Wan 2.6 API

Wan 2.6 Изображение в видео начинает с кадра, переданного в image_url, и возвращает ровно 5, 10 или 15 секунд в 720p или 1080p вместе со звуком. Кадр задаёт объект, гардероб, декорации, направление света и пропорции клипа. Промпт необязателен и вмещает до 1500 символов: одно действие для одиночного дубля или пронумерованные кадры для многокадрового монтажа.

Выберите режим по исходному материалу

Формат и внешность задаёт кадр

Поля соотношения сторон нет: клип сохраняет пропорции отправленного изображения, поэтому поставка в 9:16 начинается с кадрирования в 9:16. Кадр может быть в формате JPEG, PNG без прозрачности, BMP или WEBP, от 240 до 8000 пикселей по каждой стороне и не больше 20 МБ. Всё, что на нём видно, уже решено, и промпт остаётся свободным для описания движения.

Покрытие сцены из одного кадра

Если shot_type установлен в multi, модель может переключаться между ракурсами, сохраняя облик стартового кадра, и пятнадцатисекундный клип вмещает общий план, деталь и развязку вместо одного блуждающего движения камеры. Запрос multi всегда выполняется с включённым расширением промпта. Для вращения продукта, говорящих в кадр людей и всего, что должно оставаться непрерывным, оставайтесь на single: multi по замыслу нарушает непрерывность.

Звук — сгенерированный или ваш

Клип возвращается со звуком, сгенерированным в том же проходе, что и изображение. Чтобы речь или музыкальные акценты попадали туда, где вы их ждёте, передайте audio_url: WAV или MP3, от 3 до 30 секунд, до 15 МБ. Более длинная дорожка обрезается по длине клипа; с более короткой остаток клипа идёт без звука.

Макросъёмка продукта, которая не должна прыгать

Пример с сывороткой оживляет фото флакона с пипеткой на пять секунд в 1080p с фиксированным seed. С кончика пипетки падает одна капля, по жидкости расходятся круги, а световая полоса на стекле слегка светлеет — всё в зафиксированном макрокадре с тихим звоном стекла. Это одиночный дубль, потому что кадр с продуктом не должен перескакивать между ракурсами.

Короткая интерьерная история из одного снимка

Пример с вечерней квартирой длится 15 секунд в 720p, shot_type установлен в multi, расширение промпта включено. Один интерьерный кадр даёт три плана: мигает лампа, а за окном квартал за кварталом зажигаются огни города; сложенный плед соскальзывает с кресла; входная дверь открывается, и свет из коридора растекается по половицам — под тихий фон комнаты и далёкий шум улицы.

Персонаж, который произносит вашу реплику

Соедините изображение персонажа с записанной репликой в audio_url, и речь окажется там, где вы её ждёте, а не превратится в обобщённое движение. Говорящих в кадр людей делайте на single и проверяйте всю длину: если дорожка короче клипа, остаток воспроизводится без звука.

# 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/image-to-video",
  "input": {
    "duration_seconds": 5,
    "image_url": "https://example.com/reference.png",
    "resolution": "720p",
    "shot_type": "single"
  }
}'

# 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.