Wan 2.6

動画生成5つのAPIモードStandard / Flash

Wan 2.6 Videoは、Alibabaの5つの動画生成ワークフローに対応するAPIXOの運用ルートです。テキストからオーディオビジュアルクリップを構築したり、1つのソース画像をアニメーション化したり、順序付けられた画像や動画の参照でキャラクターをガイドしたりできます。StandardモードとFlashモードでは、720pまたは1080pの出力、マルチショット制御、カスタムオーディオ、モード固有の再生時間と価格設定が提供されます。

ワークフロー

テキスト / 画像 / 参照

APIXO価格

$0.025～$0.30 / 秒バックエンド課金制のStandardおよびFlashルート

解像度

720p / 1080p

再生時間

2～15秒・参照は10秒以下

参照画像の制限

最大5ファイル

ワークスペースを読み込み中...

運用APIルート

プロンプト、フレーム、キャラクターのガイダンスに対応する単一のWan 2.6エンドポイント

テキストから動画、StandardまたはFlashの画像アニメーション、StandardまたはFlashの参照生成を、1つのAPIXOルートで統合します。すべてのモードでプロンプトが必要ですが、順序付けされたメディア入力、マルチショット選択、カスタムオーディオ、Flash専用の音声制御など、様々な制作戦略に対応しています。

モデルの機能

各Wan 2.6シーンの開始と展開を制御

テキスト主導の生成

被写体、アクション、設定、カメラの動き、セリフ、サウンドを記述した必須の中国語または英語のプロンプトから、ソース画像なしで動画を生成します。

開始フレームからのアニメーション

StandardおよびFlashの画像モードは、正確に1つのソース画像をアニメーション化します。プロンプトは引き続き必須であり、初期の視覚状態から動き、カメラの挙動、シーンの展開を指示します。

順序付きメディア参照

リファレンスモードでは、順序付けられた画像および動画のURLを受け付けます。これらは、外見、動き、シーン、または利用可能な音声ガイダンスのために、character1、character2、およびそれ以降の役割にマッピングされます。

マルチショット構造

連続した1つのショットには「single」、変化するショットの連続には「multi」を選択してください。この明示的な設定は、プロンプト内の矛盾するショット指示よりも優先されます。

視聴覚ガイダンス

カスタム同期のためにオプションのMP3またはWAVファイルを1つ送信するか、音声対応の生成機能に正確なセリフ、発音、またはリップシンクを保証しない音声付き出力を生成させます。

プロンプトとSeedの制御

ネガティブプロンプト、プロンプト拡張、数値のSeedを使用して出力を調整します。固定されたSeedは制御された反復作業に役立ちますが、確率的な生成を決定論的にすることはできません。

ルーティングプロファイル

Standardワークフローまたは音声設定可能なFlash生成を選択

Standard動画ワークフロー

標準ルーティングは、テキストから動画、画像から動画、およびリファレンスから動画をカバーします。テキストと画像の生成は2〜15秒をサポートし、リファレンス生成は2〜10秒をサポートします。これらのモードではサウンドフィールドは有効ではありません。

スタンダード

Flash動画ワークフロー

Flashルーティングは、image-to-video-flashおよびreference-to-video-flashでのみ利用可能です。サウンドコントロールはデフォルトでtrueに設定されています。これを無効にすると、音声なしの出力が生成され、提供された音声は無視され、より低価格のFlashレートが適用されます。

Flash

API仕様

運用ルートで検証済みの制御機能

APIXOで利用可能なモード別の入力と制限

生成モード

1～1,500

プロンプトの文字数

画像1枚

画像モードの入力

1～5つのファイル

参照入力

MP3 / WAV 1点

カスタムオーディオ

ポーリング / コールバック

結果の取得

制作アプリケーション

各入力戦略を実用的な動画ワークフローに適合させます

コンセプト開発

キャンペーンシーケンスのプレビジュアライゼーション

撮影や詳細なポストプロダクションに着手する前に、text-to-videoとマルチショット制御を使用して、短いキャンペーンの物語、カメラの切り替え、シーンの進行を探ります。人体の構造、オブジェクトの接触、ロゴ、埋め込みテキストを確認してください。

アセットアニメーション

製品キーアートのアニメーション化

承認済みの製品画像、イラスト、またはキャンペーンビジュアル1点を、StandardまたはFlashルーティングで動画に変換します。生成された結果をソースと比較し、形状、比率、構図、ブランドの忠実度を確認してください。

キャラクターの演出

参照主導のインタラクションを構築

短い会話や複数のキャラクターが登場するシーンのために、順序付けされた画像または動画の参照をキャラクターの役割に割り当てます。生成された結果ごとに、本人性、位置、声のずれ、セリフの帰属、発音、口の動きを検証してください。

オーディオファーストのクリエイティブ

カスタムオーディオ付きプロモーション動画の構築

短いプロモーションクリップをガイドするために、ナレーション、音楽、またはサウンドデザインを提供します。公開前にタイミングと同期を確認するか、低コストのビジュアルドラフトのみが必要な場合はFlashの音声を無効にします。

インテグレーションガイダンス

モード制約、メディア規則、および課金

運用上の注意点

APIXOは5つの製品モードを公開していますが、各ルートの裏側で選択されている正確なアップストリームのチェックポイントやスナップショットは公表していません。

すべてのモードで最大1,500文字の空でないプロンプトが必要です。オプションのネガティブプロンプトは最大500文字まで対応しています。

画像モードでは、一般公開されているJPEG、JPG、アルファチャンネルなしPNG、BMP、またはWebP形式のURLが1つ必要です。ファイルサイズは最大20MB、解像度は240～8,000ピクセルである必要があります。

参照モードでは、1〜5個の順序付きファイルを受け付けます。最大5枚の画像、最大3本のMP4またはMOV動画、合計で5ファイルまでです。

カスタム音声は、公開されているMP3またはWAVのURLを1つ受け付けます。再生時間は3〜30秒、サイズは最大15MBです。超過した音声は切り捨てられ、短い入力の場合は残りの部分が無音になります。

APIXOはこのルートの結果URL保持期間を公開していません。テキストまたは画像モードは30秒後、参照モードは45秒後にポーリングするか、最終結果の取得にはコールバック配信を使用してください。完了後、必要な出力は速やかに保存してください。

よくある質問

テキストから画像と画像から動画のコストは、720pで1秒あたり$0.10、1080pで$0.15です。参照から動画のコストは、720pで1秒あたり$0.20、1080pで$0.30です。総コストは、選択した再生時間に対象レートを乗じたものになります。

Image Flashは、音声なしの場合720p/1080pで1秒あたり$0.025/$0.0375、音声ありの場合は$0.05/$0.075です。Reference Flashは、音声なしの場合$0.05/$0.08、音声ありの場合は$0.10/$0.16です。

image-to-video-flashとreference-to-video-flashのみが音声に対応しています。デフォルトはtrueです。falseの場合、生成される動画は無音になり、指定されたaudio_urlsの値は無視されます。

`shot_type`を`multi`に設定し、`prompt_extend`を有効にすると、Wan 2.6がショットの説明を書き換えて最適化します。シーンが1つの連続したショットであるべき場合は`single`を使用します。

タスクはpending、processing、success、failedのステータスを使用します。成功した動画のURLはresultJson.resultUrlsに表示され、失敗した場合はfailCodeとfailMsgが公開されます。コールバックによる配信には、到達可能な公開コールバックエンドポイントが必要です。