Wan 2.7 Spicy 图生视频:给一张首帧和一句提示词,产出 2 到 15 秒的片段,自带模型生成的立体声音轨;也可以传一段你自己的音频来驱动画面。分辨率 720p 或 1080p,按秒计价。
Authorization: Bearer YOUR_API_KEY| 分辨率 | 每秒 | 5 秒片 | 10 秒片 | 15 秒片 | 画面 |
|---|---|---|---|---|---|
| 720p | $0.169 | $0.845 | $1.69 | $2.535 | 1280x720 |
| 1080p (默认) | $0.26 | $1.30 | $2.60 | $3.90 | 1920x1080 |
按你请求的 duration 计价(2 到 15 的整数秒),与成片实际长度无关;音轨、驱动音频、负面提示词和提示词优化都不额外收费。失败不扣费。
| 必须有首帧,且只有首帧 | 这是图生视频,没有纯文生视频模式,不传 image 直接 400。它也不收尾帧:传 last_image / image_tail / last_frame_url 会返回 400 而不是被忽略,要首尾帧补间请用 wan-2.2-i2v-spicy。 |
| 首帧的格式与尺寸 | JPEG、PNG(不带透明)、BMP 或 WebP;宽高各在 240 到 8000 像素之间,宽高比在 1:8 到 8:1 之间,文件不超过 20MB。收公网 URL 或 base64。 |
| 时长是 2 到 15 的整数秒 | 默认 5 秒。传 1、16 或 5.5 会返回 400 并写明合法范围,不会被改成最接近的合法值再照常收费。 |
| 分辨率只有 720p 和 1080p,默认 1080p | 不传 resolution 就按 1080p 出片并按 1080p 计价 —— 要省钱请显式传 720p。没有 480p、2K、4K。 |
| 成片自带音轨 | 默认返回 AAC 立体声音轨(实测 44.1kHz、双声道),内容由模型按画面生成。传 audio: false 得到无声片;传 audio_url 用你自己的声音驱动画面,见下一节。 |
| 出片约 45 秒起 | 实测 1080p、2 秒片 45 秒出片;时长和分辨率越高越慢。按异步任务设计你的轮询。 |
| 无水印 | 实测成片的首尾帧四角都没有水印或角标。 |
# ─── Image-to-video (first frame + prompt, audio generated) ─────
curl -X POST https://api.apimodels.app/v1/video/generations \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "wan-2.7-i2v-spicy",
"image": "https://example.com/first-frame.jpg",
"prompt": "slow cinematic push-in, water flowing, wind in the trees, natural ambient sound",
"duration": 5,
"resolution": "1080p"
}'
# Response (async — a task is created):
# { "code": 200, "data": { "taskId": "clxxx", "state": "pending" } }
# ─── Drive the clip with your own audio (https WAV/MP3, 2-30 s) ───
curl -X POST https://api.apimodels.app/v1/video/generations \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "wan-2.7-i2v-spicy",
"image": "https://example.com/character.png",
"prompt": "she speaks to the camera and gestures naturally",
"audio_url": "https://example.com/speech.mp3",
"negative_prompt": "blurry, distorted face, extra limbs",
"duration": 8,
"resolution": "720p",
"seed": 42
}'
# ─── Poll for the result ──────────────────────────────────
curl "https://api.apimodels.app/v1/video/generations?task_id=TASK_ID" \
-H "Authorization: Bearer YOUR_API_KEY"
# { "code": 200, "data": { "state": "completed", "resultUrls": ["https://r2.apimodels.app/..."] } }| 字段 | 必填 | 类型 | 说明 |
|---|---|---|---|
| model | 是 | string | wan-2.7-i2v-spicy |
| image | 是 | string | 首帧:公网图片 URL 或 base64。也收 image_url / first_frame_url。 |
| prompt | 是 | string | 描述画面怎么动、有什么声音 |
| negative_prompt | 否 | string | 不想出现的内容,如 blurry, extra limbs |
| audio_url | 否 | string | 驱动音频:https 链接的 WAV 或 MP3,2 到 30 秒,不超过 15MB。也收 audios[0]。 |
| audio | 否 | boolean | 成片是否带音轨,默认 true。设为 false 时即使给了 audio_url 也输出无声片。也收 generate_audio。 |
| duration | 否 | number | 2 到 15 的整数,默认 5。其它值直接 400,不会被改成合法值。 |
| resolution | 否 | string | 720p 或 1080p,默认 1080p。没有 480p/2K/4K。 |
| seed | 否 | number | 随机种子(0 到 2147483647),不传则随机 |
| prompt_extend | 否 | boolean | 提示词自动优化,默认开启,不额外收费。详见下一节。 |
| callback_url | 否 | string | 任务完成后的回调 URL |
不传 audio_url 时,模型会按画面自己生成声音。传了 audio_url,模型改为按这段音频来驱动画面,成片带的就是这段音轨。上游给的典型用法是人物说话、做手势的镜头。
限制:必须是 https 链接的 WAV 或 MP3,2 到 30 秒,不超过 15MB。audio: false 的优先级更高 —— 设了它,即使给了 audio_url 也输出无声片。
开启时,模型会先把你的提示词扩写、补上镜头、光线、运动幅度和声音这些细节,再拿扩写后的版本去生成。它对「一句话提示词」帮助最大。这个开关默认是开的,不额外收费。
传 prompt_extend: false 可以关掉,模型严格按你写的原文生成。已经写了长而精确的提示词、要保住首帧里的具体场景、或者要配合 seed 做可复现对照时就该关掉 —— 扩写每次都不一样,seed 固定也对不齐。
Spicy 线有两条互补的模型。Wan 2.2 Spicy 是走量的流量引擎:无声、5 或 8 秒、$0.03/秒起,适合游戏立绘微动画、聊天头像、社媒循环短片、Feed 动态封面。Wan 2.7 Spicy 是拿来卖的那一条:自带音轨、2 到 15 秒、1080p,下面四类场景都靠它。
| 精品订阅 / 按次付费内容 | 影视感的短片直接驱动订阅或单次购买:原生音频撑起沉浸感,不用后期;15 秒能讲完一个微故事;1080p 撑得起精品定价。一条 15 秒 1080p 成片成本 $3.90,一条 10 秒 720p 是 $1.69。 |
| AI 角色扮演 / 互动叙事 | 多分支互动故事,用户的选择决定视频走向。音频提供实时的情绪反馈;2 到 15 秒的灵活时长贴合不同的叙事节奏;每个分支就是一次 API 调用,架构简单。 |
| 创作者工具 / SaaS 平台 | 给内容创作者的一键专业视频生成:内置的提示词优化消除学习成本,自带音频让作品无需剪辑即可发布,720p / 1080p 两档适配不同平台的要求。 |
| AIGC 内容交易市场 | 创作者生成并出售精品 AI 视频的平台。1080p 加音轨是低价模型够不着的质量门槛;提示词优化让不同创作者的产出质量稳定。 |
上游最近一版的变化也值得知道:音频更饱满、动作更流畅、画面一致性更好;新增动漫风格和亚裔面孔场景;提示词扩写耗时减半。
按你请求的时长计价:720p $0.169/秒、1080p $0.26/秒。5 秒片 $0.845 或 $1.30,15 秒片 $2.535 或 $3.90。音轨、驱动音频、负面提示词和提示词优化都不额外收费,失败不扣费。
时长是 2 到 15 之间的任意整数秒(默认 5),分辨率 720p(1280x720)或 1080p(1920x1080,默认)。传小数、超出范围的时长或其它分辨率会返回 400 并说明合法范围,不会被静默改档后照常计费。
会。默认返回的 MP4 自带模型按画面生成的立体声 AAC 音轨。传 audio_url(2 到 30 秒的 WAV 或 MP3 的 https 链接)可以用你自己的声音驱动画面,传 audio: false 则输出无声片。这也是它和没有音轨的 Wan 2.2 Spicy 最主要的区别。
不能。Wan 2.7 Spicy 只收一张首帧;传 last_image、image_tail 或 last_frame_url 会直接 400 而不是被忽略,免得你为一段和要求不一样的片子付费。需要首尾帧补间请在同一端点改用 wan-2.2-i2v-spicy。