Da testo a immagine
Crea immagini AI da prompt testuali
Alibaba/wan-2.7-reference-to-video
wan-2.7-reference-to-video
Prova gratis l’API Wan 2.7 per riferimento-video con un massimo di cinque immagini o video di riferimento, riferimento vocale opzionale, output a 1080p e controllo del seed.
Reference to Video
Modelli Wan 2.7 correlati
Esempi API
Esempio di invio
// 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;
Esempio di 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));
}
Esempio di invio
# 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']
Esempio di 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)
Esempio di invio
# 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
}'
Esempio di 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"
Prova ora il Generatore di Video AI
Prezzi di Wan 2.7 Reference to Video
| Parametri | Prezzo | Prezzo originale | Sconto |
|---|
Modelli correlati
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 professionale Wan 2.7 Reference-to-Video (generazione video multimodale di Alibaba)
L'API Wan 2.7 Reference-to-Video di Alibaba offre una generazione video AI di livello professionale per sviluppatori e team creativi che necessitano di soggetti, voci e direzione visiva coerenti in tutte le clip generate. Questa API avanzata reference-to-video accetta immagini e video di riferimento con indicazioni vocali opzionali, quindi trasforma le istruzioni in linguaggio naturale in video rifiniti a 720p o 1080p. Progettato per una produzione creativa controllabile, Wan 2.7 combina la comprensione multimodale dei riferimenti, impostazioni di output flessibili e accesso API scalabile su Flaq AI.
Funzionalità principali dell'API Wan 2.7 Reference-to-Video
- Riferimenti misti di immagini e video: combina immagini e video di riferimento in un'unica richiesta di generazione per guidare personaggi, prodotti, oggetti di scena, ambienti, movimenti e stile visivo.
- Generazione coerente con più soggetti: preserva i dettagli riconoscibili dei soggetti durante movimenti, cambi di inquadratura e sviluppo della scena, per video basati su personaggi e prodotti più affidabili.
- Riferimento vocale opzionale: associa l'audio di una voce a un soggetto di riferimento per preservarne l'identità vocale mentre il contenuto parlato viene definito tramite il prompt.
- Output video ad alta risoluzione: genera a 720p o 1080p per bilanciare qualità di produzione, velocità di generazione e costi del flusso di lavoro.
- Durata e proporzioni flessibili: crea video brevi con varie durate e proporzioni adatte alle piattaforme, nei formati orizzontale, verticale, quadrato e standard.
- Controlli avanzati dei prompt: perfeziona la generazione con indicazioni in linguaggio naturale, prompt negativi e controllo del seed per iterazioni creative più ripetibili.
- Integrazione API pronta per la produzione: crea flussi di lavoro ripetibili basati sui riferimenti per piattaforme creative, marketing automatizzato, pipeline multimediali e applicazioni commerciali su Flaq AI.
Come usare l'API Wan 2.7 Reference-to-Video per generare video coerenti su Flaq AI
- Input: una o più immagini o video di riferimento, più un prompt in linguaggio naturale che descrive i soggetti desiderati, le azioni, la scena, i movimenti di camera e la direzione visiva.
- Output: clip video guidate dai riferimenti, fornite a 720p o 1080p tramite l'integrazione dell'API Wan 2.7 Reference-to-Video.
- Contenuti di riferimento: supporta riferimenti misti di immagini e video, con audio vocale opzionale per un soggetto di riferimento.
- Durata: generazione flessibile di video brevi con controllo preciso della lunghezza della clip.
- Proporzioni: supporta diversi formati orizzontali, verticali, quadrati e standard per differenti canali di pubblicazione.
- Controlli: prompt negativi e controllo del seed per output più puliti e generazioni ripetibili.
- Capacità: comprensione multimodale dei riferimenti, coerenza tra più soggetti, guida dell'identità vocale, movimento diretto dal prompt e output ad alta risoluzione tramite l'API Wan 2.7.
Migliori casi d'uso per l'integrazione dell'API Wan 2.7 Reference-to-Video
- Contenuti coerenti per personaggi e proprietà intellettuali: crea clip incentrate sui personaggi che ne preservano identità, abbigliamento, voce e caratteristiche visive durante nuove azioni e in nuovi ambienti.
- Video di prodotti e-commerce: trasforma i riferimenti dei prodotti in dimostrazioni, scene lifestyle e materiali per campagne, mantenendo riconoscibili forme, colori e branding importanti.
- Pubblicità e campagne di brand: combina riferimenti di portavoce, prodotti, scene e voci per realizzare varianti controllate delle campagne su larga scala.
- Previsualizzazione di brevi drammi e storie: guida personaggi, oggetti di scena, movimenti e composizione della scena con contenuti di riferimento misti per anteprime narrative e contenuti a episodi.
- Pipeline creative automatizzate: integra una generazione video coerente e guidata dai riferimenti in prodotti SaaS, sistemi per agenzie, strumenti multimediali e flussi di lavoro commerciali.
Nota Assicurati che i prompt e i contenuti di riferimento rispettino le linee guida di sicurezza di Alibaba. Se si verifica un errore, controlla che l'input non contenga contenuti soggetti a restrizioni, modificalo e riprova.
Wan 2.7 Reference-to-Video e i concorrenti: analisi comparativa
-
Wan 2.7 Reference-to-Video e Wan 2.7 Image-to-Video Wan 2.7 Image-to-Video anima un'immagine iniziale. Wan 2.7 Reference-to-Video supporta riferimenti misti di immagini e video, indicazioni per più soggetti e un riferimento vocale opzionale per una produzione basata sull'identità più controllata.
-
Wan 2.7 Reference-to-Video e Seedance V2.0 Reference-to-Video Seedance V2.0 offre una generazione multimodale versatile basata sui riferimenti mediante input di immagini, video e audio. Wan 2.7 pone l'accento su riferimenti strutturati dei soggetti, voce opzionale per guidarne l'identità, prompt negativi e generazione video Alibaba ad alta risoluzione.
-
Wan 2.7 Reference-to-Video e Vidu Q3 Reference-to-Video Vidu Q3 si concentra sulla coerenza dei soggetti da più immagini e sull'audio sincronizzato nativo. Wan 2.7 aggiunge il supporto di riferimenti misti di immagini e video con voce opzionale a livello di soggetto per flussi di lavoro multimodali flessibili.
-
Wan 2.7 Reference-to-Video e Kling Video O3 Reference-to-Video Kling Video O3 offre una generazione guidata dai riferimenti con una solida interpretazione del movimento. Wan 2.7 si distingue per contenuti di riferimento misti, indicazioni sulla voce del soggetto, controllo del seed e prompt negativi per pipeline di produzione controllabili.
-
Wan 2.7 Reference-to-Video e gli strumenti video di Runway Runway offre un'ampia suite di editing e generazione rivolta ai creator. L'API Wan 2.7 Reference-to-Video è progettata per flussi di lavoro programmatici con riferimenti multimodali, riutilizzo coerente dei soggetti e integrazione scalabile nelle applicazioni.
Usa il modello Wan 2.7 Reference to Video direttamente in potenti strumenti di IA
Esplora diversi strumenti di creazione AI per flussi rapidi di immagini e video nel browser, poi scala le idee migliori con le API dei modelli Flaq AI pronte per la produzione. Flaq AI fornisce un livello API unificato per tutti i modelli, rendendo facile usare e scalare i tuoi flussi.
Da immagine a immagine
Crea immagini AI da immagini e prompt testuali
Da testo a video
Crea video AI da prompt testuali
Da immagine a video
Anima immagini in video AI
Creatore multimediale IA
Crea immagini e video IA in un unico spazio di lavoro
Da riferimento a video
Crea video coerenti da contenuti multimediali di riferimento
Tela IA
Crea flussi visivi di immagini e video IA su una tela infinita