Texte vers image
Créer des images IA à partir de prompts textuels
Alibaba/wan-2.7-reference-to-video
wan-2.7-reference-to-video
Essayez gratuitement l’API Wan 2.7 pour la référence-vidéo avec jusqu’à cinq images ou vidéos de référence, une référence vocale facultative, une sortie 1080p et le contrôle de la seed.
Reference to Video
Modèles Wan 2.7 associés
Exemples d'API
Exemple d'envoi
// 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;
Exemple de polling
// 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));
}
Exemple d'envoi
# 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']
Exemple de polling
# 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)
Exemple d'envoi
# 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
}'
Exemple de polling
# 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"
Essayez le Générateur Vidéo IA dès maintenant
Tarifs de Wan 2.7 Reference to Video
| Paramètres | Prix | Prix d’origine | Remise |
|---|
Modèles associés
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-3.0text-to-imageqwen-image-3.0-editimage-to-imageqwen-image-3.0-protext-to-imageqwen-image-3.0-pro-editimage-to-imagewan-3.0-text-to-videotext-to-videowan-3.0-image-to-videoimage-to-videowan-3.0-video-editvideo-editwan-3.0-reference-to-videoreference-to-videoqwen-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-textqwen-3.8-max-text-to-texttext-to-textqwen-3.8-max-web-searchweb-searchREADME
API professionnelle Wan 2.7 Reference-to-Video (génération vidéo multimodale d'Alibaba)
L'API Wan 2.7 Reference-to-Video d'Alibaba offre aux développeurs et aux équipes créatives une génération vidéo par IA de qualité professionnelle qui préserve la cohérence des sujets, des voix et de la direction visuelle entre les clips générés. Cette API reference-to-video avancée accepte des images et des vidéos de référence avec un guidage vocal facultatif, puis transforme des instructions en langage naturel en vidéos soignées en 720p ou 1080p. Conçu pour une production créative contrôlable, Wan 2.7 associe la compréhension multimodale des références, des paramètres de sortie flexibles et un accès évolutif à l'API sur Flaq AI.
Principales fonctionnalités de l'API Wan 2.7 Reference-to-Video
- Références mixtes d'images et de vidéos : combinez des images et des vidéos de référence dans une même requête de génération pour guider les personnages, les produits, les accessoires, les environnements, les mouvements et le style visuel.
- Génération cohérente de plusieurs sujets : préservez les détails reconnaissables des sujets au fil des mouvements, des changements de caméra et de l'évolution de la scène pour créer des vidéos plus fiables centrées sur des personnages ou des produits.
- Référence vocale facultative : associez un enregistrement vocal à un sujet de référence pour préserver son identité vocale tout en dirigeant le contenu prononcé au moyen du prompt.
- Sortie vidéo haute résolution : générez des vidéos en 720p ou 1080p afin d'équilibrer qualité de production, vitesse de génération et coût du workflow.
- Durée et formats d'image flexibles : créez des vidéos courtes de différentes durées, dans des formats adaptés aux plateformes en orientation paysage, portrait, carrée et standard.
- Commandes avancées de prompt : affinez la génération grâce à des instructions en langage naturel, des prompts négatifs et au contrôle du seed pour des itérations créatives plus reproductibles.
- Intégration d'API prête pour la production : créez des workflows reproductibles basés sur des références pour des plateformes créatives, le marketing automatisé, des pipelines multimédias et des applications commerciales sur Flaq AI.
Comment utiliser l'API Wan 2.7 Reference-to-Video pour générer des vidéos cohérentes sur Flaq AI
- Entrée : une ou plusieurs images ou vidéos de référence, accompagnées d'un prompt en langage naturel décrivant les sujets souhaités, les actions, la scène, les mouvements de caméra et la direction visuelle.
- Sortie : des clips vidéo guidés par des références, fournis en 720p ou 1080p grâce à l'intégration de l'API Wan 2.7 Reference-to-Video.
- Médias de référence : prend en charge les références mixtes d'images et de vidéos, avec un enregistrement vocal facultatif pour un sujet de référence.
- Durée : génération flexible de vidéos courtes avec un contrôle précis de la durée du clip.
- Formats d'image : prend en charge plusieurs formats paysage, portrait, carrés et standard pour différents canaux de publication.
- Commandes : prompts négatifs et contrôle du seed pour des résultats plus nets et des générations reproductibles.
- Capacités : compréhension multimodale des références, cohérence de plusieurs sujets, guidage de l'identité vocale, mouvement dirigé par le prompt et sortie haute résolution au moyen de l'API Wan 2.7.
Meilleurs cas d'usage pour l'intégration de l'API Wan 2.7 Reference-to-Video
- Contenu cohérent de personnages et de propriétés intellectuelles : créez des clips centrés sur des personnages qui préservent leur identité, leurs vêtements, leur voix et leurs traits visuels au fil de nouvelles actions et dans de nouveaux environnements.
- Vidéos de produits e-commerce : transformez des références de produits en démonstrations, scènes lifestyle et ressources de campagne tout en conservant les formes, les couleurs et les éléments de marque importants reconnaissables.
- Publicité et campagnes de marque : combinez des références de porte-paroles, de produits, de scènes et de voix pour produire des variantes contrôlées de campagnes à grande échelle.
- Prévisualisation de récits et de fictions courtes : guidez les personnages, les accessoires, les mouvements et la composition des scènes avec des médias de référence mixtes pour produire des aperçus narratifs et du contenu épisodique.
- Pipelines créatifs automatisés : intégrez une génération vidéo cohérente guidée par des références dans des produits SaaS, des systèmes d'agence, des outils multimédias et des workflows commerciaux.
Remarque Veillez à ce que vos prompts et médias de référence respectent les consignes de sécurité d'Alibaba. En cas d'erreur, vérifiez que votre entrée ne contient aucun contenu interdit, modifiez-la, puis réessayez.
Wan 2.7 Reference-to-Video face à ses concurrents : analyse comparative
-
Wan 2.7 Reference-to-Video face à Wan 2.7 Image-to-Video Wan 2.7 Image-to-Video anime une image initiale. Wan 2.7 Reference-to-Video prend en charge les références mixtes d'images et de vidéos, le guidage de plusieurs sujets et une référence vocale facultative pour une production centrée sur l'identité offrant un meilleur contrôle.
-
Wan 2.7 Reference-to-Video face à Seedance V2.0 Reference-to-Video Seedance V2.0 offre une vaste génération multimodale guidée par des références à partir d'images, de vidéos et d'entrées audio. Wan 2.7 met l'accent sur des références structurées de sujets, un guidage facultatif de l'identité vocale, des prompts négatifs et la génération vidéo Alibaba haute résolution.
-
Wan 2.7 Reference-to-Video face à Vidu Q3 Reference-to-Video Vidu Q3 se concentre sur la cohérence des sujets à partir de plusieurs images et sur l'audio natif synchronisé. Wan 2.7 ajoute la prise en charge de références mixtes d'images et de vidéos avec un guidage vocal facultatif par sujet pour des workflows multimodaux flexibles.
-
Wan 2.7 Reference-to-Video face à Kling Video O3 Reference-to-Video Kling Video O3 offre une génération guidée par des références dotée d'une excellente compréhension des mouvements. Wan 2.7 se distingue par des médias de référence mixtes, le guidage vocal du sujet, le contrôle du seed et les prompts négatifs destinés aux pipelines de production contrôlables.
-
Wan 2.7 Reference-to-Video face aux outils vidéo Runway Runway propose une vaste suite de montage et de génération destinée aux créateurs. L'API Wan 2.7 Reference-to-Video est conçue pour des workflows programmatiques à références multimodales, la réutilisation cohérente des sujets et l'intégration évolutive dans les applications.
Utilisez directement le modèle Wan 2.7 Reference to Video dans de puissants outils d’IA
Explorez plusieurs outils de création IA pour des workflows rapides d'image et de vidéo dans votre navigateur, puis faites évoluer les idées réussies avec les API de modèles prêtes pour la production de Flaq AI. Flaq AI fournit une couche d'API unifiée pour tous les modèles, afin de faciliter l'utilisation et la mise à l'échelle de vos workflows.
Image vers image
Créer des images IA à partir d'images et de prompts textuels
Texte vers vidéo
Créer des vidéos IA à partir de prompts textuels
Image vers vidéo
Animer des images en vidéos IA
Créateur de médias IA
Créez des images et des vidéos IA dans un espace de travail unifié
Référence en vidéo
Créez des vidéos cohérentes à partir de médias de référence
Canevas IA
Créez des flux visuels d'images et de vidéos IA sur un canevas infini