Introdução
Wan 3.0 Prime Spicy Imagem para vídeo é o endpoint imagem para vídeo da família Wan 3.0 Prime Spicy, ajustada além dos limites do modelo padrão. Um quadro inicial em image_url e um prompt opcional viram de 2 a 30 segundos de vídeo em 480p, 720p ou 1080p, com áudio gerado. A imagem fixa traz a pessoa, a roupa, o cenário e a luz; o prompt traz o movimento, a câmera e o som. Adicione last_image_url para fixar o final.
A requisição não traz flag de conteúdo nem declaração por requisição. No nosso teste de seis níveis de 2026-09-30, todos os níveis saíram como pedido.
Recursos e destaques
Seis níveis testados, seis renderizados
Rodamos nossa escada padrão em 480p e cinco segundos, do Leve até os dois testes de nível Máximo. Nada foi recusado, coberto ou trocado por outra pessoa. O nível Muito forte é o que o Wan 3.0 Prime padrão amenizou no nosso teste de 2026-09-24.
Pode ir além do prompt
É isso que você precisa prever. Em nossas gravações de exemplo, enviamos quatro quadros iniciais com prompts que diziam que a roupa permanece igual; dois voltaram alterados, um deles uma foto de produto de perfume em que surgiu uma figura extra atrás do frasco. Trate o prompt como um pedido, não como uma garantia, e revise o clipe inteiro.
Até 30 segundos em uma requisição
duration_seconds aceita qualquer número inteiro de 2 a 30, padrão 5. Uma requisição de cinco segundos devolve cerca de 5,04 segundos a 30 quadros por segundo. resolution é 480p, 720p (padrão) ou 1080p, e tanto a duração quanto a resolução afetam preço e prazo.
Formato, som e último quadro
aspect_ratio aceita 16:9, 9:16, 1:1, 4:3 ou 3:4; se omitir, o clipe segue o still. generate_audio vem ligado por padrão. last_image_url fixa o quadro final: no nosso teste o clipe terminou na imagem enviada, cortada para a proporção pedida.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Não | Opcional, mas vale escrever: uma ação, um movimento de câmera, uma nota de som. Nomear cada peça de roupa e dizer que ela continua no corpo ajuda, mas neste modelo não garante. pelo menos 1 caracteres |
image_url | Sim | Obrigatório. O quadro de abertura: a pessoa, o figurino, o ambiente e a luz vêm todos dele. |
last_image_url | Não | Último quadro opcional. O clipe termina nesta imagem, cortada para a proporção pedida. |
aspect_ratio | Não | 16:9, 9:16, 1:1, 4:3 ou 3:4. Se omitir, o clipe segue o formato do quadro de abertura; uma proporção diferente corta o quadro. |
resolution | Não | 480p, 720p ou 1080p, padrão 720p. Quanto maior a resolução, maior o custo por segundo e mais tempo de espera. |
duration_seconds | Não | Qualquer número inteiro de 2 a 30, padrão 5. Cobrado por segundo solicitado. |
generate_audio | Não | Ligado por padrão, sem custo extra: o clipe volta com som alinhado à imagem. Defina como false para um clipe mudo. Valor padrão: |
enable_prompt_expansion | Não | Desligado por padrão, sem custo extra. Quando ligado, um prompt curto é reescrito em um mais longo antes da geração; deixe desligado quando o seu texto já for preciso. Valor padrão: |
seed | Não | De 0 a 2147483647. Mantenha-a fixa ao comparar resoluções ou durações: deixa as execuções comparáveis, não idênticas quadro a quadro. |
Preços
| Especificação | Preço |
|---|---|
| $0.09 / segundo |
| $0.18 / segundo |
| $0.36 / segundo |
Casos de uso
Em que difere do Prime padrão
As cenas com duas pessoas são onde esta versão difere do Wan 3.0 Prime padrão em nossos testes: o nível Muito forte voltou exatamente como escrito, em vez de amenizado.
Ação e água
Movimento que não é romântico também funciona: o exemplo da piscina desta página tira uma toalha, mergulha e acompanha o nadador debaixo d'água em um único take de cinco segundos.
Takes longos com final planejado
Peça até 30 segundos e adicione last_image_url para que o take termine na pose de onde o seu próximo plano começa.
Guia de prompt e dicas práticas
Deixe o quadro cuidar do visual
Coloque figurino, cenário e luz no still, e reserve o prompt para o que se move. O exemplo do tango desta página rodou com duration_seconds 5 e resolution 720p:
The couple finishes a slow turn and he dips her back over his arm; her hand stays on the back of his neck and their foreheads almost touch. Both stay fully dressed the whole time: he keeps his white shirt and black vest buttoned, she keeps the red satin gown on. The camera circles them slowly under the chandelier. Soft bandoneon, shoes on the wooden floor.
A requisição exata por trás do clipe deste endpoint, gerada a partir do quadro de abertura mostrado ao lado.
Rascunho em 480p, depois render
Um clipe de cinco segundos em 480p levou de dois a dois minutos e meio no nosso primeiro lote. A Alibaba chama o Prime de seu nível rápido, mas aqui ele não foi, então cronometre os seus próprios trabalhos. Feche a ideia em 480p, mantenha a seed e renderize de novo em 720p ou 1080p. Mude um campo por execução para que cada comparação ensine alguma coisa.
Quando a roupa precisa ficar
Nomeie a roupa no prompt e diga que ela permanece igual — foi assim que o exemplo do tango manteve o visual —, mas nenhuma redação é garantia neste modelo. Revise o clipe inteiro antes de entregar.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0-prime-spicy/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
