Gerador de texto para imagem com IA
Crie imagens refinadas a partir de prompts com modelos líderes de imagem por IA, configurações flexíveis e um fluxo rápido baseado no navegador.
Alibaba/wan-2.7-reference-to-video
wan-2.7-reference-to-video
Teste grátis a API Reference-to-Video Wan 2.7 com até cinco imagens ou vídeos de referência, referência de voz opcional, saída em 1080p e controle de seed.
Reference to Video
Modelos Wan 2.7 relacionados
Exemplos de API
Exemplo 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;
Exemplo 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));
}
Exemplo 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']
Exemplo 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)
Exemplo 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
}'
Exemplo 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"
Experimente agora o Gerador de Vídeos por IA
Preços de Wan 2.7 Reference to Video
| Parâmetros | Preço | Preço original | Desconto |
|---|
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 profissional Wan 2.7 Reference-to-Video (geração de vídeo multimodal da Alibaba)
A API Wan 2.7 Reference-to-Video da Alibaba oferece geração de vídeo por IA com qualidade de produção para desenvolvedores e equipes criativas que precisam de manter sujeitos, vozes e direção visual consistentes entre os clipes gerados. Esta avançada API reference-to-video aceita referências de imagem e vídeo, com orientação vocal opcional, e transforma instruções em linguagem natural em vídeos refinados a 720p ou 1080p. Projetado para uma produção criativa controlável, o Wan 2.7 combina compreensão multimodal de referências, configurações de saída flexíveis e acesso escalável à API na Flaq AI.
Principais funcionalidades da API Wan 2.7 Reference-to-Video
- Referências mistas de imagem e vídeo: combine imagens e vídeos de referência em uma única solicitação de geração para orientar personagens, produtos, adereços, ambientes, movimentos e o estilo visual.
- Geração consistente de vários sujeitos: preserve detalhes reconhecíveis dos sujeitos durante movimentos, mudanças de câmera e a evolução da cena, para vídeos orientados por personagens e produtos mais confiáveis.
- Referência de voz opcional: associe áudio de voz a um sujeito de referência para preservar a identidade vocal enquanto direciona o conteúdo falado através do prompt.
- Saída de vídeo de alta resolução: gere a 720p ou 1080p para equilibrar qualidade de produção, velocidade de geração e o custo do fluxo de trabalho.
- Duração e proporções flexíveis: crie vídeos curtos com várias durações de clipe e proporções prontas para plataformas em formatos horizontais, verticais, quadrados e padrão.
- Controles avançados de prompts: refine a geração com instruções em linguagem natural, prompts negativos e controle do seed para iterações criativas mais repetíveis.
- Integração de API pronta para produção: crie fluxos de trabalho repetíveis baseados em referências para plataformas criativas, marketing automatizado, pipelines de mídia e aplicações comerciais na Flaq AI.
Como usar a API Wan 2.7 Reference-to-Video para gerar vídeos consistentes na Flaq AI
- Entrada: uma ou mais imagens ou vídeos de referência, além de um prompt em linguagem natural que descreva os sujeitos pretendidos, as ações, a cena, o trabalho de câmera e a direção visual.
- Saída: clipes de vídeo orientados por referências, fornecidos a 720p ou 1080p através da integração da API Wan 2.7 Reference-to-Video.
- Mídia de referência: aceita referências mistas de imagem e vídeo, com áudio de voz opcional para um sujeito de referência.
- Duração: geração flexível de vídeos curtos com controle preciso da duração do clipe.
- Proporções: suporta vários formatos horizontais, verticais, quadrados e padrão para diferentes canais de publicação.
- Controles: prompts negativos e controle do seed para resultados mais limpos e geração repetível.
- Capacidades: compreensão multimodal de referências, consistência entre vários sujeitos, orientação da identidade vocal, movimento direcionado por prompts e saída de alta resolução através da API Wan 2.7.
Melhores casos de uso para a integração da API Wan 2.7 Reference-to-Video
- Conteúdo consistente de personagens e propriedade intelectual: crie clipes centrados em personagens que preservem identidade, roupas, voz e características visuais em novas ações e ambientes.
- Vídeos de produtos para e-commerce: transforme referências de produtos em demonstrações, cenas de estilo de vida e materiais de campanha, mantendo reconhecíveis formas, cores e elementos de marca importantes.
- Publicidade e campanhas de marca: combine referências de porta-vozes, produtos, cenas e vozes para produzir variações controladas de campanhas em grande escala.
- Pré-visualização de histórias e dramas curtos: oriente personagens, adereços, movimentos e a composição da cena com mídias de referência mistas para prévias narrativas e conteúdos episódicos.
- Pipelines criativos automatizados: integre a geração de vídeo consistente e orientada por referências em produtos SaaS, sistemas de agências, ferramentas de mídia e fluxos de trabalho comerciais.
Nota Certifique-se de que os prompts e as mídias de referência estejam em conformidade com as diretrizes de segurança da Alibaba. Se ocorrer um erro, verifique se a entrada contém conteúdo restrito, ajuste-a e tente novamente.
Wan 2.7 Reference-to-Video em comparação com os concorrentes: análise comparativa
-
Wan 2.7 Reference-to-Video vs. Wan 2.7 Image-to-Video O Wan 2.7 Image-to-Video anima uma imagem inicial. O Wan 2.7 Reference-to-Video suporta referências mistas de imagem e vídeo, orientação para vários sujeitos e referência de voz opcional para uma produção orientada pela identidade com maior controle.
-
Wan 2.7 Reference-to-Video vs. Seedance V2.0 Reference-to-Video O Seedance V2.0 oferece uma ampla geração multimodal baseada em referências através de entradas de imagem, vídeo e áudio. O Wan 2.7 dá ênfase a referências estruturadas de sujeitos, voz opcional para orientar a identidade, prompts negativos e geração de vídeo da Alibaba em alta resolução.
-
Wan 2.7 Reference-to-Video vs. Vidu Q3 Reference-to-Video O Vidu Q3 se concentra na consistência de sujeitos a partir de várias imagens e em áudio nativo sincronizado. O Wan 2.7 acrescenta suporte para referências mistas de imagem e vídeo, com voz opcional ao nível do sujeito, para fluxos de trabalho multimodais flexíveis.
-
Wan 2.7 Reference-to-Video vs. Kling Video O3 Reference-to-Video O Kling Video O3 oferece geração orientada por referências com uma interpretação robusta do movimento. O Wan 2.7 se diferencia pelas mídias de referência mistas, orientação da voz do sujeito, controle do seed e prompts negativos para pipelines de produção controláveis.
-
Wan 2.7 Reference-to-Video vs. ferramentas de vídeo do Runway O Runway oferece um amplo conjunto de edição e geração destinado a criadores. A API Wan 2.7 Reference-to-Video foi projetada para fluxos de trabalho programáticos com referências multimodais, reutilização consistente de sujeitos e integração escalável em aplicações.
Explore várias ferramentas criativas com Flaq AI
Explore várias ferramentas de criação com IA para fluxos rápidos de imagem e vídeo no navegador, depois escale ideias bem-sucedidas com as APIs de modelos prontas para produção da Flaq AI. A Flaq AI fornece uma camada de API unificada para todos os modelos, facilitando o uso e a escala dos seus fluxos.
Gerador de imagem para imagem com IA
Envie uma imagem de referência, oriente edições com prompts e transforme visuais para design, marketing e produção criativa.
Gerador de texto para vídeo com IA
Transforme ideias de cena escritas em vídeos curtos de IA com seleção de modelo, prompts de movimento e controles práticos de geração.
Gerador de imagem para vídeo com IA
Anime imagens de referência em clipes de vídeo de IA suaves para produtos, retratos, posts sociais e conceitos criativos.