Введение
Отдельной модели для монтажа у Wan 3.0 нет: та же универсальная модель переключается на редактирование, когда ваш клип приходит как Video 1 вместе с промптом, который просит что-то изменить. Всё, о чём промпт молчит, берётся из исходника, поэтому темп, кадрирование и соотношение сторон сохраняются.
| Характеристика | Значение |
|---|---|
| Ввод | Видео |
| Вывод | Видео |
| Разработчик | Alibaba |
| Исходный клип | MP4, 1–15 с, 240–4096 px по каждой стороне |
| Результат | Длительность и соотношение сторон как у исходника |
| Разрешение | 480p, 720p или 1080p; без выбора — 720p |
| Референсы | Необязательно: 10 кадров, 5 аудиоклипов (всего 15 с) |
| Звук | Создаётся заново под правку; выключен — дорожки нет |
| Оплата | Секунды исходника плюс секунды правки, ставка по разрешению |
Ключевые возможности и особенности
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 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.
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.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
prompt | Да | Начните с «Edit the video:», назовите изменение, затем перечислите, что двигаться не должно. Не менее 1 символов |
reference_image_urls | Нет | 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 |
video_url | Да | Клип для правки: MP4 длиной от 1 до 15 секунд, каждая сторона от 240 до 4096 пикселей. Не менее 1 символов |
reference_audio_urls | Нет | 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 |
resolution | Нет | 480p, 720p (по умолчанию) или 1080p. |
generate_audio | Нет | По умолчанию включено: Wan 3.0 пишет новый звук под отредактированную картинку — дождь для дождливой ночи, новую реплику, если вы её задали. По умолчанию: |
seed | Нет | Необязательное целое от 0 до 2147483647. Повтор сида упрощает сравнение двух правок в Wan 3.0, но не гарантирует одинаковых кадров. |
Стоимость
Правка в Wan 3.0 оплачивается как референсное видео: секунды исходного клипа, округлённые вверх до целых, плюс измеренные секунды отредактированного клипа, обе части по посекундной ставке выбранного разрешения. Правка длится столько же, сколько исходник, поэтому 5-секундный клип даёт примерно 10–11 оплачиваемых секунд; референсные изображения и аудио ничего не добавляют.
| Спецификация | Стоимость |
|---|---|
| $0.045 / секунду |
| $0.09 / секунду |
| $0.18 / секунду |
Сценарии использования
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.
Руководство по промптам и практические советы
Вырежьте фрагмент, который хотите изменить
Обрежьте нужную часть до 1–15 секунд и передайте её в
video_url. Правка унаследует эту длину и форму кадра, так что обрезайте заранее, а не просите Wan 3.0 укоротить.Сформулируйте промпт как правку
Напишите «Edit the video:», затем одно ясное изменение, а после — что должно остаться: лицо, поза, движение, камера. Добавляйте кадры, только если словами не описать вещь или реквизит, и называйте их Image 1, Image 2.
Сверьте с исходником
Пролистайте правку покадрово рядом с оригиналом. Если люди или камера двигаются иначе, промпт прочитан как новая сцена: сократите его до самого изменения и повторите, что остаётся неизменным.
Что умеет редактирование видео в Wan 3.0
Alibaba сделала Wan 3.0 одной универсальной моделью, а не набором моделей под отдельные задачи. Передайте клип как Video 1 и промпт с просьбой что-то изменить — и она редактирует: одежду, цвет, свет, погоду, время суток, добавленный или убранный предмет, общий стиль или слова, которые произносит человек. То, о чём промпт не говорит, считывается из исходника, поэтому люди, их движения и путь камеры переживают правку.
Какие клипы Wan 3.0 принимает на правку
Отправьте один MP4 длиной от 1 до 15 секунд со сторонами от 240 до 4096 пикселей. Клипы вне этого диапазона длительности отклоняются до списания. Отредактированный файл возвращается той же длительности и с тем же соотношением сторон — горизонтальный клип на 5,04 секунды станет 5,04 секунды горизонтального видео, — поэтому полей длины и формата нет.
Как сформулировать правку для Wan 3.0
Начинайте с глагола правки. «Edit the video:», change, replace, remove и add сообщают Wan 3.0, что нужно работать с материалом, а не воспринимать его как вольный ориентир. Сначала изменение, затем опоры: «Edit the video: change her raincoat to yellow oilskin. Keep her face, her walk and the camera move exactly as in Video 1.» Одно ясное изменение на запрос держится лучше, чем список из пяти.
Правка с референсными изображениями и аудио
До 10 кадров покажут образ, который трудно описать: конкретную шляпу, ткань с принтом, комнату. Они нумеруются в порядке загрузки и называются в промпте: «она надевает шляпу с Image 1». До 5 аудиоклипов общей длиной 15 секунд задают голос или музыкальную подложку как Audio 1, Audio 2. Ни то ни другое не меняет цену.
Что происходит со звуком
При включённом generate_audio (по умолчанию) Wan 3.0 создаёт новый звук под отредактированную картинку: ночная сцена с дождём на стекле получает шум дождя, а реплика в кавычках произносится вслух. Звук исходника не копируется. Выключите generate_audio, чтобы получить файл без звука, и верните исходную дорожку на монтаже.
Разрешение и форма кадра
Выберите 480p, 720p или 1080p. Настройка определяет объём пикселей и посекундную ставку, а кадр сохраняет пропорции исходника: исходник 1916×1082, отредактированный в 720p, вернулся как 1276×720, а квадратный исходник остаётся квадратным. Никакое разрешение не вернёт деталей, которых не было в исходнике.
Как оплачивается правка в Wan 3.0
Оплата следует правилу для референсного видео: исходный клип считается целыми секундами с округлением вверх, отредактированный — по измерению, обе части по посекундной ставке вашего разрешения. Поскольку правка длится столько же, сколько исходник, итог близок к удвоенной длине клипа. Перед отправкой резерв покрывает исходник и до 15 секунд правки; неиспользованная часть освобождается после измерения результата.
Какие материалы можно редактировать
Редактируйте только то, что сняли сами или вправе менять, со взрослыми, согласившимися на съёмку, и никогда не используйте правку, чтобы поместить реального человека в сцену, на которую он не соглашался.
Платформа не добавляет фильтр контента к правкам Wan 3.0, поэтому согласие, права на изображение и местное законодательство остаются на вас; примеры на этой странице подходят для широкой аудитории.
Редактируйте только снятое вами или то, что вы вправе изменять, и только со взрослыми, согласившимися на съёмку; правка в Wan 3.0 никогда не должна помещать реального человека в сцену, на которую он не соглашался.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0/video-edit",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.





















