Pular para o conteúdo principal

Sem censura — Este modelo declara não aplicar filtro de conteúdo. A SpicyAPI encaminha a solicitação sem adicionar uma análise de conteúdo da plataforma; as obrigações legais e de consentimento continuam com o cliente.Ver todos os modelos com esse nível de filtragem
alibaba/wan-3.0/reference-to-video

O reference-to-video Wan 3.0 da Alibaba mantém identidade, figurino, locação ou voz consistentes com até 10 imagens, 5 vídeos e 5 áudios. Entrega 2 a 30 segundos de 480p a 1080p, e o prompt é opcional.

A partir de $0.045/s10% abaixo do preço oficial
Executar modelo

Playground

Estes exemplos foram escritos para este endpoint. Substitua o prompt e as URLs de mídia de exemplo por suas próprias entradas acessíveis. Antes de enviar, confira a estimativa atual e a disponibilidade do modelo.

  • Saída5 s
    two-refs-deco-casino

    Três referências, três papéis, nomeados na ordem de envio: Image 1 é a mulher, Image 2 o homem, Image 3 o cassino. As ondas retrô e o vestido preto de franjas dela, a casaca e a gravata-borboleta afrouxada dele, e a cúpula dourada, os lustres e as mesas de roleta vêm das imagens; o prompt acrescenta só a ação: ela sopra a bolinha para dar sorte, ele gira a roleta, ela ri e desliza os dedos pela gravata-borboleta dele. `duration_seconds` `5` em `720p`, `16:9`.

    • 720p
    • 16:9
    • audio
  • Saída8 s
    character-and-room

    `reference_image_urls` mantém dois papéis numa ordem fixa — primeiro a personagem, depois o ambiente — então 'a primeira imagem' e 'a segunda imagem' do prompt correspondem a eles sem sintaxe de rotulagem. Ela mantém o rosto, o cabelo e o vestido camisola preto da primeira chapa; o abajur, a porta e a janela vêm da segunda. Em `resolution` `720p`, `duration_seconds` em `8`, o travelling lateral lento a segue a distância toda até a janela. `seed` `771120` reproduz essa travessia.

    • 771120
    • 720p
    • 16:9
  • Saída10 s
    voice-matched-monologue

    `reference_audio_urls` fornece a voz e `reference_image_urls` fornece o rosto e o figurino — referências separadas, funções separadas, porque um plano de 'talking head' com a voz errada atrás de um rosto familiar soa errado mesmo com a imagem certa. O prompt só acrescenta a marcação de cena: sentada numa mesa de cozinha, uma mão em volta de uma caneca, um olhar erguido antes de falar. `duration_seconds` em `10` deixa espaço para esse momento antes da fala, em `resolution` `720p`.

    • 720p
    • 10s

Este exemplo começa em $0.045 por segundo de saída. O Playground recalcula a estimativa sempre que você muda as configurações.