Wan 3.0 Pro Prime API

Wan 3.0 Pro Prime Texto para vídeo gera uma cena de 2 a 30 segundos a partir de um prompt e a entrega em 1080p, 2K ou 4K com o áudio no mesmo arquivo. A lista de campos é exatamente a do Wan 3.0 Pro Texto para vídeo, mas o render base é o Wan 3.0 Prime, que a Alibaba posiciona como a versão de alta velocidade com as mesmas capacidades. Um render nativo do Prime chega no máximo a 1080p, então os níveis 2k e 4k são ampliados a partir dele, e não renderizados de forma nativa.

Escolha o modo pelo material inicial

O mesmo corpo do Wan 3.0 Pro

prompt (até 20.000 caracteres) é o único campo obrigatório; resolution tem padrão 1080p, aspect_ratio tem padrão adaptive e enable_prompt_expansion tem padrão true. Como o contrato é idêntico, um único corpo JSON roda no Pro e no Pro Prime trocando só o nome do modelo, então envie uma cena de teste aos dois com a mesma semente antes de fechar um projeto com um deles.

Enquadramento escrito no briefing

O exemplo da cripta gasta um terço do prompt só com enquadramento: a cabeça inteira no quadro, espaço acima do cabelo, o quadro cortando na cintura, o rosto visível o tempo todo. Em um close, a falha comum é o modelo cortar o rosto para fora do próprio quadro, e nomear o enquadramento resolve isso. A luz das velas é a única principal, e o áudio — chamas tremulando, uma porta de ferro ao longe — chega na mesma passada.

Movimento sem ponto de apoio

O exemplo subaquático não tem chão de referência: um vestido de seda carmim desabrochando enquanto a pessoa afunda, cabelo aberto em leque, bolhas saindo das pontas dos dedos e uma câmera que faz um arco e inclina ao mesmo tempo. Ele não define resolução, então roda no padrão 1080p. Cenas em que nada assenta são as que mais aproveitam um nível de entrega maior.

Luz colorida em movimento em quadro vertical

O exemplo da aurora pede uma luz verde correndo pela pele e pelo cabelo de duas pessoas que dividem um cobertor sobre um lago congelado, em 9:16. Luz colorida se movendo sobre a pele é onde banding e ruído de cor aparecem primeiro, então encomende 2K ou 4K para um sujeito assim só quando a cena realmente pedir; um sujeito parado em 4K só rende um arquivo maior.

Cenas com câmera na mão e luz disponível

O exemplo da balsa noturna é simples de propósito: enquadramento documental com câmera na mão, um holofote de convés e luzes distantes do porto, dois homens adultos na amurada de popa encostando as testas e se beijando enquanto a esteira ferve lá embaixo. Não há flag de conteúdo para definir, já que toda cena é enviada como qualquer outro prompt; consentimento, direitos, idade e lei local continuam sendo responsabilidade sua.

# 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-pro-prime/text-to-video",
  "input": {
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "1080p",
    "aspect_ratio": "adaptive",
    "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.