Wan 2.6 API

Wan 2.6 Текст в видео превращает описанный кадр или нумерованный список кадров в клип длиной ровно 5, 10 или 15 секунд в 720p или 1080p. Обязателен только prompt. У всего остального есть значения по умолчанию: 16:9, 720p, пять секунд, один непрерывный дубль и выключенное расширение промпта. Клип возвращается со звуком, сгенерированным вместе с изображением, а через audio_url можно вместо этого передать записанную реплику или музыкальный фрагмент, под который будет подстраиваться движение.

Выберите режим по исходному материалу

Пять форматов в обоих разрешениях

aspect_ratio принимает 16:9, 9:16, 1:1, 4:3 и 3:4, и каждый формат доступен и в 720p, и в 1080p. Ничего не наследуется от входного изображения, поэтому один и тот же бриф можно отрендерить горизонтальным мастером и вертикальной нарезкой, поменяв одно поле. Разрешение задаёт посекундную ставку и время выполнения задачи, так что стандартные 720p — естественное место для доводки промпта.

Один дубль или спланированная последовательность

shot_type переключает между single — одним непрерывным дублем — и multi, при котором модель может резать между несколькими кадрами внутри одного клипа. Запрос multi всегда выполняется с включённым расширением промпта, что бы ни стояло в enable_prompt_expansion, потому что монтажные склейки планируются во время расширения брифа. Multi подходит для короткой истории с развязкой; single — выбор для случаев, когда непрерывность важнее покрытия.

Звук в том же проходе

Звук генерируется вместе с изображением, поэтому фраза о звуке в конце промпта определяет, что вы услышите. Если звук уже есть, audio_url принимает WAV или MP3 длиной от 3 до 30 секунд и размером до 15 МБ, а движения губ и темп действия подстраиваются под этот файл. Более длинная дорожка обрезается по длине клипа; с более короткой остаток клипа идёт без звука.

Атмосферный одиночный кадр с прописанным звуком

Опубликованный пример с гаванью показывает схему одного дубля. Рыбак в жёлтом непромокаемом плаще сматывает мокрый канат, поднимает взгляд на проходящий паром и машет рукой, а камера делает один медленный наезд из-за штабеля ящиков. Промпт заканчивается строкой о звуке, поэтому ровный дождь, долгий гудок парома и скрип каната ложатся под изображение без отдельной дорожки. Параметры — 16:9, пять секунд, 720p.

Вертикальная микроистория для соцсетей

Пример с пекарней просит три пронумерованных кадра в клипе 9:16 длиной десять секунд в 1080p: на рассвете поднимается рольставня, руки в муке формуют буханку, затем дверца печи вспыхивает оранжевым, когда внутрь уходит противень. shot_type установлен в multi, поэтому каждая нумерованная строка получает свою склейку, а фиксированный seed удерживает результат стабильным, пока вы шлифуете формулировки.

Разработка лука до съёмок

Текстового брифа достаточно, чтобы проверить обстановку, свет и темп сцены, которой ещё не существует. Конкретное лицо или продукт от запуска к запуску он не удержит. Как только человек или упаковка должны оставаться узнаваемыми, сначала создайте кадр, а затем перенесите работу в режим «изображение в видео», где внешность фиксирует стартовое изображение.

# 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/text-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "duration_seconds": 5,
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "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.