Wan Guía API 2.6: texto a vídeo, imagen a vídeo y vídeo de referencia para producción

Esta guía está escrita para directores de tecnología e ingenieros que envían videos generativos a sistemas reales: orquestación asíncrona, barreras presupuestarias, patrones de confiabilidad y estrategia de integración (incluida una ruta limpia EvoLink.ai al final).

1. Wan 2.6 Familia de modelos: elija el punto final correcto

• Comience con T2V para explorar conceptos.
• Cambie a I2V cuando tenga un marco de "fuente de verdad" que deba respetar.
• Utilice R2V cuando necesite continuidad de identidad en tomas/escenas.

2. El flujo de trabajo de producción: tareas asíncronas (no en tiempo real)

Detalles operativos clave:

• Debe enviar el encabezado asíncrono: X-DashScope-Async: enable (DashScope HTTP mode).
• Recibe un task_id y sondee el estado hasta que tenga éxito o falle.
• task_id es válido por 24 horas (guárdelo inmediatamente; no lo "vuelva a enviar" para recuperarlo).

• Enviar tarea de un trabajador API
• Persistir task_id + hash de solicitud + metadatos de usuario/trabajo
• Encuesta con retroceso exponencial (o un planificador/cola)
• Si tiene éxito, persista el video_url devuelto y descárguelo/duplicarlo (las URL a menudo tienen un límite de tiempo por parte de los proveedores)

3. Narración de múltiples planos: lo que realmente cambia en Wan 2.6

Cómo habilitarlo (ejemplo T2V)

Guía práctica rápida para disparos múltiples:

• Escriba su mensaje como una breve "lista de tomas"
• Mantenga la descripción del tema principal consistente en todas las tomas.
• Especificar transiciones de planos ("corte a", "plano amplio", "primer plano") solo si es necesario; de lo contrario, deje que el modelo se segmente automáticamente

Cómo funciona en Wan 2.6 R2V (referencias de personajes)

4. Audio: en qué puede confiar con seguridad

Wan 2.6 admite audio de diferentes maneras según el punto final:

T2V / I2V

• La compatibilidad con audio incluye voz en off automática o pasar una URL de archivo de audio personalizada para lograr la sincronización audiovisual.
• Al proporcionar un archivo de audio personalizado, la plataforma documenta limitaciones prácticas (formato/tamaño) y ese audio puede truncarse o dejarse en silencio si no coincide con la duración solicitada.

R2V

• El audio se genera mediante un mensaje y puede hacer referencia al timbre de voz del vídeo de entrada (útil cuando desea continuidad en la sensación de voz).

A menos que lo haya validado de un extremo a otro, evite afirmar "sincronización de labios" o "coincidencia de boca con precisión de fonemas".Los documentos oficiales describen la generación de audio y la sincronización audiovisual, pero no garantizan la alineación al nivel de los labios.

5. Modelo de costos: conozca su precio por segundo desde el principio

Precios de T2V (Alibaba Cloud / Bailian)

• wan2.6-t2v: 0,6 RMB/seg (720P), 1 RMB/seg (1080P)

Precios de I2V (primer fotograma)

• wan2.6-i2v: 0,6 RMB/seg (720P), 1 RMB/seg (1080P)

Wan Precios del 2.6 R2V (vídeo de referencia)

• Las averías no se facturan
• La duración de la facturación del vídeo de entrada está limitada (documentada como "no superior a 5 segundos" para la facturación)

• Valor predeterminado de desarrollo/prueba: 720P + la duración más corta que permita su UX
• Agregar límites del lado del servidor: duración máxima, resolución máxima, trabajos máximos/usuario/día
• Requerir validación de video de referencia antes del envío de R2V (formato/tamaño/duración) para reducir el desperdicio

6. Wan 2.6 Fricción de confiabilidad que realmente alcanzarás

Enlace de región

Beijing y Singapur tienen claves API independientes y puntos finales de solicitud;mezclarlos puede causar fallas de autenticación.

Brechas en el SDK (I2V)

URL y activos

En todos los flujos de trabajo, pasará medios a través de URL (HTTP/HTTPS) y es posible que necesite un paso de carga para generar URL temporales para archivos locales.

7. Usando Wan 2.6 hasta EvoLink.ai (API unificada + modelo de tarea limpia)

• POST https://api.evolink.ai/v1/videos/generaciones

• Modelos Wan 2.6 (ejemplos):

• wan2.6-texto-a-video
  • wan2.6-video-de-referencia
• Procesamiento asincrónico con ID de tareas y enlaces de video generados válidos por 24 horas (guarde puntualmente).

Ejemplo: texto a vídeo mediante EvoLink

Documento completo: 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."
  }'

Ejemplo: Vídeo de Referencia via EvoLink (copiar-pegar)

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"
    ]
  }'

Este endpoint acepta hasta 3 videos de referencia y documenta requisitos como formato (mp4/mov), tamaño de archivo (≤100MB), y rango de duración (2–30s).

8. Envío Wan 2.6 más rápido

Si está creando funciones de producción de video (herramientas de creación de UGC, automatización de marketing, visualización de productos o generación de historias), la parte difícil no es "¿puede el modelo generar video?"La parte difícil es ponerlo en práctica: orquestación de tareas, control de gastos y elección de modelo/proveedor en evolución a lo largo del tiempo.

• Una superficie API para Wan 2.6 (y otros modelos de vídeo a medida que amplía su pila)

• Un patrón de tareas asíncrono limpio que puedes estandarizar en tu backend

• Un camino práctico para reducir la rotación de integración cuando los proveedores actualizan parámetros o agregan nuevos puntos finales

9. Preguntas frecuentes (Notas de producción)

1) ¿Qué duraciones admite Wan 2.6 para cada modo?

• Texto a vídeo (wan2.6-t2v): 5/10/15 segundos
• Imagen a vídeo (wan2.6-i2v): 5/10/15 segundos
• Video de referencia (wan2.6-r2v): 5/10 segundos

2) ¿Puedo traer mi propio audio? ¿Cuáles son las limitaciones?

• Formatos: wav/mp3
• Duración: 3–30 segundos
• Tamaño: ≤ 15 MB

• Si el audio es más largo que la duración del video solicitado, se trunca; si es más corto, el vídeo restante permanece en silencio.

3) ¿Cómo fuerzo la salida silenciosa (sin audio automático)?

4) ¿Cuáles son los límites de duración seguros de los avisos?