Wan 2.6 API Guide: Text-to-Video, Image-to-Video und Referenzvideo für die Produktion

Dieser Leitfaden richtet sich an CTOs und Ingenieure, die generative Video-Features in echte Systeme integrieren: asynchrone Orchestrierung, Budget-Schutzmechanismen, Zuverlässigkeits-Patterns und Integrationsstrategie (einschließlich eines sauberen EvoLink.ai-Wegs am Ende).

1. Wan 2.6 Modellfamilie: Wählen Sie den richtigen Endpunkt

• Beginnen Sie mit T2V für die Konzept-Exploration.
• Wechseln Sie zu I2V, wenn Sie einen „Source-of-Truth“-Frame haben, den Sie respektieren müssen.
• Verwenden Sie R2V, wenn Sie Identitätskontinuität über Shots/Szenen hinweg benötigen.

2. Der Produktions-Workflow: Asynchrone Aufgaben (Nicht Echtzeit)

Wichtige Betriebsdetails:

• Sie müssen den Async-Header senden: X-DashScope-Async: enable (DashScope HTTP-Modus).
• Sie erhalten eine task_id und fragen den Status ab, bis sie erfolgreich ist/fehlschlägt.
• task_id ist für 24 Stunden gültig (sofort speichern; nicht „neu einreichen“, um wiederherzustellen).

• Aufgabe von einem API-Worker einreichen
• task_id + Request-Hash + Benutzer-/Job-Metadaten persistieren
• Polling mit exponentieller Verzögerung (Backoff) (oder Scheduler/Queue)
• Bei Erfolg die zurückgegebene video_url persistieren und herunterladen/replizieren (URLs sind oft zeitlich begrenzt)

3. Multi-Shot-Storytelling: Was sich in Wan 2.6 wirklich ändert

So aktivieren Sie es (T2V-Beispiel)

Praktischer Prompt-Leitfaden für Multi-Shot:

• Schreiben Sie Ihren Prompt wie eine kurze „Shot-List“ (Aufnahmeliste)
• Halten Sie die Beschreibung des Hauptsubjekts konsistent über die Shots hinweg
• Geben Sie Shot-Übergänge („Schnitt auf“, „Weitwinkel“, „Nahaufnahme“) nur an, wenn nötig; lassen Sie das Modell andernfalls automatisch segmentieren

Wie es in Wan 2.6 R2V funktioniert (Charakter-Referenzen)

4. Audio: Worauf Sie sich sicher verlassen können

Wan 2.6 unterstützt Audio je nach Endpunkt auf unterschiedliche Weise:

T2V / I2V

• Audio-Support umfasst Auto-Voiceover oder die Übergabe einer benutzerdefinierten Audio-Datei-URL, um eine Audio-Visuelle Synchronisation zu erreichen.
• Wenn Sie eine benutzerdefinierte Audiodatei bereitstellen, dokumentiert die Plattform praktische Einschränkungen (Format/Größe) und dass Audio möglicherweise abgeschnitten/stumm gelassen wird, wenn es nicht zur angeforderten Dauer passt.

R2V

• Audio wird via Prompt generiert und kann die Stimmfarbe des Eingabevideos referenzieren (nützlich, wenn Sie Stimmkontinuität wünschen).

Wenn Sie es nicht End-to-End validiert haben, vermeiden Sie Behauptungen wie „Lippensynchronisation“ oder „phonemgenaue Mundanpassung“. Die offiziellen Dokumente beschreiben die Audiogenerierung und Audio-Visuelle Synchronisation, garantieren aber keine lippengenaue Ausrichtung.

5. Kostenmodell: Kennen Sie Ihre Pro-Sekunde-Preise im Voraus

T2V-Preise (Alibaba Cloud / Bailian)

• wan2.6-t2v: 0.6 RMB/Sek (720P), 1 RMB/Sek (1080P)

I2V-Preise (Erster Frame)

• wan2.6-i2v: 0.6 RMB/Sek (720P), 1 RMB/Sek (1080P)

Wan 2.6 R2V-Preise (Referenzvideo)

• Fehlschläge werden nicht berechnet
• Die Abrechnungsdauer des Eingabevideos ist gedeckelt (dokumentiert als „nicht mehr als 5 Sekunden“ für die Abrechnung)

• Entwicklungs-/Test-Standard: 720P + kürzeste Dauer, die Ihre UX zulässt
• Serverseitige Obergrenzen hinzufügen: max. Dauer, max. Auflösung, max. Jobs/Benutzer/Tag
• Referenzvideo-Validierung vor der R2V-Einreichung verlangen (Format/Größe/Dauer), um Verschwendung zu reduzieren

6. Zuverlässigkeits-Reibungspunkte bei Wan 2.6, auf die Sie tatsächlich stoßen werden

Regionale Bindung

Peking und Singapur haben unabhängige API-Schlüssel und Anfrage-Endpunkte; das Mischen dieser kann zu Auth-Fehlern führen.

SDK-Lücken (I2V)

URLs und Assets

Über Workflows hinweg übergeben Sie Medien via URLs (HTTP/HTTPS), und Sie benötigen möglicherweise einen Upload-Schritt, um temporäre URLs für lokale Dateien zu erstellen.

7. Verwendung von Wan 2.6 über EvoLink.ai (Einheitliche API + Sauberes Task-Modell)

• POST https://api.evolink.ai/v1/videos/generations
• Wan 2.6 Modelle (Beispiele):
  • wan2.6-text-to-video
  • wan2.6-reference-video
• Asynchrone Verarbeitung mit Task-IDs, und generierte Videolinks sind für 24 Stunden gültig (prompt speichern).

Beispiel: Text-to-Video via EvoLink

Vollständige Dok: https://docs.evolink.ai/en/api-manual/video-series/wan2.6/wan2.6-text-to-video

curl --request POST \
  --url https://api.evolink.ai/v1/videos/generations \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "wan2.6-text-to-video",
    "prompt": "A cinematic multi-shot sequence of a runner crossing a neon-lit city bridge at night, rain reflections, dramatic camera cuts, realistic motion."
  }'

Beispiel: Referenzvideo via EvoLink (Copy-Paste)

curl --request POST \
  --url https://api.evolink.ai/v1/videos/generations \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "wan2.6-reference-video",
    "prompt": "character1 walks into a bright cafe, orders a drink, then turns and smiles to camera; multi-shot narrative.",
    "video_urls": [
      "https://your-cdn.example.com/reference_character.mp4"
    ]
  }'

Dieser Endpunkt akzeptiert bis zu 3 Referenzvideos und dokumentiert Anforderungen wie Format (mp4/mov), Dateigröße (≤100MB) und Dauerbereich (2–30s).

8. Liefern Sie Wan 2.6 schneller aus

Wenn Sie Produktions-Videofunktionen erstellen – UGC-Erstellungstools, Marketing-Automatisierung, Produktvisualisierung oder Storyline-Generierung – ist der schwierige Teil nicht „kann das Modell Video generieren?“ Der schwierige Teil ist die Operationalisierung: Aufgaben-Orchestrierung, Ausgabenkontrolle und die Entwicklung der Modell-/Anbieterwahl im Laufe der Zeit.

• Eine API-Oberfläche für Wan 2.6 (und andere Videomodelle, wenn Sie Ihren Stack erweitern)
• Ein sauberes asynchrones Aufgabenmuster, das Sie in Ihrem Backend standardisieren können
• Ein praktischer Pfad, um Integrationsaufwand zu reduzieren, wenn Anbieter Parameter aktualisieren oder neue Endpunkte hinzufügen

9. FAQ (Produktionsnotizen)

1) Welche Dauer unterstützt Wan 2.6 für jeden Modus?

• Text-to-Video (wan2.6-t2v): 5 / 10 / 15 Sekunden
• Image-to-Video (wan2.6-i2v): 5 / 10 / 15 Sekunden
• Referenzvideo (wan2.6-r2v): 5 / 10 Sekunden

2) Kann ich mein eigenes Audio mitbringen? Was sind die Einschränkungen?

• Formate: wav / mp3
• Dauer: 3–30 Sekunden
• Größe: ≤ 15MB
• Wenn Audio länger als die angeforderte Videodauer ist, wird es abgeschnitten; wenn kürzer, bleibt das restliche Video stumm.

3) Wie erzwinge ich eine stumme Ausgabe (kein Auto-Audio)?

4) Was sind sichere Grenzen für die Prompt-Länge?