Introdução
Wan 3.0 Texto para vídeo gera um clipe de 2 a 30 segundos com som a partir apenas de um prompt escrito. prompt é o único campo obrigatório; duration_seconds, resolution (480p, 720p ou 1080p, padrão 720p), aspect_ratio (padrão 16:9), generate_audio, enable_prompt_expansion e seed são controles explícitos que você pode deixar no padrão. Como nenhuma imagem ancora a cena, o modelo inventa cada rosto, peça de roupa e cenário a partir do texto. É o modo do Wan 3.0 com mais liberdade criativa e com menos controle sobre uma pessoa específica.
Escolha o modo pelo material inicial
| Material inicial | Modo |
|---|---|
| Um briefing escrito define cena, ação, câmera e, quando necessário, som. | Wan 3.0 Texto para vídeo |
| Uma imagem inicial aprovada fixa sujeito e composição; a instrução direciona o movimento seguinte. | Wan 3.0 Imagem para vídeo |
| Referências separadas podem orientar identidade, local, movimento ou som, com uma função clara para cada uma. | Wan 3.0 Referências para vídeo |
Recursos e destaques
O som vai na mesma requisição
generate_audio vem ligado por padrão, então o arquivo devolvido já traz som sincronizado com a imagem. O exemplo do arsenal usa isso de propósito: o prompt termina com uma linha "Audio:" — uma luva de couro batendo na madeira, o cordão rangendo, uma tocha estalando — e esses sons voltam junto com as ações que os causam. Mude o campo para false só quando a cena for sonorizada à parte.
Qualquer duração inteira de 2 a 30 segundos
duration_seconds aceita qualquer número inteiro de 2 a 30, com padrão 5, ou -1 para a duração inteligente, em que o modelo escolhe a duração a partir do prompt. O exemplo da duna tem os 5 segundos padrão em 720p e 16:9, o suficiente para uma descida aérea do paredão de areia até o rosto dela. Clipes longos desviam mais em identidade e geometria; por isso, acerte o visual em 5 segundos antes de estender.
Cenas sem censura só com texto
A família não tem censura, e nenhuma cena pede flag nem declaração por requisição. O exemplo do drive-in — duas mulheres adultas deitadas na tampa traseira de uma perua, iluminadas só pelo feixe do projetor, até um beijo lento — saiu apenas do texto do prompt, em 5 segundos e 720p. A responsabilidade por consentimento, direitos, idade e lei local de todas as pessoas retratadas é sua.
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 |
|---|---|
| $0.045 / segundo |
| $0.09 / segundo |
| $0.18 / segundo |
Casos de uso
Cenas de atmosfera sem imagem de origem
Quando não existe foto do local, o prompt precisa construí-lo. O exemplo da duna descreve a crista de uma duna ao pôr do sol, uma tempestade de areia colossal se aproximando, um vestido de seda esmeralda esvoaçando ao vento e uma câmera que desce de uma vista aérea até o rosto dela, tudo só a partir da frase. Requisições assim servem para filmes de clima e reels de apresentação em que o ambiente importa mais do que um rosto específico.
Enquadramento em primeira pessoa
O exemplo em primeira pessoa foi escrito como uma única tomada contínua: a câmera são os olhos de quem assiste, uma única lâmpada de tungstênio é toda a luz, e o briefing diz que o figurino fica exatamente como foi descrito do começo ao fim. Dizer o que não muda é tão útil quanto dizer o que se move, porque impede o modelo de resolver um prompt ambíguo do jeito dele.
Guia de prompt e dicas práticas
Ordene o prompt: sujeito, ação, câmera, luz, som
Escreva um sujeito, uma ação, um movimento de câmera e depois uma nota para a luz e outra para o som. Uma lista longa de adjetivos mexe menos no resultado do que uma ação clara. O clipe de referência da família segue exatamente essa ordem: duas mulheres dividindo um guarda-chuva, uma mecha colocada atrás da orelha e um beijo, um dolly-in lento, o neon escorrendo pelo chão molhado, a chuva no guarda-chuva.
Defina o enquadramento quando um detalhe sustenta a cena
O prompt do arsenal nomeia o enquadramento — plano médio fechado do quadril para cima, ângulo baixo de três quartos, 85 mm — porque um plano aberto perderia a luva, o cordão e a luz da tocha nos ombros. Quando um detalhe importa, diga o tamanho que ele deve ter no quadro em vez de torcer para o modelo escolher um plano fechado.
Deixe a expansão de prompt desligada em briefings precisos
Aqui enable_prompt_expansion é false por padrão. Ligada, ela reescreve o prompt antes da geração, o que ajuda uma ideia de duas linhas e atrapalha um briefing detalhado como os de cima. Para repetições controladas, fixe o seed e mude um campo por vez; uma semente fixa torna a comparação justa, mas não garante quadros idênticos. Só o texto não mantém o mesmo rosto entre execuções, então use reference-to-video para personagens recorrentes.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
