Перейти к основному контенту

Wan 3.0 от Alibaba редактирует клип длиной 1–15 секунд по одной инструкции — новый наряд, другой свет, другая погода или переписанная реплика, — а актёры, их движения и путь камеры остаются как в исходнике, той же длины, от 480p до 1080p и со звуком под новую картинку.

От $0.045/сНа 10% ниже официальной цены

Рабочая область

Ввод

Редактирование видео
Начните с «Edit the video:», назовите изменение, затем перечислите, что двигаться не должно. Исходник — это Video 1; дополнительные кадры — Image 1, Image 2, а клипы с голосом или музыкой — Audio 1, Audio 2, в порядке загрузки. Wan 3.0 считывает намерение из формулировки, поэтому промпт, который лишь описывает сцену, может вернуться новым дублем по мотивам клипа, а не его правкой. Не менее 1 символов
0/10

Перетащите файл или ссылку на медиа, вставьте или выберите · До 10 файлов · Не более 10 МБ · JPG · PNG · WEBP · GIF

Файлы: 0 / 10
Необязательно: до 10 кадров с нужным образом — куртка, шляпа, обстановка. Называйте каждый в промпте («шляпа с Image 1»); кадры никогда не меняют стоимость правки в Wan 3.0. Не менее 1 элементов · Не более 10 элементов
влияет на цену1/1

Перетащите видео или выберите файл на устройстве · 1 файл · Не более 90 МБ · MP4

  • 1
Файлы: 1 / 1
Клип для правки: MP4 длиной от 1 до 15 секунд, каждая сторона от 240 до 4096 пикселей. Всё, что выходит за 1–15 секунд, отклоняется до списания, а правка возвращается той же длины и с тем же соотношением сторон, что и присланный клип. Не менее 1 символов
0/5

Перетащите аудиофайл или выберите файл на устройстве · До 5 файлов · Не более 90 МБ · MP3 · WAV

Файлы: 0 / 5
Необязательно: до 5 клипов общей длиной 15 секунд, задающих голос, акцент или музыкальную подложку для нового звука; ссылайтесь на них как Audio 1, Audio 2. Они не оплачиваются. Не менее 1 элементов · Не более 5 элементов
влияет на цену
480p, 720p (по умолчанию) или 1080p. Настройка задаёт объём пикселей и посекундную ставку; форма кадра по-прежнему следует исходнику, так что квадратный клип возвращается квадратным.
Генерировать аудио
По умолчанию включено: Wan 3.0 пишет новый звук под отредактированную картинку — дождь для дождливой ночи, новую реплику, если вы её задали. Выключено — правка приходит вовсе без звуковой дорожки. Цена в обоих случаях одна.
Сид
Необязательное целое от 0 до 2147483647. Повтор сида упрощает сравнение двух правок в Wan 3.0, но не гарантирует одинаковых кадров. Не меньше 0 · Не больше 2147483647
Фильтр безопасностиВыключен

SpicyAPI не применяет фильтр безопасности к этой модели. Промпт и материалы передаются модели без изменений, а результат определяет сама модель.

Проверяем аккаунт перед включением отправки и расчёта стоимости.

Вывод

Готово к запуску

Связанные модели и следующие шаги

Нужной модели нет?

ВИДЕО API НА 30 С БЕЗ ЦЕНЗУРЫ

Текст, кадр или десять референсов дают 2–30 секунд со звуком.

Ключевые цифры

Эндпоинты
5
Wan 3.0 разделяет создание по тексту, анимацию начальной картинки, продление клипа, работу по референсам и правку готового клипа на пять эндпоинтов; выбирайте по уже имеющимся материалам.
Длина клипа
2–30 С
Любое целое число секунд в одном запросе, по умолчанию 5.
Макс. разрешение
1080P
В SpicyAPI для Wan 3.0 доступны 480p, 720p и 1080p, по умолчанию 720p; выбор определяет посекундный тариф и может влиять на ожидание.
Звук
ЗВУК
Wan 3.0 по умолчанию создаёт звук вместе с изображением; generate_audio=false выдаёт новый фрагмент без звука, не меняя тарифную ступень.
Референсы
10+5+5
До 10 картинок плюс 5 видео и 5 аудио в одном reference-вызове.
Форматы кадра
5
16:9, 9:16, 1:1, 4:3 и 3:4; image-to-video может унаследовать исходный кадр.

Прежде чем платить

Все режимы

В Wan 3.0 задайте целое число от 2 до 30 секунд, по умолчанию 5, либо -1 для автоматического выбора; тогда сначала резервируются 30 секунд, а расчёт идёт по выданной длине. В SpicyAPI для Wan 3.0 доступны 480p, 720p и 1080p, по умолчанию 720p; выбор определяет посекундный тариф и может влиять на ожидание. Для своей работы с Wan 3.0 получите разрешения на изображения, клипы и голоса, проверьте согласие и приватность и поручите человеку одобрить финальный монтаж до публикации. Диапазон контента Wan 3.0 в SpicyAPI не отменяет обязанностей по совершеннолетию, согласию, правам и законности; публичные примеры должны подходить широкой аудитории.

Текст в видео

Здесь диапазон без цензуры виден лучше всего: поцелуй двух женщин в неоновом переулке получился из одного текста, а та же формулировка на части чужих моделей отбивается на фильтре контента. Чего один текст не даст — конкретного лица и конкретной вещи: без референса модель придумывает и то и другое заново, и повторы расходятся.

Изображение в видео

Самый буквальный путь. Ваш стартовый кадр закрепляет гардероб, фигуру и обстановку, так что описание несёт только движение. Добавляйте last_image_url, когда важен финал. Уберите aspect_ratio — клип унаследует форму исходного кадра; противоречащее значение его обрежет.

Видео по референсу

Wan 3.0 позволяет назначать отдельные роли изображениям, образцам движения, звуку, документу или открытой странице, чтобы описание продукта и визуальные материалы направляли одну сцену. Набор референсов Wan 3.0: 10 изображений + 5 видео + 5 аудиофайлов; для видео и аудио действуют отдельные суммарные лимиты по 15 секунд. Wan 3.0 принимает до 5 образцов движения по 1–15 секунд, суммарно до 15 секунд; референсы и результат должны укладываться в 30 секунд, оплачиваются оба. Для каждого MP4 или MOV нужны минимум 16 fps, 240–4096 px по стороне, максимум 8:1 и 100 МБ; нарушение может обнаружиться при генерации уже принятой задачи.

Что умеет модель

Сцены на двоих

Поцелуи, от которых отказываются другие модели

Клип на этой странице — один пятисекундный прогон text-to-video: две женщины под одним зонтом в неоновом переулке, финал — поцелуй. Та же формулировка у части моделей отбивается на фильтре контента. Wan 3.0 её принял, удержал оба лица на наезде камеры и вернул дождь на звуковой дорожке в том же проходе.

Звук вместе с картинкой

Звук совпадает с картинкой

Генерация звука включена по умолчанию: один запрос возвращает один файл, где шаг попадает ровно в тот кадр, которому принадлежит, а дождь нарастает вместе с наездом камеры. Второй задачи нет, выравнивать потом нечего. Выключайте только тогда, когда собираетесь озвучивать кадр сами.

Управление референсами

Десять картинок, пять клипов, пять голосов

Reference-to-video принимает в одном запросе до десяти изображений, пяти видео и пяти аудио: лицо, гардероб, план локации и голос входят в один кадр. Скажите в prompt, за что отвечает каждый референс. Неподписанная стопка усредняется во что-то, не похожее ни на один из них.

Сделано с помощью Wan 3.0

  • 5 с
  • 5 с
  • Пример Wan 3.0 из текста: 5 с в 720p и 16:9 со звуком, созданным вместе с изображением.
    5 с
  • Сцена автокинотеатра Wan 3.0: 5 с по тексту в 720p и 16:9, включая сгенерированный звук.
    5 с
  • 5 с
  • 5 с
  • 5 с
  • 5 с
  • 10 с
  • 8 с
  • 5 с
  • 5 с
  • 10 с

Где пригодится

  • Сцены без цензуры, которые отклоняют в других местах

    Пары любого состава, поцелуй под дождём, двое в одном кадре. Такие прямо сформулированные промпты отбивает фильтр контента у нескольких конкурирующих видеомоделей. Wan 3.0 их выполняет, а самый быстрый путь к результату, который совпадает с формулировкой, — собственный стартовый кадр.

  • Вертикальные нарезки потоком

    Поставьте aspect_ratio в 9:16, держите длину на пяти-шести секундах и прогоните один список кадров по разным seed. Звуковая подложка приходит внутри файла, поэтому клип публикуется прямо из API, без отдельного музыкального прохода — именно это делает сорок клипов в неделю реальной задачей.

  • Ролики о товаре из одного пэкшота

    Image-to-video берёт packshot как первый кадр, а last_image_url — как последний: бутылка успевает повернуться, поймать блик и вернуться на герой-ракурс за пять секунд. Текст на этикетке и силуэт выживают, потому что закреплены оба конца движения.

  • Сериалы с закреплённым составом

    Подавайте один и тот же план лица и кадры гардероба в reference-to-video на каждый кадр серии, переиспользуйте один seed и один каркас запроса, меняйте только строку действия. Состав остаётся узнаваемым на дюжине отдельно отрендеренных клипов.

Документация модели

Справочник по API Wan 3.0

Спецификации API Wan 3.0

Производитель
Alibaba
Опубликованные эндпоинты
text-to-video, image-to-video, video-extend, reference-to-video, video-edit
Длина клипа
В Wan 3.0 задайте целое число от 2 до 30 секунд, по умолчанию 5, либо -1 для автоматического выбора; тогда сначала резервируются 30 секунд, а расчёт идёт по выданной длине.
Разрешение
В SpicyAPI для Wan 3.0 доступны 480p, 720p и 1080p, по умолчанию 720p; выбор определяет посекундный тариф и может влиять на ожидание.
Соотношения сторон
16:9, 9:16, 1:1, 4:3, 3:4
Звук
Wan 3.0 по умолчанию создаёт звук вместе с изображением; generate_audio=false выдаёт новый фрагмент без звука, не меняя тарифную ступень.
Ограничения референсов
Набор референсов Wan 3.0: 10 изображений + 5 видео + 5 аудиофайлов; для видео и аудио действуют отдельные суммарные лимиты по 15 секунд.
Контент
Без цензуры; без декларации в каждом запросе

Как вызвать API Wan 3.0

  1. 1. Выберите эндпоинт по тому, что уже есть

    Wan 3.0 разделяет создание по тексту, анимацию начальной картинки, продление клипа, работу по референсам и правку готового клипа на пять эндпоинтов; выбирайте по уже имеющимся материалам.

  2. 2. Пишите так: субъект → действие → камера → свет и звук

    Для Wan 3.0 сначала опишите действие и темп камеры, затем свет и звук; при наличии референсов укажите, что должны задавать Image 1, Video 1 или Audio 1.

  3. 3. Отправляйте асинхронно, дальше опрос или callback

    Создайте задачу с `Idempotency-Key`, сохраните её id и либо опрашивайте, либо примите callback. На повторный прогон меняйте одно поле и держите seed: только так видно, что сдвинуло результат — разрешение или формулировка.

Коротко

Wan 3.0 развивает текстовое описание сцены в видео на 2–30 секунд со звуком по желанию; без исходной картинки персонажи и декорации создаются по тексту. В Wan 3.0 поле image_url задаёт начальную композицию; last_image_url позволяет закрепить и финальную, а промпт описывает движение между ними. Wan 3.0 позволяет назначать отдельные роли изображениям, образцам движения, звуку, документу или открытой странице, чтобы описание продукта и визуальные материалы направляли одну сцену. Продление Wan 3.0 в SpicyAPI извлекает последний кадр исходника, создаёт по нему новый фрагмент и соединяет обе части; модель не просматривает предшествующее движение в клипе. Диапазон контента Wan 3.0 в SpicyAPI не отменяет обязанностей по совершеннолетию, согласию, правам и законности; публичные примеры должны подходить широкой аудитории.

Вопросы об API Wan 3.0

Все модели Wan22

Видеомодели18