto, texto na tela ou uma marca-d’água que o quadro insiste em reproduzir. O prompt, com até 1.500 caracteres, fica livre para o movimento. Descrever de novo a roupa ou o cenário no prompt convida o modelo a redesenhar o que o quadro já fixou.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
image_url | Sim | O quadro de abertura. Figurino, corpo, cenário, direção da luz e a proporção do clipe vêm todos dele, então recorte-o antes no formato de entrega. |
prompt | Não | Opcional. Descreva o que acontece depois do quadro — uma ação, um comportamento de câmera, uma nota sobre som. no máximo 1500 caracteres |
negative_prompt | Não | O que não pode aparecer: uma segunda pessoa, um objeto, texto na tela, uma marca d'água que a chapa insiste em reproduzir. É o único lugar para excluir algo. no máximo 500 caracteres |
duration_seconds | Não | Exatamente 5, 10 ou 15. Qualquer outro valor é rejeitado em vez de arredondado, então a duração que você paga nunca é surpresa. |
resolution | Não | 720p ou 1080p, padrão 720p. Mexe tanto no preço quanto no tempo que a tarefa leva para voltar. |
audio_url | Não | Uma trilha de áudio para o clipe seguir, dirigindo lip sync e ritmo. Use quando uma fala gravada ou uma deixa musical precisa cair num quadro específico. |
seed | Não | De 0 a 2147483647. Mantenha fixo enquanto compara resoluções ou durações a partir da mesma chapa. |
shot_type | Não | Plano único mantém o clipe inteiro em uma tomada só. Múltiplo deixa o modelo cortar entre planos: bom para uma cena curta, mas quebra a continuidade. |
enable_prompt_expansion | Não | Desligada por padrão, então o prompt vai exatamente como você escreveu. Ligue para completar um briefing magro. Valor padrão: |
Preços
| Especificação | Preço |
|---|---|
| $0.095 / segundo |
| $0.1425 / segundo |
Casos de uso
Água e luz
O exemplo da piscina publicado parte de uma imagem parada de uma nadadora saindo de uma piscina no terraço na hora azul. Como o quadro contém o figurino, a água e a cidade atrás dela, o prompt só diz que ela se ergue mais, penteia o cabelo para trás e abre os olhos para a câmera. Dura cinco segundos em 720p.
Cenas a dois
Um quadro com duas pessoas é tratado como qualquer outra continuação: o clipe continua o que o quadro inicial mostra, e nada é filtrado depois. O exemplo do camarim mantém o mesmo enquadramento durante todo o clipe enquanto uma pessoa se move atrás da outra, renderizado em 1080p por cinco segundos.
Personagens de companhia com a sua própria faixa de voz
Reaproveite a imagem de um personagem como quadro inicial e envie uma fala gravada pelo audio_url. O movimento dos lábios e o ritmo acompanham a sua gravação, então o mesmo rosto pode dizer um roteiro em vez de fazer movimentos genéricos.
Spots de quinze segundos em uma única chamada
Quinze segundos cobrem um pre-roll inteiro ou um card de stories sem edição. Um quadro inicial, uma linha de ação, uma solicitação, e como a duração é um de três valores fixos, ela já está definida antes do envio.
Guia de prompt e dicas práticas
Recorte o quadro no formato de entrega
A foto decide a pessoa, o figurino, o local, a luz e as proporções do clipe. Não existe campo de proporção, então recorte em 16:9, 9:16 ou quadrado antes de enviar; reenquadrar depois custa um novo render. Envie JPEG, PNG sem transparência, BMP ou WEBP, com 240 a 8.000 pixels em cada lado e até 20 MB.
Monte um clipe com movimentos pequenos
O exemplo da luz da persiana é feito de dois movimentos minúsculos, um pé que flexiona e um joelho que estica, enquanto a seda se desloca por baixo. A luz faz o resto, com as faixas da persiana se arrastando enquanto a cortina se mexe, e a câmera é um balanço em primeira pessoa, na mão, em vez de um movimento. Ações pequenas e específicas como essas dão ao quadro algo para fazer sem pedir que ele mude.
Escreva um limite no prompt quando a câmera está parada
No exemplo do camarim de dez segundos, tudo o que importa fica em uma única linha horizontal, e o prompt afirma com clareza o que deve ficar fora do quadro. Quando a câmera não se move, declarar a restrição no prompt se mantém com mais confiança do que tentar resolvê-la com o enquadramento, porque ela precisa valer para o clipe inteiro.
Adapte o exemplo incluído
Comece pelo exemplo publicado com duration_seconds: 5, image_url: a publicly accessible URL, resolution: 720p. Troque o sujeito e o movimento mantendo intacto o contrato de entrada deste modo.
She rises further out of the water, sheets of it running off her shoulders and swimsuit, slicks her wet hair straight back with both hands and opens her eyes toward camera, droplets scattering. Blue-hour city towers glow behind, slow-motion water detail, ambient pool lap and distant traffic.
A solicitação exata por trás do clipe deste endpoint, gerada a partir do quadro inicial mostrado ao lado.
Acerte em 720p e renderize a escolhida em 1080p
A resolução muda tanto o preço quanto o tempo que a tarefa leva. Acerte o movimento em 720p e depois renderize de novo a versão escolhida em 1080p com o mesmo quadro e o mesmo seed, que aceita de 0 a 2147483647. Mantenha os dois fixos também ao comparar cinco segundos com quinze; do contrário, você compara dois clipes diferentes, e não dois ajustes. O seed estabiliza o sorteio, mas não garante um clipe idêntico.
Início rápido da 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6-spicy/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
