Como usar a API de vídeo Wan 2.7 da Wan? Tutorial em chinês de texto para vídeo e imagem para vídeo

TL;DR

• Wan 2.7 é o modelo de vídeo da Alibaba. No HiAPI há texto para vídeo wan2.7-video/text-to-video e imagem para vídeo wan2.7-video/image-to-video, cada clipe de 2–15 segundos. Abrir a página do modelo permite gerar online; novos usuários ganham 200 créditos ao se registrar.
• Cobrança por segundo, mesmo preço para texto e imagem: 720P a $0.10 por segundo, 1080P a $0.167 por segundo. 5 segundos em 720P custa $0.50.
• Duas armadilhas comuns: a resolução deve ser escrita em maiúsculas 720P / 1080P, e o padrão é 1080P; o parâmetro de proporção do texto para vídeo se chama ratio, não aspect_ratio.

Veja o resultado primeiro

Texto para vídeo, exemplo da página do modelo, prompt em chinês:

Uma jovem de suéter branco sentada à janela de um café, do lado de fora uma rua em dia de chuva, ela levanta suavemente a xícara de café, o olhar voltado para fora da janela, luz amarela quente refletindo em seu rosto, gotas de chuva escorrendo lentamente pelo vidro, profundidade de campo rasa de nível cinematográfico, textura de filme 35mm, tons quentes, close-up em câmera lenta

Gerar com este prompt → (1080P, 16:9)

wan2.7-video/text-to-video exemplo da página do modelo, 1080P, cerca de 8 segundos, cerca de $1.336 pelo preço atual.

Imagem para vídeo, usando uma imagem de fazenda em estilo massinha como primeiro frame:

Estilo de animação em massinha, cena de fazenda alegre ganhando vida lentamente. A vaca mãe mastiga devagar o capim na boca, o bezerro inclina a cabeça curiosamente para olhar. Atrás, as galinhas baixam a cabeça para bicar os grãos no chão, o cachorro abana o rabo e dá alguns passinhos em direção à câmera. O porquinho na lama rola satisfeito, levantando pequenos respingos de lama. Ao longe, o cata-vento do celeiro vermelho gira lentamente, nuvens brancas passam preguiçosamente sobre colinas verdes. As florzinhas no chão balançam suavemente com a brisa, a cena inteira é tomada pela luz quente do sol da tarde, textura de animação stop-motion, cheia de encanto infantil.

Gerar com este prompt → (envie sua imagem do primeiro frame)

wan2.7-video/image-to-video exemplo da página do modelo, 1080P, cerca de 8 segundos, cerca de $1.336 pelo preço atual.

Para imagem para vídeo, escreva o prompt detalhando "quem está fazendo o quê": a vaca mastigando, as galinhas bicando, o cachorro correndo, o porco rolando. Dê uma pequena ação para cada personagem na imagem, e a imagem inteira ganha vida.

Dois caminhos para começar

Teste online (sem código)

1. Abra a página do modelo Wan 2.7 texto para vídeo e registre-se ou faça login.
2. Cole o prompt, escolha duração, resolução e proporção.
3. Clique em gerar e baixe o vídeo quando estiver pronto.

Chamada da API

1. Crie uma API Key no console.
2. Envie a tarefa com POST https://api.hiapi.ai/v1/tasks, que retorna taskId.
3. Consulte o status com GET /v1/tasks/{taskId}; quando status for success, baixe o vídeo em output[0].url.

curl: seu primeiro vídeo

5 segundos em 720P, $0.50:

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan2.7-video/text-to-video",
    "input": {
      "prompt": "Um gato laranja deitado no parapeito da janela banhado de sol boceja, a cauda balançando suavemente, tons quentes, profundidade de campo rasa",
      "resolution": "720P",
      "ratio": "16:9",
      "duration": 5
    }
  }'

Retorno:

{"code": 200, "data": {"taskId": "tk-hiapi-..."}, "message": "success"}

Consultar o resultado:

curl https://api.hiapi.ai/v1/tasks/tk-hiapi-... \
  -H "Authorization: Bearer $HIAPI_KEY"

Python: enviar, consultar, baixar

# pip install requests; antes, export HIAPI_KEY=sua_Key
import os, time, uuid, requests

KEY = os.environ["HIAPI_KEY"]
H = {"Authorization": f"Bearer {KEY}"}

def generate(model, timeout_s=900, **params):
    body = {"model": model, "input": params}
    # Ao reenviar a mesma tarefa, use o mesmo Idempotency-Key para evitar cobrança duplicada
    headers = {**H, "Idempotency-Key": str(uuid.uuid4())}
    r = requests.post("https://api.hiapi.ai/v1/tasks", json=body, headers=headers, timeout=30)
    r.raise_for_status()
    res = r.json()
    if res.get("code") != 200:
        raise RuntimeError(res)
    task_id = res["data"]["taskId"]
    deadline = time.time() + timeout_s
    while time.time() < deadline:
        d = requests.get(f"https://api.hiapi.ai/v1/tasks/{task_id}", headers=H, timeout=30).json()["data"]
        if d["status"] == "success":
            return d["output"][0]["url"]
        if d["status"] == "fail":
            raise RuntimeError(d)
        time.sleep(10)
    raise TimeoutError(task_id)

url = generate(
    "wan2.7-video/text-to-video",
    prompt="Um gato laranja deitado no parapeito da janela banhado de sol boceja, a cauda balançando suavemente, tons quentes, profundidade de campo rasa",
    resolution="720P", ratio="9:16", duration=5,
)
with open("clip.mp4", "wb") as f:
    f.write(requests.get(url).content)

Imagem para vídeo: envie materiais com media

Para imagem para vídeo não se usa image_url, mas sim um array media, em que cada item especifica o tipo e o endereço, de 1 a 3 itens:

{
  "model": "wan2.7-video/image-to-video",
  "input": {
    "prompt": "Câmera avançando lentamente, pétalas sopradas pelo vento, a pessoa vira a cabeça e sorri",
    "media": [
      {"type": "first_frame", "url": "https://your-cdn.example.com/start.jpg"},
      {"type": "last_frame", "url": "https://your-cdn.example.com/end.jpg"}
    ],
    "resolution": "720P",
    "duration": 5
  }
}

type tem quatro valores:

type	Função
first_frame	Imagem do primeiro frame
last_frame	Imagem do último frame, usada com o primeiro para criar transição
driving_audio	Áudio de condução, faz a imagem se mover conforme o som
first_clip	Primeiro trecho de vídeo, continua a geração a partir dele

Visão geral dos parâmetros

Parâmetro	Valores	Descrição
prompt	String, obrigatório	Até 5000 caracteres, em chinês ou inglês
negative_prompt	String	O que você não quiere que apareça, até 500 caracteres
resolution	720P / 1080P, padrão 1080P	Maiúsculas, determina diretamente o preço
ratio	16:9 9:16 1:1 4:3 3:4, padrão 16:9	Somente texto para vídeo
duration	Inteiro de 2–15, padrão 5	Em segundos
audio_url	wav/mp3, 2–30 segundos, máximo 15 MB	Somente texto para vídeo, opcional
prompt_extend	Padrão true	Otimiza automaticamente o prompt; para gerar exatamente como o texto original, defina false
seed	0–2147483647	Seed fixa para facilitar a reprodução
watermark	Padrão false	Se adiciona marca d'água de geração por IA

Calcule o custo

Duração	720P ($0.10/segundo)	1080P ($0.167/segundo)
2 segundos	$0.20	$0.334
5 segundos	$0.50	$0.835
10 segundos	$1.00	$1.67
15 segundos	$1.50	$2.505

Com $10 em 720P é possível gerar 100 segundos. O resolution padrão é 1080P; ao ajustar prompts, use 720P para economizar 40%.

Atenção antes de ir para produção

• Use callback em vez de polling: no nível superior da requisição (mesmo nível de input), adicione "callback": {"url": "https://seu-dominio/hiapi/callback"} e deduplique por taskId.
• Salve imediatamente: output[0].url é um link temporário; guarde-o no seu próprio armazenamento assim que recebê-lo.
• Retentativas com chave de idempotência: adicione Idempotency-Key no cabeçalho da requisição; a mesma chave cria a tarefa apenas uma vez.
• Reembolso automático em caso de falha: a cobrança é feita apenas por vídeos gerados com sucesso.

Perguntas frequentes

Posso escrever a resolução em minúsculas 720p?

Não. Minúsculas retornam 400 diretamente: resolution: value must be one of '720P', '1080P'.

Por que enviar aspect_ratio dá erro?

O parâmetro de proporção do Wan 2.7 texto para vídeo se chama ratio. Enviar aspect_ratio retorna 400: additional properties 'aspect_ratio' not allowed.

Como definir a proporção em imagem para vídeo?

Imagem para vídeo não tem parâmetro de proporção; ela segue o primeiro frame.

É possível gerar vídeos de 15 segundos?

Sim, duration varia de 2–15 segundos.

Como escolher entre Wan 2.7 e Wan 3.0?

O Wan 3.0 no HiAPI é vídeo a partir de referência, usando imagens de referência para fixar pessoas e produtos; se você só precisa de texto para vídeo ou imagem para vídeo, use o Wan 2.7.

Para mais formas de escrever, veja Casos de prompts do Wan 2.7 texto para vídeo (em inglês). Se quiser testar um primeiro vídeo, vá até a página do modelo para gerar.