Generador de IA de texto a imagen
Crea imágenes pulidas desde prompts con modelos líderes de imagen con IA, ajustes flexibles y un flujo rápido basado en navegador.
Alibaba/wan-2.7-reference-to-video
wan-2.7-reference-to-video
Prueba gratis la API Reference-to-Video de Wan 2.7 con hasta cinco imágenes o vídeos de referencia, referencia de voz opcional, salida a 1080p y control de semilla.
Reference to Video
Modelos Wan 2.7 relacionados
Ejemplos de API
Ejemplo de envio
// 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;
Ejemplo de sondeo
// 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));
}
Ejemplo de envio
# 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']
Ejemplo de sondeo
# 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)
Ejemplo de envio
# 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
}'
Ejemplo de sondeo
# 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"
Pruebe el Generador de Video AI ahora
Precios de Wan 2.7 Reference to Video
| Parámetros | Precio | Precio original | Descuento |
|---|
Modelos relacionados
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
API profesional Wan 2.7 Reference-to-Video (generación de vídeo multimodal de Alibaba)
La API Wan 2.7 Reference-to-Video de Alibaba ofrece generación de vídeo con IA de calidad profesional para desarrolladores y equipos creativos que necesitan mantener sujetos, voces y dirección visual coherentes entre los clips generados. Esta avanzada API reference-to-video admite imágenes y vídeos de referencia con guía de voz opcional y convierte instrucciones en lenguaje natural en vídeos perfeccionados a 720p o 1080p. Diseñado para una producción creativa controlable, Wan 2.7 combina la comprensión multimodal de referencias, ajustes de salida flexibles y acceso escalable a la API en Flaq AI.
Características principales de la API Wan 2.7 Reference-to-Video
- Referencias mixtas de imágenes y vídeos: combina imágenes y vídeos de referencia en una sola solicitud de generación para guiar personajes, productos, objetos de escena, entornos, movimientos y el estilo visual.
- Generación coherente con varios sujetos: conserva detalles reconocibles de los sujetos durante movimientos, cambios de cámara y el desarrollo de la escena, para obtener vídeos centrados en personajes y productos más fiables.
- Referencia de voz opcional: asocia audio de voz con un sujeto de referencia para conservar su identidad vocal mientras diriges el contenido hablado mediante el prompt.
- Salida de vídeo de alta resolución: genera a 720p o 1080p para equilibrar la calidad de producción, la velocidad de generación y el coste del flujo de trabajo.
- Duración y relaciones de aspecto flexibles: crea vídeos cortos con varias duraciones y relaciones de aspecto adaptadas a las plataformas en formatos horizontales, verticales, cuadrados y estándar.
- Controles avanzados de prompts: perfecciona la generación con indicaciones en lenguaje natural, prompts negativos y control de la semilla para realizar iteraciones creativas más repetibles.
- Integración de API lista para producción: crea flujos de trabajo repetibles basados en referencias para plataformas creativas, marketing automatizado, pipelines multimedia y aplicaciones comerciales en Flaq AI.
Cómo usar la API Wan 2.7 Reference-to-Video para generar vídeos coherentes en Flaq AI
- Entrada: una o más imágenes o vídeos de referencia, además de un prompt en lenguaje natural que describa los sujetos deseados, las acciones, la escena, el trabajo de cámara y la dirección visual.
- Salida: clips de vídeo guiados por referencias, entregados a 720p o 1080p mediante la integración de la API Wan 2.7 Reference-to-Video.
- Contenido de referencia: admite referencias mixtas de imágenes y vídeos, con audio de voz opcional para un sujeto de referencia.
- Duración: generación flexible de vídeos cortos con control preciso de la duración del clip.
- Relaciones de aspecto: admite varios formatos horizontales, verticales, cuadrados y estándar para distintos canales de publicación.
- Controles: prompts negativos y control de la semilla para obtener resultados más limpios y generaciones repetibles.
- Capacidades: comprensión multimodal de referencias, coherencia de varios sujetos, guía de la identidad vocal, movimiento dirigido mediante prompts y salida de alta resolución a través de la API Wan 2.7.
Mejores casos de uso de la integración de la API Wan 2.7 Reference-to-Video
- Contenido coherente de personajes y propiedad intelectual: crea clips centrados en personajes que conserven su identidad, vestuario, voz y rasgos visuales durante nuevas acciones y en entornos diferentes.
- Vídeos de productos para comercio electrónico: convierte referencias de productos en demostraciones, escenas de estilo de vida y materiales para campañas manteniendo reconocibles las formas, los colores y los elementos de marca importantes.
- Publicidad y campañas de marca: combina referencias de portavoces, productos, escenas y voces para producir variaciones controladas de campañas a gran escala.
- Previsualización de historias y dramas cortos: guía personajes, objetos de escena, movimientos y la composición de la escena con contenido de referencia mixto para crear avances narrativos y contenido episódico.
- Pipelines creativos automatizados: integra una generación de vídeo coherente y guiada por referencias en productos SaaS, sistemas para agencias, herramientas multimedia y flujos de trabajo comerciales.
Nota Asegúrate de que los prompts y el contenido de referencia cumplan las directrices de seguridad de Alibaba. Si se produce un error, revisa la entrada en busca de contenido restringido, ajústala y vuelve a intentarlo.
Wan 2.7 Reference-to-Video frente a la competencia: análisis comparativo
-
Wan 2.7 Reference-to-Video frente a Wan 2.7 Image-to-Video Wan 2.7 Image-to-Video anima una imagen inicial. Wan 2.7 Reference-to-Video admite referencias mixtas de imágenes y vídeos, guía para varios sujetos y una referencia de voz opcional para lograr una producción centrada en la identidad con mayor control.
-
Wan 2.7 Reference-to-Video frente a Seedance V2.0 Reference-to-Video Seedance V2.0 ofrece una amplia generación multimodal basada en referencias mediante entradas de imágenes, vídeos y audio. Wan 2.7 destaca las referencias estructuradas de sujetos, la voz opcional para guiar su identidad, los prompts negativos y la generación de vídeo de Alibaba en alta resolución.
-
Wan 2.7 Reference-to-Video frente a Vidu Q3 Reference-to-Video Vidu Q3 se centra en la coherencia de los sujetos a partir de varias imágenes y en el audio nativo sincronizado. Wan 2.7 añade compatibilidad con referencias mixtas de imágenes y vídeos, con voz opcional para cada sujeto, para ofrecer flujos de trabajo multimodales flexibles.
-
Wan 2.7 Reference-to-Video frente a Kling Video O3 Reference-to-Video Kling Video O3 ofrece generación guiada por referencias con una sólida interpretación del movimiento. Wan 2.7 se diferencia por el contenido de referencia mixto, la guía de voz del sujeto, el control de la semilla y los prompts negativos para pipelines de producción controlables.
-
Wan 2.7 Reference-to-Video frente a las herramientas de vídeo de Runway Runway ofrece un amplio conjunto de edición y generación para creadores. La API Wan 2.7 Reference-to-Video está diseñada para flujos de trabajo programáticos con referencias multimodales, reutilización coherente de sujetos e integración escalable en aplicaciones.
Explora múltiples herramientas creativas con Flaq AI
Explora varias herramientas de creación con IA para flujos rápidos de imagen y video en tu navegador, luego escala las ideas exitosas con las API de modelos listas para producción de Flaq AI. Flaq AI proporciona una capa API unificada para todos los modelos, lo que facilita usar y escalar tus flujos.
Generador de IA de imagen a imagen
Sube una imagen de referencia, guía las ediciones con prompts y transforma visuales para diseño, marketing y producción creativa.
Generador de IA de texto a video
Convierte ideas de escenas escritas en videos cortos con IA, selección de modelos, prompts de movimiento y controles prácticos de generación.
Generador de IA de imagen a video
Anima imágenes de referencia en clips de video con IA fluidos para productos, retratos, publicaciones sociales y conceptos creativos.