Introdução
Wan 3.0 Prime Texto para vídeo gera um clipe de 2 a 30 segundos com som a partir apenas de um prompt escrito. Os campos são exatamente os do Wan 3.0 Texto para vídeo: prompt é obrigatório, e duration_seconds, resolution (480p, 720p ou 1080p, padrão 720p), aspect_ratio (padrão 16:9), generate_audio, enable_prompt_expansion e seed são opcionais. Assim, uma requisição existente do Wan 3.0 funciona aqui trocando só o nome do modelo. A Alibaba posiciona o Prime como a versão de alta velocidade do Wan 3.0, com as mesmas capacidades.
Escolha o modo pelo material inicial
| Material inicial | Modo |
|---|---|
| Um briefing escrito define cena, ação, câmera e, quando necessário, som. | Wan 3.0 Prime Texto para vídeo |
| Uma imagem inicial aprovada fixa sujeito e composição; a instrução direciona o movimento seguinte. | Wan 3.0 Prime Imagem para vídeo |
| Referências separadas podem orientar identidade, local, movimento ou som, com uma função clara para cada uma. | Wan 3.0 Prime Referências para vídeo |
Recursos e destaques
Uma requisição intercambiável, com retorno mais rápido
Como esquema, padrões e enums são idênticos, levar um trabalho do Wan 3.0 para o Prime é mudar uma palavra. Mande para cá o que tem prazo e mantenha no Wan 3.0 o que depende mais do preço por segundo do que do tempo de retorno. Com a semente fixa nos dois modelos, você compara os dois arquivos diretamente.
Tomadas longas com continuidade verificável
O exemplo do farol tem 10 segundos em 720p com áudio: um facho giratório varre duas pessoas a cada poucos segundos e as deixa no escuro entre as passagens, com uma buzina de nevoeiro e o mar na trilha. Um sujeito periódico é um teste honesto para saber se um clipe longo continua contínuo ou reinicia sem ninguém perceber.
Contraluz, tecido translúcido e vento
O exemplo do terraço tem cinco segundos em 720p: uma camisa de linho translúcida se erguendo atrás de uma mulher sentada em um parapeito mediterrâneo na hora dourada, uma órbita lenta, contraluz quente e brilho de lente, brisa do mar e gaivotas. Tecido fino contra a luz e cabelo em movimento são sujeitos exigentes, então vale conferir com atenção nos seus próprios renders.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Sim | O plano em si: sujeito, uma ação, um movimento de câmera, e então luz e som. Listas longas de adjetivos mexem menos no resultado do que uma ação clara. pelo menos 1 caracteres |
aspect_ratio | Não | 16:9, 9:16, 1:1, 4:3, 3:4 ou adaptive, que deixa o modelo escolher. O padrão é 16:9. |
enable_thinking | Não | Faz o modelo analisar o pedido e o material de referência antes de gerar. Valor padrão: |
resolution | Não | 480p, 720p ou 1080p. Padrão 720p. |
duration_seconds | Não | Qualquer número inteiro de 2 a 30, ou -1 para duração inteligente, em que o modelo escolhe a duração: o máximo de 30 segundos é reservado de antemão e a cobrança fica na duração… |
generate_audio | Não | Ligado por padrão. O clipe volta com som já travado à imagem. Valor padrão: |
enable_prompt_expansion | Não | Desligada por padrão. Ligada, o prompt é reescrito antes da geração, o que ajuda briefings magros e briga com você nos detalhados. Valor padrão: |
seed | Não | De 0 a 2147483647. Mantenha fixo para comparar um campo alterado por vez; tire para ter variedade. |
Preços
| Especificação | Preço |
|---|---|
| $0.0612 / segundo |
| $0.126 / segundo |
| $0.252 / segundo |
Casos de uso
Cenas surreais que precisam manter a consistência
O exemplo do salar pede uma lâmina d'água lisa como espelho, onde céu e chão se encontram sem horizonte visível, uma mulher caminhando em direção à câmera enquanto o reflexo dela caminha de cabeça para baixo por baixo, e anéis se espalhando pela água quando ela gira. O quadro começa parado e só depois avança devagar, o que isola o reflexo como o ponto a revisar.
Uma performance com a voz na mesma passada
No exemplo da cabine de gravação, uma cantora sustenta uma nota longa e grave diante de um microfone de fita, tira um lado do fone e sorri pelo vidro da sala de controle; uma troca de foco da tela do microfone para o rosto dela está escrita no prompt. A voz é gerada na mesma passada que a imagem, então as duas chegam em um único arquivo.
Guia de prompt e dicas práticas
Escreva mudanças de câmera como acontecimentos
Quando a câmera faz algo no meio da cena, escreva isso como um acontecimento na sequência: o prompt da cabine diz "rack focus from the microphone mesh to her face", e o do salar, "wide static frame that then pushes slowly in". Uma instrução de câmera por tempo deixa o resultado fácil de revisar.
Dê ritmo aos clipes longos
Em clipes com mais de 5 segundos, dê ao render algo que se repete ou avança — um facho a cada poucos segundos, uma maré, uma sala enchendo — para que a continuidade possa ser avaliada. A duração é qualquer inteiro de 2 a 30, ou -1 para o modelo escolher; acerte o visual em 5 segundos primeiro.
Compare Prime e Wan 3.0 com a semente fixa
Envie o mesmo corpo aos dois modelos com a mesma seed e depois mude um campo por vez. Uma semente fixa torna a comparação justa, mas não garante quadros idênticos. Deixe enable_prompt_expansion no padrão false para prompts detalhados e ligue só para uma ideia magra de duas linhas.
Início rápido da API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0-prime/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
