Guide API Wan 2.6 : Text-to-Video, Image-to-Video et Vidéo de Référence pour la Production

Ce guide est écrit pour les CTO et les ingénieurs qui déploient la vidéo générative dans des systèmes réels : orchestration asynchrone, garde-fous budgétaires, modèles de fiabilité et stratégie d'intégration (y compris un chemin EvoLink.ai propre à la fin).

1. Famille de Modèles Wan 2.6 : Choisir le Bon Endpoint

• Commencez avec T2V pour l'exploration de concepts.
• Passez à I2V quand vous avez une image "source de vérité" que vous devez respecter.
• Utilisez R2V quand vous avez besoin d'une continuité d'identité à travers les plans/scènes.

2. Le Flux de Production : Tâches Asynchrones (Pas de Temps Réel)

Détails opérationnels clés :

• Vous devez envoyer l'en-tête async : X-DashScope-Async: enable (mode HTTP DashScope).
• Vous recevez un task_id et sondez (poll) le statut jusqu'à succès/échec.
• Le task_id est valide pour 24 heures (stockez-le immédiatement ; ne "resoumettez" pas pour récupérer).

• Soumettre la tâche depuis un worker API
• Persister task_id + hash requête + métadonnées utilisateur/job
• Sonder avec backoff exponentiel (ou un planificateur/file d'attente)
• En cas de succès, persister l'video_url retournée et la télécharger/répliquer (les URL sont souvent limitées dans le temps par les fournisseurs)

3. Storytelling Multi-Plans : Ce Qui Change Vraiment dans Wan 2.6

Comment l'activer (exemple T2V)

Guide pratique des prompts pour le multi-plans :

• Écrivez votre prompt comme une courte "liste de plans"
• Gardez la description du sujet principal cohérente à travers les plans
• Spécifiez les transitions de plans ("cut to", "wide shot", "close-up") seulement si nécessaire ; sinon laissez le modèle segmenter automatiquement

Comment ça marche dans Wan 2.6 R2V (références personnages)

4. Audio : Sur Quoi Vous Pouvez Compter en Toute Sécurité

Wan 2.6 supporte l'audio de différentes manières selon l'endpoint :

T2V / I2V

• Le support audio inclut voix off auto ou passer une URL de fichier audio personnalisé pour obtenir une synchro audio-visuelle.
• Lors de la fourniture d'un fichier audio personnalisé, la plateforme documente les contraintes pratiques (format/taille) et le fait que l'audio peut être tronqué/laissé silencieux s'il ne correspond pas à la durée demandée.

R2V

• L'audio est généré via prompt, et peut référencer le timbre de voix de la vidéo d'entrée (utile quand vous voulez une continuité de sensation vocale).

À moins de l'avoir validé de bout en bout, évitez de revendiquer "sync labiale" ou "correspondance bouche phonème-précise". Les docs officiels décrivent la génération audio et la synchro audio-visuelle, mais ne garantissent pas un alignement au niveau des lèvres.

5. Modèle de Coût : Connaître Votre Tarification Par Seconde à l'Avance

Tarification T2V (Alibaba Cloud / Bailian)

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

Tarification I2V (première image)

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

Tarification Wan 2.6 R2V (vidéo de référence)

• Les échecs ne sont pas facturés
• La durée facturée de la vidéo d'entrée est plafonnée (documentée comme "ne dépassant pas 5 secondes" pour la facturation)

• Défaut Dev/test : 720P + durée la plus courte permise par votre UX
• Ajouter des plafonds côté serveur : durée max, résolution max, max jobs/utilisateur/jour
• Exiger une validation de la vidéo de référence avant soumission R2V (format/taille/durée) pour réduire le gaspillage

6. Frictions de Fiabilité Wan 2.6 Que Vous Rencontrerez Vraiment

Liaison Régionale

Pékin et Singapour ont des clés API et des endpoints de requête indépendants ; les mélanger peut causer des échecs d'auth.

Lacunes SDK (I2V)

URL et actifs

À travers les workflows, vous passerez des médias via des URL (HTTP/HTTPS), et vous pourriez avoir besoin d'une étape de téléchargement pour produire des URL temporaires pour les fichiers locaux.

7. Utiliser Wan 2.6 Via EvoLink.ai (API Unifiée + Modèle de Tâche Propre)

• POST https://api.evolink.ai/v1/videos/generations
• Modèles Wan 2.6 (exemples) :
  • wan2.6-text-to-video
  • wan2.6-reference-video
• Traitement asynchrone avec ID de tâche, et liens vidéo générés valides pour 24 heures (sauvegardez rapidement).

Exemple : Text-to-Video via EvoLink

Doc complète : 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."
  }'

Exemple : Vidéo de Référence via EvoLink (copier-coller)

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"
    ]
  }'

Ce point de terminaison accepte jusqu'à 3 vidéos de référence et documente les exigences comme le format (mp4/mov), la taille de fichier (≤100MB), et la plage de durée (2–30s).

8. Expédiez Wan 2.6 Plus Vite

Si vous construisez des fonctionnalités vidéo de production — outils de création UGC, automatisation marketing, visualisation produit, ou génération d'intrigue — la partie difficile n'est pas "le modèle peut-il générer une vidéo ?" La partie difficile est de l'opérationnaliser : orchestration des tâches, contrôle des dépenses, et évolution des choix de modèle/fournisseur au fil du temps.

• Une surface API pour Wan 2.6 (et d'autres modèles vidéo à mesure que vous étendez votre stack)
• Un modèle de tâche asynchrone propre que vous pouvez standardiser dans votre backend
• Un chemin pratique pour réduire le churn d'intégration quand les fournisseurs mettent à jour les paramètres ou ajoutent de nouveaux endpoints

9. FAQ (Notes de Production)

1) Quelles durées Wan 2.6 supporte-t-il pour chaque mode ?

• Text-to-Video (wan2.6-t2v) : 5 / 10 / 15 secondes
• Image-to-Video (wan2.6-i2v) : 5 / 10 / 15 secondes
• Vidéo de Référence (wan2.6-r2v) : 5 / 10 secondes

2) Puis-je apporter mon propre audio ? Quelles sont les contraintes ?

• Formats : wav / mp3
• Durée : 3–30 secondes
• Taille : ≤ 15MB
• Si l'audio est plus long que la durée vidéo demandée, il est tronqué ; si plus court, la vidéo restante est silencieuse.

3) Comment forcer une sortie silencieuse (pas d'audio auto) ?

4) Quelles sont les limites de longueur de prompt sûres ?