Введение
Референсы в видео на Wan 2.6 Flash — более быстрой и дешёвой версии Wan 2.6. Отправьте до пяти референсов — до трёх коротких роликов и неподвижные изображения либо одни изображения — и промпт, который называет их character1, character2 и так далее; место, действие, камера и свет задаются промптом. Выберите соотношение сторон, разрешение, длительность от 2 до 10 секунд и один план или несколько. generate_audio, по умолчанию выключенный, добавляет встроенную звуковую дорожку по двойной посекундной ставке. Тарифицируется секунда готового видео плюс до пяти секунд референсных роликов; изображения бесплатны.
| Характеристика | Значение |
|---|---|
| Ввод | Текст |
| Вывод | Видео |
| Обязательный ввод | prompt плюс |
| Параметры | 2–10 секунд; 720p или 1080p; пять соотношений сторон; один план или несколько; звук включён или выключен; негативный промпт, расширение промпта, seed |
| Режим выдачи | Асинхронная задача; опрос или callback |
| Размеры результата | 720p: 1280×720, 720×1280, 960×960, 1088×832, 832×1088. 1080p: 1920×1080, 1080×1920, 1440×1440, 1632×1248, 1248×1632 |
| Тарифицируемые секунды | Длительность результата плюс референсные ролики, каждое значение округляется вверх, роликов учитывается до 5 секунд; изображения бесплатны |
| Хранение | Сгенерированные клипы удаляются через 14 дней, загруженные исходники — через 1 день |
Ключевые возможности и особенности
Черновик на Flash, финал на Wan 2.6
Flash принимает те же поля, что и Wan 2.6: начальный кадр, промпт, длительность, разрешение и тип плана. Проверяйте здесь идеи движения, раскадровки и формулировки в большом количестве, а удачные дубли отправляйте в Wan 2.6, не переписывая запрос.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
prompt | Да | Новая сцена: назовите каждый референс character1, character2 и так далее, сначала ролики, затем изображения, и скажите, что делает каждый, затем опишите обстановку, камеру и свет. Не менее 1 символов · Не более 1500 символов |
negative_prompt | Нет | Что не должно появляться: лишние люди, титры, предмет из референса, который вы не хотите переносить. До 500 символов. Не более 500 символов |
reference_video_urls | Нет | До трёх коротких роликов с объектами или местами, которые нужно задействовать, суммарно не более пяти секунд. Не менее 1 элементов · Не более 3 элементов |
reference_image_urls | Нет | До пяти неподвижных изображений людей, животных или предметов — вместе с роликами или вместо них; вместе с роликами запрос принимает не больше пяти референсов. Не менее 1 элементов · Не более 5 элементов |
aspect_ratio | Нет | 16:9, 9:16, 1:1, 4:3 или 3:4, по умолчанию 16:9, доступно в обоих разрешениях. |
generate_audio | Нет | По умолчанию выключен, поэтому клип возвращается только с изображением. По умолчанию: |
resolution | Нет | 720p или 1080p, по умолчанию 720p. Задаёт посекундную ставку и время выполнения задачи, и оба разрешения принимают все пять соотношений сторон. |
duration_seconds | Нет | Любое целое число от 2 до 10, по умолчанию 5. |
shot_type | Нет | single держит один непрерывный план; multi позволяет модели резать между планами внутри той же сцены, что подходит сцене с развитием. На 2–3 секундах места для склейки почти нет. |
enable_prompt_expansion | Нет | По умолчанию выключено. Если включить, идея в одну строку вырастет в более подробный бриф до генерации; если промпт уже точно называет состав и план, оставьте выключенным. По умолчанию: |
seed | Нет | От 0 до 2147483647. Фиксируйте, пока меняете по одному референсу за раз: случайная выборка остаётся постоянной, и двигается только изменённое. |
Стоимость
Референсные ролики добавляют секунды к тарифицируемым, всего учитывается до пяти секунд; неподвижные изображения бесплатны. Если длину ролика не удаётся определить до запуска задачи, мы резервируем средства на максимум в 5 секунд, а неиспользованную часть возвращаем сразу после завершения задачи, так что оплачиваются только фактически использованные секунды.
| Разрешение | Генерировать аудио: Нет | Генерировать аудио: Да |
|---|---|---|
| $0.0225 / секунду | $0.045 / секунду |
| $0.03375 / секунду | $0.0675 / секунду |
Сценарии использования
Черновики промптов и раскадровок
Сгенерируйте из одного кадра десять формулировок одного и того же движения и сравните их рядом. Быстрый и недорогой рендер позволяет искать широко, прежде чем выбрать финальный дубль.
Перенос людей из фотографий
Два портрета и написанная сцена сводят двух людей в месте, где ни один из них не снимался. Добавьте короткий ролик, когда важны реальная локация или манера двигаться; иначе хватит одних изображений.
Варианты для лент и рекламы
Короткие вертикальные зацикленные ролики для карточек товаров, соцсетей и рекламных тестов, где число дублей важнее последней ступени текстуры. Сначала обрежьте кадр до 9:16 — клип сохраняет его пропорции.
Картинка под собственный звук
При выключенном звуке (это значение по умолчанию) Flash возвращает только изображение — это подходит для монтажа, где музыка, закадровый голос и эффекты всё равно добавляются потом. Если клипу нужен собственный звук, generate_audio добавляет встроенную звуковую дорожку в том же запросе.
Руководство по промптам и практические советы
Соберите референсы
Чёткое изображение или короткий ролик каждого человека или предмета, которого нужно задействовать: объект крупно в кадре, хорошо освещён, и у вас есть права на материал. Всего до пяти референсов, не больше трёх из них — ролики; обрезайте ролики до загрузки, потому что их секунды оплачиваются.
Напишите состав и сцену
Назовите каждый референс character1, character2 и так далее, сначала ролики, затем опишите обстановку, действие, камеру и свет. Выберите соотношение сторон, разрешение, длительность от 2 до 10 секунд, один план или несколько и нужен ли сгенерированный звук.
Создайте, опросите, проверьте
Создайте задачу с Idempotency-Key и сохраните её id, затем опрашивайте статус или примите callback. Просмотрите клип целиком: сходство обычно уплывает к концу длинных вариантов. Сгенерированные файлы удаляются через 14 дней.
Введение
Wan 2.6 Flash «Референсы в видео» переносит людей, животных или предметы из ваших референсов в новую сцену, которую вы описываете, на более быстрой и дешёвой версии Flash модели Wan 2.6. Отправьте до пяти референсов — до трёх коротких роликов и остальные изображения либо одни изображения; место, действие, камера и свет целиком задаются промптом. Результат длится любое целое число секунд от 2 до 10, в 720p или 1080p, в одном из пяти форматов, одним непрерывным дублем или многоплановым монтажом. По умолчанию клипы без звука; включите generate_audio, когда сцене нужна собственная звуковая дорожка.
Выберите режим Wan 2.6 Flash по исходному материалу
| С чего вы начинаете | Режим |
|---|---|
| утверждённый начальный кадр | Wan 2.6 Flash Изображение в видео |
| фото или короткие ролики людей и предметов, которых нужно задействовать | Wan 2.6 Flash Референсы в видео |
Ключевые возможности и преимущества
Переносите из изображений, роликов или того и другого
reference_image_urls принимает до пяти изображений, а reference_video_urls — до трёх коротких роликов, всего пять референсов. Одних изображений достаточно: двух портретов хватает, чтобы поместить двух людей в одну сцену, а изображения не оплачиваются. Ролик передаёт то, что не может фотография, например как человек двигается или как ведёт себя место, ценой оплаты его секунд вместе с результатом.
Состав называет промпт
Wan узнаёт каждый референс только по именам character1, character2 и так далее, по порядку: сначала ролики, затем изображения. Назовите каждого, прежде чем описывать, что он делает, например character1 танцует с character2, — и модель понимает, кто есть кто. Всё остальное — декорации, действие, камера и свет — пишется, так что человека, снятого один раз, можно поместить на крышу ночью или на залитую дождём набережную без второй съёмки.
Звук — переключатель, форма — параметр
generate_audio по умолчанию выключен и возвращает только изображение; при включении клип возвращается со сгенерированными голосами, эффектами и фоновыми звуками по двойной посекундной ставке. aspect_ratio выбирается в каждом запросе: 16:9, 9:16, 1:1, 4:3 или 3:4 в обоих разрешениях. 720p даёт 1280×720, 720×1280, 960×960, 1088×832 или 832×1088; 1080p — 1920×1080, 1080×1920, 1440×1440, 1632×1248 или 1248×1632. Из референсов ничего не наследуется, поэтому для вертикальной поставки не нужны вертикальные исходники.
Сценарии использования
Поместить двух людей в одну сцену
Портрет каждого человека, затем промпт о том, где они находятся и что между ними происходит. Пример с крышей на этой странице начинается только с двух изображений, при включённом звуке, чтобы сцена несла собственный ветер и городской шум.
Перенести объект в новое место
Короткий ролик или изображение человека, затем новая обстановка, свет и движение камеры. Внешность берётся из референса, а место пишется, так что одна съёмка даёт материал для мест, которые в тот день были недоступны.
Соединить место и человека
Ролик с локацией и изображение человека переносятся вместе: в примере с набережной пятисекундный ролик гавани служит character1, а портрет — character2, и женщина идёт по месту, где её никогда не снимали.
Быстро набросать идеи состава
Flash ставит скорость и цену выше последней ступени текстуры, что подходит для проверки нескольких составов, обстановок и движений камеры в 720p до того, как вы выберете финальный дубль.
Руководство по промптам и советы
Назовите каждый референс до действия
Начните с состава — character1, взрослая женщина в тёмно-зелёном шёлковом платье-комбинации; character2, взрослый мужчина в белой рубашке, — затем обстановка, действие, камера и свет, всё в пределах 1 500 символов. Повторное описание того, что референсы и так показывают, тратит этот бюджет и может конкурировать с ними. Используйте negative_prompt для того, что постоянно появляется, но не нужно: лишние люди, титры или предмет, который следует за героем в новую сцену.
Выбирайте референсы, которые модель может прочитать
Изображения и ролики, где объект крупно в кадре и хорошо освещён, переносятся лучше всего; объект, который остаётся мелким или в контровом свете, обычно возвращается лишь приблизительно. Изображения хорошо передают цвет и внешний вид, а форма и движение точнее передаются роликом. Отправляйте изображения в JPEG, PNG без прозрачности, BMP или WEBP, от 240 до 8 000 пикселей по каждой стороне и до 20 МБ, а ролики — в MP4 или MOV.
Посчитайте секунды до отправки
Тарифицируемые секунды — это длительность результата плюс референсные ролики, каждое значение округляется вверх до целых секунд и составляет не меньше одной секунды на ролик, а роликов учитывается до пяти секунд; изображения ничего не добавляют. 5-секундный рендер из двух изображений тарифицируется как 5 секунд; с одним 3-секундным роликом — как 8. Ставка зависит от разрешения и удваивается при включённом generate_audio. Загруженные ролики могут добавить до пяти секунд, а сумму показывает расчёт перед отправкой; если длину ролика нельзя определить заранее, расчёт исходит из пяти секунд, а итоговое списание использует измеренную длину.
Адаптируйте приложенный пример
Начните с примера с крышей: два изображения в reference_image_urls, aspect_ratio 16:9, duration_seconds 5, resolution 720p и включённый generate_audio. Замените состав и постановку, сохранив этот входной контракт.
character1, an adult woman in a dark green silk slip dress, and character2, an adult man in an open-collar white linen shirt, slow-dance on a city rooftop at night, foreheads almost touching. Her hand slides up the back of his neck as he pulls her closer by the waist; she laughs quietly against his cheek. String lights sway in the wind, the city glows behind them. Slow handheld orbit around the pair, warm practical light, shallow depth of field, film grain. Sound: soft wind, distant traffic, her low laugh, a saxophone drifting up from a bar below.
Проверьте результат, прежде чем повторять
Просмотрите клип целиком, а не первую секунду: сходство обычно уплывает к концу длинных вариантов. multi в основном оправдан примерно с 6 секунд, и его выбор также включает enable_prompt_expansion для этого запроса. Фиксируйте seed и меняйте по одному референсу за раз при сравнении; он удерживает случайную выборку постоянной, но не обещает покадрово совпадающего повтора. Сгенерированные клипы удаляются через 14 дней, поэтому скопируйте всё, что хотите сохранить.
Используйте только материалы, на которые у вас есть права. Запрещены сексуальный контент с участием несовершеннолетних, интимные изображения без согласия и обманное выдавание себя за реального человека.
За права, согласие, конфиденциальность и допустимое использование каждого промпта и каждого загруженного файла отвечаете вы.
Быстрый старт 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-2.6-flash/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"generate_audio": false,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"shot_type": "single",
"reference_video_urls": [
"https://example.com/reference.mp4"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.
