Wan 3.0 Prime API

Wan 3.0 Prime Referências para vídeo monta no render Prime uma cena de 2 a 30 segundos a partir de até dez referências de imagem, cinco de vídeo e cinco de áudio, com os mesmos campos do Wan 3.0 Referências para vídeo. É preciso haver pelo menos um array de referências, um arquivo de referência ou um link da web, e o prompt é opcional; se você escrever um, ele deve dizer o que cada referência controla. A resolução é 480p, 720p ou 1080p, com 720p como padrão, e aspect_ratio é 16:9 por padrão.

Escolha o modo pelo material inicial

Uma placa de identidade, uma cena inteira em texto

Uma única placa pode carregar a pessoa enquanto o prompt inventa todo o resto. O exemplo da duna usa uma imagem de identidade fotografada de frente em um fundo de estúdio liso; o campo de dunas sob a lua, o vento e uma echarpe de vários metros esvoaçando acima dela são todos escritos. A echarpe ainda precisa estar presa ao mesmo braço no fim da tomada, o que a torna um bom ponto de conferência.

Comportamento de câmera emprestado de um clipe

Vídeo de referência serve para movimento e estilo de câmera, não para rostos. O exemplo do estilo de movimento pega de um clipe de referência uma órbita lenta com câmera na mão e a aplica à mulher de uma imagem de referência, de pé em um estúdio vazio, por 6 segundos em 720p. Clipes de referência precisam ser MP4 ou MOV, com pelo menos 16 fps, de 1 a 15 segundos cada e 15 segundos no total.

Continuidade de voz com referências de áudio

Até cinco referências de áudio WAV ou MP3, somando 15 segundos, podem manter uma voz entre tomadas. Uma apresentadora que parece contínua mas soa diferente entre cenas continua descontínua, então, quando uma pessoa fala em mais de uma cena, envie sempre a mesma referência de áudio. Áudio e imagens de referência não são cobrados.

Uma apresentadora recorrente

Mantenha as mesmas placas de imagem para rosto e cenário e a mesma referência de áudio para a voz em todas as requisições de uma série. O exemplo da apresentadora mantém "the same presenter, the same studio" e descreve só o movimento — uma aproximação que termina em um enquadramento específico — porque a identidade já vem das referências.

Inserts com o mesmo estilo

Quando uma cena nova precisa se mover como uma já existente, envie esse clipe como referência de movimento e uma imagem para o sujeito. Diga no prompt o que é o quê, como faz o exemplo do estilo de movimento: "Take the camera behaviour from the reference clip — a slow handheld orbit — and apply it to the woman in the reference image."

# 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/reference-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "duration_seconds": 5,
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "reference_image_urls": [
      "https://example.com/reference.png"
    ],
    "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.