Wan 2.6 API

Wan 2.6 Texto para vídeo transforma um plano escrito, ou uma lista numerada de planos, em um clipe de exatamente 5, 10 ou 15 segundos em 720p ou 1080p. Só prompt é obrigatório. Todo o resto tem valor padrão: 16:9, 720p, cinco segundos, uma tomada contínua e expansão do prompt desligada. O clipe volta com som gerado junto com a imagem, e com audio_url você pode, em vez disso, entregar uma fala gravada ou uma trilha musical para ele acompanhar.

Escolha o modo pelo material inicial

Cinco formatos nas duas resoluções

aspect_ratio aceita 16:9, 9:16, 1:1, 4:3 e 3:4, e todos os formatos estão disponíveis em 720p e em 1080p. Como nada é herdado de uma imagem de entrada, o mesmo briefing pode virar um master horizontal e uma versão vertical com a troca de um único campo. A resolução define a tarifa por segundo e quanto tempo a tarefa leva, por isso o 720p padrão é o lugar natural para acertar um prompt.

Uma tomada ou uma sequência planejada

shot_type alterna entre single, uma tomada contínua, e multi, em que o modelo pode cortar entre vários planos dentro do mesmo clipe. Uma solicitação multi sempre roda com a expansão do prompt ligada, seja qual for o valor de enable_prompt_expansion, porque os cortes são planejados enquanto o briefing é expandido. Multi combina com uma história curta com desfecho; single é a escolha quando a continuidade importa mais do que a cobertura.

Som na mesma passada

O áudio é gerado junto com a imagem, então uma frase sobre o som no fim do prompt define o que você ouve. Quando o som já existe, audio_url aceita um WAV ou MP3 de 3 a 30 segundos e até 15 MB, e os movimentos da boca e o ritmo da ação se ajustam a esse arquivo. Uma faixa mais longa é cortada na duração do clipe; com uma mais curta, o resto do clipe fica em silêncio.

Um plano atmosférico com o som escrito

O exemplo publicado do porto mostra o padrão de tomada única. Um pescador de capa impermeável amarela enrola uma corda molhada, olha para uma balsa que passa e levanta a mão, visto em um único travelling lento por trás de uma pilha de caixotes. O prompt termina com uma linha de áudio, e assim a chuva constante, o apito longo da balsa e o rangido da corda ficam sob a imagem sem faixa separada. Ele roda em 16:9, cinco segundos, 720p.

Uma micro-história vertical para redes sociais

O exemplo da padaria pede três planos numerados em um clipe 9:16 de dez segundos em 1080p: a porta de aço subindo ao amanhecer, mãos enfarinhadas modelando um pão e a porta do forno brilhando em laranja quando uma assadeira entra. shot_type está em multi, então cada linha numerada ganha o próprio corte, e um seed fixo mantém o sorteio estável enquanto você ajusta o texto.

Desenvolvimento de look antes de filmar

Um briefing escrito basta para testar cenário, luz e ritmo de uma cena que ainda não existe. Ele não mantém um rosto ou um produto específico entre execuções. Quando uma pessoa ou uma embalagem precisar continuar reconhecível, crie primeiro o quadro e leve o trabalho para imagem para vídeo, onde a imagem inicial fixa a aparência.

# 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/text-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "duration_seconds": 5,
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "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.