Introdução
Wan 2.7 Spicy Imagem para vídeo é um dos dois endpoints da família de modelos sem censura Wan 2.7 Spicy. Um quadro inicial em image_url e um prompt obrigatório viram de 2 a 15 segundos de vídeo em 720p ou 1080p, com áudio. A imagem estática traz a pessoa, o figurino, o corpo, o cenário, a direção da luz e o formato do clipe; o prompt traz o movimento, a câmera e o som.
Não há flag de conteúdo no corpo da solicitação, nenhuma declaração por solicitação e nenhuma etapa de revisão: o clipe continua o que o quadro autorizado mostra. Esta família não tem tarefas de texto para vídeo nem de referência, então todo clipe novo começa de uma imagem estática; para continuar um clipe que você já tem, use Extensão de vídeo.
Recursos e destaques
O quadro que você envia é o quadro que se move
image_url aceita JPEG, PNG sem transparência, BMP ou WEBP, de 240 a 8.000 pixels em cada lado, com proporção entre 1:8 e 8:1 e no máximo 20 MB. Não há campo de proporção, então o recorte que você envia é o que volta. O que a imagem de origem mostra passa para o clipe exatamente como está.
Qualquer duração inteira de 2 a 15 segundos
duration_seconds aceita qualquer inteiro de 2 a 15, com padrão 5, e resolution é 720p (padrão) ou 1080p. Os dois afetam o preço e o tempo de processamento. Depois de dez segundos, o desvio em mãos e tecido fica visível, então tomadas longas funcionam melhor a partir de uma imagem que já tem a pose que você quer.
Som gerado ou a sua própria faixa
generate_audio vem ligado e devolve ambiência e efeitos alinhados à imagem. Para conduzir a sincronia labial e o ritmo com uma fala gravada ou uma deixa musical, envie audio_url (WAV ou MP3 de 2 a 30 segundos e até 15 MB) e mantenha generate_audio ligado: com false, uma faixa enviada também não é usada.
A expansão de prompt começa ligada
Neste endpoint, enable_prompt_expansion é true por padrão, sem custo extra, e reescreve o prompt antes da geração. Isso ajuda com um briefing de uma linha. Quando a sua descrição de movimento estiver precisa, mude para false para que a sua redação chegue ao modelo como está.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
image_url | Sim | O quadro de abertura, e a maior alavanca isolada aqui. Figurino, corpo, cenário, direção da luz e a proporção do clipe são todos herdados dele. |
prompt | Sim | Obrigatório. Use só para movimento e câmera — uma ação, um comportamento de câmera, uma nota sobre som. pelo menos 1 caracteres |
negative_prompt | Não | O que não pode aparecer: uma segunda pessoa, um objeto, texto numa parede, uma marca d'água que a chapa insiste em reproduzir. É o único lugar para excluir algo. no máximo 500 caracteres |
duration_seconds | Não | Qualquer número inteiro de 2 a 15, padrão 5. A deriva em mãos e tecido fica visível passando de dez segundos. |
resolution | Não | 720p ou 1080p, padrão 720p. Afeta tanto o preço quanto o 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 720p contra 1080p ou cinco segundos contra dez. |
generate_audio | Não | Ligado por padrão; o clipe volta com som alinhado à imagem. Em false, uma trilha fornecida via |
enable_prompt_expansion | Não | Ligado por padrão, sem custo extra. O prompt é reescrito antes da geração — ajuda num briefing de uma linha. Valor padrão: |
Preços
| Especificação | Preço |
|---|---|
| $0.1235 / segundo |
| $0.19 / segundo |
Casos de uso
Cenas sem censura a partir de uma imagem autorizada
Cenas que outras APIs de vídeo recusam: envie a imagem parada, descreva o movimento e receba o clipe. Nada na requisição declara o conteúdo. Só podem ser usados adultos que consentiram e material devidamente licenciado, e você é responsável por direitos, idade e legislação local de todas as pessoas retratadas.
O mesmo personagem em muitos clipes
Reutilize uma única imagem do personagem como quadro inicial de cada clipe e mude apenas a linha de ação. É a imagem, não o prompt, que carrega o rosto e o figurino, então ela continua sendo a mesma pessoa de tomada em tomada. Fixe também seed ao comparar tomadas.
Tecido, vento e movimento secundário
O exemplo da duna joga vários metros de seda índigo por cima da cabeça, à noite, enquanto a areia escorre pela crista, a chama de uma lanterna oscila e uma sombra longa atravessa as ondulações. Um tecido grande e macio é um assunto exigente, então confira ao longo dos cinco segundos se a seda não rasga nem congela.
Clipes falados com o seu próprio áudio
Envie uma fala gravada por audio_url e o clipe é gerado sobre ela: o movimento dos lábios e o ritmo seguem a tomada que você já tem. O resultado é um personagem que diz o seu roteiro em vez de só mexer a boca.
Guia de prompt e dicas práticas
Construa primeiro o quadro inicial
Recorte a imagem no formato de entrega e confira se ela já mostra a pessoa, o figurino, o ambiente e a direção de luz que você quer. Depois use negative_prompt (até 500 caracteres) para o que a imagem insiste em sugerir: uma segunda pessoa, um objeto, texto numa parede, uma marca d’água. É o único lugar para excluir algo, já que o prompt serve ao movimento.
Adapte o exemplo incluído
O exemplo dos bastidores roda com duration_seconds 5 e resolution 720p a partir de uma showgirl diante de um espelho de lâmpadas. A imagem já traz o figurino, as plumas e a luz, então o prompt só diz o que ela faz e como a sala soa.
She finishes adjusting the sequin strap, checks herself in the bulb-lit mirror, then turns her head to camera and raises one eyebrow before stepping out of frame toward the stage. Bulbs flicker, feathers stir in the draft, smoke drifts, muffled orchestra and applause building behind the wall.
A solicitação exata por trás do clipe deste endpoint, gerada a partir do quadro inicial mostrado ao lado.
Mude um campo por execução
Acerte a tomada em cinco segundos e 720p e depois mantenha seed enquanto testa 1080p ou uma duração maior; mude duas coisas ao mesmo tempo e o par não diz nada. Depois de dez segundos, confira com atenção o desvio em mãos e tecido e reproduza o clipe com som antes da entrega.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.7-spicy/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
