KI-Text-zu-Bild-Generator
Erstelle hochwertige Bilder aus Prompts mit fuehrenden KI-Bildmodellen, flexiblen Einstellungen und einem schnellen browserbasierten Ablauf.
Alibaba/wan-2.7-reference-to-video
wan-2.7-reference-to-video
Testen Sie die Wan 2.7 Reference-to-Video API kostenlos mit bis zu fünf Referenzbildern oder -videos, optionaler Sprachreferenz, 1080p-Ausgabe und Seed-Steuerung.
Reference to Video
Verwandte Wan 2.7-Modelle
API-Beispiele
Anfragebeispiel
// Step 1: Submit generation request
const response = await fetch('https://api.flaq.ai/api/v1/video/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'wan-2.7-reference-to-video',
prompt: 'Use image one for the hero and video one for the motion; keep the hero voice consistent with audio one',
resolution: '1080p',
duration: 8,
aspect_ratio: '16:9',
images: ['https://example.com/hero-reference.jpg'],
videos: ['https://example.com/motion-reference.mp4'],
audios: ['https://example.com/voice-reference.mp3'],
negative_prompt: 'flicker, distorted hands, duplicate subjects',
seed: 42
})
});
const { data } = await response.json();
const taskId = data.task_id;
// Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
// Placeholder numbering is 1-based for each media array:
// <<<image_1>>> = images[0], <<<image_2>>> = images[1]
// <<<video_1>>> = videos[0], <<<audio_1>>> = audios[0]
const mediaReferenceResponse = await fetch('https://api.flaq.ai/api/v1/video/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'wan-2.7-reference-to-video',
prompt: 'Place the presenter from <<<image_1>>> in the studio from <<<image_2>>>, follow the camera path in <<<video_1>>>, and use the reference voice from <<<audio_1>>>',
resolution: '1080p',
duration: 8,
aspect_ratio: '16:9',
images: [
'https://example.com/presenter-reference.jpg',
'https://example.com/studio-reference.jpg'
],
videos: ['https://example.com/camera-path-reference.mp4'],
audios: ['https://example.com/voice-reference.mp3'],
negative_prompt: 'flicker, distorted hands, duplicate subjects',
seed: 42
})
});
const { data: mediaReferenceData } = await mediaReferenceResponse.json();
const mediaReferenceTaskId = mediaReferenceData.task_id;
Polling-Beispiel
// Step 2: Poll for results
const taskId = data.task_id;
const pollResult = async (taskId) => {
const res = await fetch(`https://api.flaq.ai/api/v1/video/${taskId}`, {
headers: { 'Authorization': 'Bearer YOUR_API_KEY' }
});
return res.json();
};
while (true) {
const pollResultData = await pollResult(taskId);
const status = pollResultData.data.task_status;
if (status === 'succeed') {
console.log(pollResultData.data.task_result.videos[0].url);
break;
}
if (status === 'failed') {
console.error(pollResultData.data.task_status_msg);
break;
}
await new Promise(resolve => setTimeout(resolve, 10000));
}
Anfragebeispiel
# Step 1: Submit generation request
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/video/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'wan-2.7-reference-to-video',
'prompt': 'Use image one for the hero and video one for the motion; keep the hero voice consistent with audio one',
'resolution': '1080p',
'duration': 8,
'aspect_ratio': '16:9',
'images': ['https://example.com/hero-reference.jpg'],
'videos': ['https://example.com/motion-reference.mp4'],
'audios': ['https://example.com/voice-reference.mp3'],
'negative_prompt': 'flicker, distorted hands, duplicate subjects',
'seed': 42
}
)
result = response.json()
task_id = result['data']['task_id']
# Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
# Placeholder numbering is 1-based for each media array:
# <<<image_1>>> = images[0], <<<image_2>>> = images[1]
# <<<video_1>>> = videos[0], <<<audio_1>>> = audios[0]
media_reference_response = requests.post(
'https://api.flaq.ai/api/v1/video/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'wan-2.7-reference-to-video',
'prompt': 'Place the presenter from <<<image_1>>> in the studio from <<<image_2>>>, follow the camera path in <<<video_1>>>, and use the reference voice from <<<audio_1>>>',
'resolution': '1080p',
'duration': 8,
'aspect_ratio': '16:9',
'images': [
'https://example.com/presenter-reference.jpg',
'https://example.com/studio-reference.jpg'
],
'videos': ['https://example.com/camera-path-reference.mp4'],
'audios': ['https://example.com/voice-reference.mp3'],
'negative_prompt': 'flicker, distorted hands, duplicate subjects',
'seed': 42
}
)
media_reference_result = media_reference_response.json()
media_reference_task_id = media_reference_result['data']['task_id']
Polling-Beispiel
# Step 2: Poll for results
task_id = response.json()['data']['task_id']
poll_url = f"https://api.flaq.ai/api/v1/video/{task_id}"
while True:
poll_result = requests.get(poll_url, headers={'Authorization': 'Bearer YOUR_API_KEY'}).json()
status = poll_result['data']['task_status']
if status == 'succeed':
print(poll_result['data']['task_result']['videos'][0]['url'])
break
if status == 'failed':
print(poll_result['data']['task_status_msg'])
break
time.sleep(10)
Anfragebeispiel
# Step 1: Submit generation request
curl -X POST https://api.flaq.ai/api/v1/video/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "wan-2.7-reference-to-video",
"prompt": "Use image one for the hero and video one for the motion; keep the hero voice consistent with audio one",
"resolution": "1080p",
"duration": 8,
"aspect_ratio": "16:9",
"images": ["https://example.com/hero-reference.jpg"],
"videos": ["https://example.com/motion-reference.mp4"],
"audios": ["https://example.com/voice-reference.mp3"],
"negative_prompt": "flicker, distorted hands, duplicate subjects",
"seed": 42
}'
# Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
# Placeholder numbering is 1-based for each media array:
# <<<image_1>>> = images[0], <<<image_2>>> = images[1]
# <<<video_1>>> = videos[0], <<<audio_1>>> = audios[0]
curl -X POST https://api.flaq.ai/api/v1/video/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "wan-2.7-reference-to-video",
"prompt": "Place the presenter from <<<image_1>>> in the studio from <<<image_2>>>, follow the camera path in <<<video_1>>>, and use the reference voice from <<<audio_1>>>",
"resolution": "1080p",
"duration": 8,
"aspect_ratio": "16:9",
"images": [
"https://example.com/presenter-reference.jpg",
"https://example.com/studio-reference.jpg"
],
"videos": ["https://example.com/camera-path-reference.mp4"],
"audios": ["https://example.com/voice-reference.mp3"],
"negative_prompt": "flicker, distorted hands, duplicate subjects",
"seed": 42
}'
Polling-Beispiel
# Step 2: Poll for results
# Replace {task_id} with the task_id returned from the submit response
curl -X GET "https://api.flaq.ai/api/v1/video/{task_id}" \
-H "Authorization: Bearer YOUR_API_KEY"
Probieren Sie jetzt den KI-Video-Generator aus
Preise für Wan 2.7 Reference to Video
| Parameter | Preis | Ursprünglicher Preis | Rabatt |
|---|
Verwandte Modelle
qwen-image-2.0text-to-imageqwen-image-2.0-editimage-to-imageqwen-image-2.0-protext-to-imageqwen-image-2.0-pro-editimage-to-imageqwen-image-lora-editimage-to-imagez-imagetext-to-image
happyhorse-1.0-text-to-videotext-to-videohappyhorse-1.0-image-to-videoimage-to-videohappyhorse-1.1-text-to-videotext-to-videohappyhorse-1.1-image-to-videoimage-to-videohappyhorse-1.1-reference-to-videoreference-to-videowan-2.7-text-to-videotext-to-videowan-2.7-image-to-videoimage-to-videowan-2.7-lora-image-to-videoimage-to-videowan-2.7-video-editvideo-editwan-2.7-reference-to-videoreference-to-videowan-v2.7-imagetext-to-imagewan-v2.7-image-editimage-to-imagewan-v2.7-image-protext-to-imagewan-v2.7-image-pro-editimage-to-imagewan-2.6-text-to-videotext-to-videowan-2.6-image-to-videoimage-to-videoqwen-image-3.0-protext-to-imageqwen-3.7-max-text-to-texttext-to-textqwen-3.7-plus-text-to-texttext-to-textqwen-3.7-max-web-searchweb-searchqwen-3.7-plus-web-searchweb-searchqwen-plus-charactertext-to-textqwen-flash-charactertext-to-textREADME
Professionelle Wan 2.7 Reference-to-Video API (multimodale Videogenerierung von Alibaba)
Die Alibaba Wan 2.7 Reference-to-Video API bietet Entwicklern und Kreativteams KI-Videogenerierung in Produktionsqualität, wenn sie einheitliche Motive, Stimmen und visuelle Gestaltung über generierte Clips hinweg benötigen. Diese fortschrittliche Reference-to-Video-API- Integration nimmt Bild- und Videoreferenzen mit optionalen Stimmvorgaben an und verwandelt natürlichsprachliche Anweisungen in hochwertige Videos mit 720p oder 1080p. Wan 2.7 wurde für eine steuerbare kreative Produktion entwickelt und kombiniert multimodales Referenz- verständnis, flexible Ausgabeeinstellungen und skalierbaren API-Zugriff auf Flaq AI.
Hauptfunktionen der Wan 2.7 Reference-to-Video API
- Gemischte Bild- und Videoreferenzen: Kombinieren Sie Referenzbilder und -videos in einer Generierungsanfrage, um Figuren, Produkte, Requisiten, Umgebungen, Bewegungen und den visuellen Stil vorzugeben.
- Einheitliche Generierung mehrerer Motive: Bewahren Sie erkennbare Motivdetails bei Bewegungen, Kamerwechseln und der Szenenentwicklung für zuverlässigere, figuren- und produktbezogene Videos.
- Optionale Stimmreferenz: Verknüpfen Sie Sprachaufnahmen mit einem referenzierten Motiv, um dessen stimmliche Identität zu bewahren, während Sie den gesprochenen Inhalt über den Prompt steuern.
- Hochauflösende Videoausgabe: Generieren Sie mit 720p oder 1080p, um Produktionsqualität, Generierungsgeschwindigkeit und Workflow-Kosten auszubalancieren.
- Flexible Dauer und Seitenverhältnisse: Erstellen Sie Kurzvideos in verschiedenen Cliplängen und plattformgerechten Seitenverhältnissen für Quer-, Hoch-, Quadrat- und Standardformate.
- Erweiterte Prompt-Steuerung: Verfeinern Sie die Generierung mit natürlichsprachlichen Vorgaben, negativen Prompts und Seed-Steuerung für besser reproduzierbare kreative Iterationen.
- Produktionsreife API-Integration: Erstellen Sie wiederholbare, referenzbasierte Workflows für Kreativplattformen, Marketing- automatisierung, Medienpipelines und kommerzielle Anwendungen auf Flaq AI.
So verwenden Sie die Wan 2.7 Reference-to-Video API für einheitliche Videogenerierung auf Flaq AI
- Eingabe: Ein oder mehrere Referenzbilder oder -videos sowie ein natürlichsprachlicher Prompt, der die gewünschten Motive, Handlungen, Szene, Kameraführung und visuelle Gestaltung beschreibt.
- Ausgabe: Referenzgesteuerte Videoclips, die über die Integration der Wan 2.7 Reference-to-Video API mit 720p oder 1080p bereitgestellt werden.
- Referenzmedien: Unterstützt gemischte Bild- und Videoreferenzen mit optionalen Sprachaufnahmen für ein referenziertes Motiv.
- Dauer: Flexible Generierung von Kurzvideos mit präziser Steuerung der Cliplänge.
- Seitenverhältnisse: Unterstützt mehrere Quer-, Hoch-, Quadrat- und Standardformate für unterschiedliche Veröffentlichungs- kanäle.
- Steuerung: Negative Prompts und Seed-Steuerung für sauberere Ausgaben und reproduzierbare Generierungen.
- Funktionen: Multimodales Referenzverständnis, Einheitlichkeit mehrerer Motive, Vorgabe der stimmlichen Identität, promptgesteuerte Bewegung und hochauflösende Ausgabe über die Wan 2.7 API.
Beste Anwendungsfälle für die Integration der Wan 2.7 Reference-to-Video API
- Einheitliche Figuren- und IP-Inhalte: Erstellen Sie figurenbezogene Clips, die Identität, Kleidung, Stimme und visuelle Merkmale bei neuen Handlungen und in neuen Umgebungen bewahren.
- E-Commerce-Produktvideos: Verwandeln Sie Produktreferenzen in Vorführungen, Lifestyle-Szenen und Kampagnenmaterialien und halten Sie wichtige Formen, Farben und Markenelemente erkennbar.
- Werbung und Markenkampagnen: Kombinieren Sie Referenzen für Sprecher, Produkte, Szenen und Stimmen, um kontrollierte Kampagnenvarianten in großem Umfang zu produzieren.
- Vorvisualisierung von Kurzdramen und Geschichten: Geben Sie Figuren, Requisiten, Bewegungen und Szenenkomposition mit gemischten Referenz- medien für narrative Vorschauen und episodische Inhalte vor.
- Automatisierte Kreativpipelines: Integrieren Sie eine einheitliche, referenzgesteuerte Videogenerierung in SaaS-Produkte, Agentur- systeme, Medienwerkzeuge und kommerzielle Workflows.
Hinweis Stellen Sie sicher, dass Ihre Prompts und Referenzmedien den Sicherheitsrichtlinien von Alibaba entsprechen. Falls ein Fehler auftritt, prüfen Sie Ihre Eingaben auf unzulässige Inhalte, passen Sie sie an und versuchen Sie es erneut.
Wan 2.7 Reference-to-Video im Vergleich zur Konkurrenz: Vergleichsanalyse
-
Wan 2.7 Reference-to-Video vs. Wan 2.7 Image-to-Video Wan 2.7 Image-to-Video animiert ein Ausgangsbild. Wan 2.7 Reference-to-Video unterstützt gemischte Bild- und Videoreferenzen, Vorgaben für mehrere Motive und optionale Stimmreferenzen für eine besser steuerbare, identitätsbezogene Produktion.
-
Wan 2.7 Reference-to-Video vs. Seedance V2.0 Reference-to-Video Seedance V2.0 bietet umfassende multimodale Referenz- generierung mit Bild-, Video- und Audioeingaben. Wan 2.7 legt den Schwerpunkt auf strukturierte Motivreferenzen, optionale Stimm- vorgaben zur Identitätswahrung, negative Prompts und hochauflösende Videogenerierung von Alibaba.
-
Wan 2.7 Reference-to-Video vs. Vidu Q3 Reference-to-Video Vidu Q3 konzentriert sich auf die Einheitlichkeit von Motiven aus mehreren Bildern und native synchronisierte Audioausgabe. Wan 2.7 ergänzt gemischte Bild- und Videoreferenzen mit optionalen Stimmvorgaben auf Motivebene für flexible multimodale Workflows.
-
Wan 2.7 Reference-to-Video vs. Kling Video O3 Reference-to-Video Kling Video O3 bietet referenzgesteuerte Generierung mit ausgeprägtem Bewegungsverständnis. Wan 2.7 zeichnet sich durch gemischte Referenzmedien, Stimmvorgaben für Motive, Seed- Steuerung und negative Prompts für kontrollierbare Produktionspipelines aus.
-
Wan 2.7 Reference-to-Video vs. Runway-Videowerkzeuge Runway bietet eine umfassende Suite zur Bearbeitung und Generierung für Kreative. Die Wan 2.7 Reference-to-Video API ist für programmatische Workflows mit multimodalen Referenzen, die einheitliche Wiederverwendung von Motiven und skalierbare Anwendungsintegration konzipiert.
Mehrere Kreativ-Tools mit Flaq AI entdecken
Erkunde mehrere KI-Erstellungstools fuer schnelle Bild- und Videoablaeufe direkt im Browser und skaliere erfolgreiche Ideen anschliessend mit produktionsreifen Modell-APIs von Flaq AI. Flaq AI bietet eine einheitliche API-Schicht fuer alle Modelle, damit Workflows einfach nutzbar und skalierbar bleiben.
KI-Image-to-Image-Generator
Lade ein Referenzbild hoch, steuere Bearbeitungen mit Prompts und transformiere Visuals fuer Design, Marketing und kreative Produktion.
KI-Text-zu-Video-Generator
Verwandle geschriebene Szenenideen mit Modellauswahl, Bewegungs-Prompts und praktischen Generierungssteuerungen in kurze KI-Videos.
KI-Image-to-Video-Generator
Animiere Referenzbilder zu fluessigen KI-Videoclips fuer Produkte, Portraets, Social Posts und kreative Konzepte.